Název: Adaptive Blind Separation of Instantaneous Linear Mixtures of Independent Sources
Autoři: Šembera, Ondřej ; Tichavský, Petr ; Koldovský, Zbyněk
Typ dokumentu: Výzkumné zprávy
Rok: 2016
Jazyk: eng
Edice: Research Report, svazek: 2360
Abstrakt: In many applications, there is a need to blindly separate independent sources from their linear instantaneous mixtures while the mixing matrix or source properties are slowly or abruptly changing in time. The easiest way to separate the data is to consider off-line estimation of the model parameters repeatedly in time shifting window. Another popular method is the stochastic natural gradient algorithm, which relies on non-Gaussianity of the separated signals and is adaptive by its nature. In this paper, we propose an adaptive version of two blind source separation algorithms which exploit non-stationarity of the original signals. The results indicate that the proposed algorithms slightly outperform the natural gradient in the trade-off between the algorithm’s ability to quickly adapt to changes in the mixing matrix and the variance of the estimate when the mixing is stationary.
Klíčová slova: algorithms; blind separation; block gaussian separation
Číslo projektu: FV10645
Poskytovatel projektu: GA MPO

Instituce: Ústav teorie informace a automatizace AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://library.utia.cas.cz/separaty/2017/SI/tichavsky-0480768.pdf
Původní záznam: http://hdl.handle.net/11104/0276463

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-369355


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav teorie informace a automatizace
Zprávy > Výzkumné zprávy