Jump to content

Анализ зависимых компонентов

Анализ зависимых компонентов (DCA) — это метод слепого разделения сигналов (BSS) и расширение анализа независимых компонентов (ICA). ICA — это разделение смешанных сигналов на отдельные сигналы без каких-либо знаний об исходных сигналах. DCA используется для разделения смешанных сигналов на отдельные наборы сигналов, которые зависят от сигналов внутри их собственного набора, без каких-либо сведений об исходных сигналах. DCA может быть ICA, если все наборы сигналов содержат только один сигнал в своем собственном наборе. [1]

Математическое представление

[ редактировать ]

Для простоты предположим, что все отдельные наборы сигналов имеют одинаковый размер k и общее количество наборов N. Построив базовые уравнения BSS (см. ниже) вместо сигналов независимых источников, можно получить независимые наборы сигналов s(t) = ({s 1 (t),...,s k (t)},.. .,{s kN-k+1 (t)...,s kN (t)}) Т , которые смешаны коэффициентами A=[a ij ]εR мхкН которые создают набор смешанных сигналов x(t)=(x 1 (t),...,x m (t)) Т . Сигналы могут быть многомерными.

Следующее уравнение BSS разделяет набор смешанных сигналов x(t) путем поиска и использования коэффициентов B=[B ij ]εR кНхм , чтобы отделить и получить набор аппроксимации исходных сигналов, y(t)=({y 1 (t),...,y k (t)},...,{y kN-k+1 ( t)...,y kN (t)}) Т . [1]

Разложение поддиапазонов ICA (SDICA) основано на том факте, что широкополосные исходные сигналы являются зависимыми, но другие поддиапазоны независимы. Он использует адаптивный фильтр , выбирая поддиапазоны с использованием минимума взаимной информации (MI) для разделения смешанных сигналов. После обнаружения сигналов поддиапазонов ICA можно использовать для восстановления на основе сигналов поддиапазонов с помощью ICA. Ниже приведена формула для определения MI на основе энтропии , где H — энтропия. [2]

  1. ^ Jump up to: а б Ли, Руи; Ли, Хунвэй; Ван, Фасонг (1 апреля 2010 г.). «Анализ зависимых компонентов: концепции и основные алгоритмы». Журнал компьютеров . 5 (4): 589–597. дои : 10.4304/jcp.5.4.589-597 .
  2. ^ Коприва, Ивица; Серсич, Дамир (2007). «Надежное слепое разделение статистически зависимых источников с использованием вейвлетов двойного дерева». 2007 Международная конференция IEEE по обработке изображений . дои : 10.1109/ICIP.2007.4378984 . ISBN  978-1-4244-1436-9 . S2CID   7046249 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 1f00d8edfaec6d41dbd3a1259f2b5547__1706522880
URL1:https://arc.ask3.ru/arc/aa/1f/47/1f00d8edfaec6d41dbd3a1259f2b5547.html
Заголовок, (Title) документа по адресу, URL1:
Dependent component analysis - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)