Separación ciega de señales

La separación de señal ciega ( separación de fuente ciega , ing. BSS, separación de fuente ciega ) es la tarea del procesamiento de señal digital al estimar la matriz, la matriz de mezcla inversa del sistema observado a partir de implementaciones independientes del vector de observación . El análisis de componentes independientes se usa comúnmente para resolver este problema .

La tarea está indeterminada , ya que para su solución es necesario restaurar tanto la estructura de mezcla como las señales originales.

Modelo matemático

El modelo de observación se puede representar como una ecuación estocástica [1] :

{\textbf {x}}_{n}={\textbf {A}}{\textbf {u}}_{n}

donde es el vector fuente de dimensión en un tiempo discreto , es una matriz de mezcla no singular , es el vector de observación en un tiempo . Ambos son desconocidos, pero se supone que los componentes son variables aleatorias independientes. ${\textbf{u}}_{n}$ $metro$ $norte$ ${\textbf{A}}$ ${\ estilo de visualización m \ veces m}$ ${\textbf{x}}_{n}$ $norte$ ${\textbf{A}}$ ${\textbf{u}}_{n}$ ${\textbf{u}}_{n}$

La tarea de separar ciegamente señales para un vector dado se resuelve encontrando una matriz de separación (no singular) , tal que: ${\textbf{x}}_{n}$ ${\textbf{W}}$

{\textbf {y}}={\textbf {W}}{\textbf {x}}

donde es el vector de salida. El vector original se puede obtener hasta factores de escala y permutaciones en la forma: ${\textbf{y))$ ${\textbf{u))$

{\textbf {y}}={\textbf {D}}{\textbf {P}}{\textbf {u}}

donde es una matriz diagonal no degenerada , es una matriz de permutación . ${\textbf{D}}$ ${\textbf{P}}$

El problema se resuelve según el principio de análisis de componentes independientes y requiere la independencia estadística de los componentes [1] . ${\textbf{y))$

Aplicaciones

Separación del habla (por ejemplo, teleconferencia) [1] ;
Procesamiento de conjuntos de antenas;
Registros biomédicos multisensoriales [2] ;
Análisis de datos del mercado financiero;

En aplicaciones reales, la tarea se complica por la presencia de ruido de medición, retrasos en la propagación de la señal [1] .

Notas

↑ 1 2 3 4 Khaikin, 2008 .
↑ Campisi, 2012 .

Literatura

Simón Haikin. Redes neuronales. - 2ª ed. - Editorial Williams, 2008. - 1103 p. — ISBN 5845908906 .
Patrizio Campisi, Daria La Rocca, Gaetano Scarano. Identificación por electroencefalograma // Sistemas abiertos. SGBD. - 2012. - Nº 6 . - S. 39-41 .