Blind source separation with nonlinear autocorrelation and non-Gaussianity
Blind source separation with nonlinear autocorrelation and non-Gaussianity
复制标题
具有非线性自相关和非高斯性的盲源分离
DOI：
10.1016/j.cam.2008.10.031
复制
发表时间：
2009-07
影响因子：
2.4
通讯作者：
周付根
中科院分区：
文献类型：
--
作者：
史振威;尹继豪;姜志国;周付根
盲源分离是生物医学信号处理与分析、语音和图像处理、无线通信系统、数据挖掘、声纳、雷达增强等应用中经常遇到的问题。然而，现实生活中的混合可能同时包含非高斯性和时间结构信息源，导致仅使用一种统计属性的算法失败。本文研究了源信号具有非高斯性和具有非线性自相关的时间结构时的盲源分离问题。基于震源的两个统计特征，我们建立了一个目标函数。以目标函数最大为目标，提出了一种梯度上升源分离算法。此外，我们还给出了该算法的一些数学性质。对具有平方时间自相关和非高斯性信源的计算机仿真表明了该方法的有效性。
Blind source separation (BSS) is a problem that is often encountered in many applications, such as biomedical signal processing and analysis, speech and image processing, wireless telecommunication systems, data mining, sonar, radar enhancement, etc. One often solves the BSS problem by using the statistical properties of original sources, e.g., non-Gaussianity or time-structure information. Nevertheless, real-life mixtures are likely to contain both non-Gaussianity and time-structure information sources, rendering the algorithms using only one statistical property fail. In this paper, we address the BSS problem when source signals have non-Gaussianity and temporal structure with nonlinear autocorrelation. Based on the two statistical characteristics of sources, we develop an objective function. Maximizing the objective function, we propose a gradient ascent source separation algorithm. Furthermore, We give some mathematical properties for the algorithm. Computer simulations for sources with square temporal autocorrelation and non-Gaussianity illustrate the efficiency of the proposed approach.
登录
查看更多内容
DOI：
10.1007/978-3-540-92910-9_13
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Seungjin Choi
通讯作者：
Seungjin Choi
DOI：
--
发表时间：
2002-09
期刊：
--
影响因子：
--
作者：
A. Cichocki;S. Amari
通讯作者：
A. Cichocki;S. Amari
DOI：
10.1016/b978-0-12-804566-4.00016-4
发表时间：
2019
期刊：
Source Separation and Machine Learning
影响因子：
--
作者：
Jen-Tzung Chien
通讯作者：
Jen-Tzung Chien
影响因子：
5.4
作者：
Cardoso, JF;Laheld, BH
通讯作者：
Laheld, BH
影响因子：
7.8
作者：
K. Matsuoka;Masahiro Ohoya;M. Kawamoto
通讯作者：
K. Matsuoka;Masahiro Ohoya;M. Kawamoto