Главное


Слепое разделение источника

Слепое разделение источника (BSS) является задачей оценки ненаблюдаемых сигналов (источника) по известным лишь линейным комбинациям с этими сигналами. В процессе обработке сигнала эта проблема является важной, поскольку она может быть решена с использованием минимального количества априорной информации, а именно, что система смешивания обратима и что источники сигнала не являются Гауссовскими и независимы друг от друга. Алгоритм получил широкое применение в различных областях, таких как обработка сигналов, многопользовательские системы, восстановление речи и биомедицинской инженерии. Кроме того, слепое разделение источника играет важную роль в теории нейронных сетей, поскольку разделение осуществляется линейной системой, которая может быть интерпретирована как синоптические веса первого уровня нейронных сетей.[33]

Проблема разделения в BSS в ситуациях с малыми шумами, как правило, формулируется следующим образом. Предположим, что имеется вектор наблюдаемых сигналов , который является результатом линейного смешения процесса с неизвестной случайной последовательностью.[38]

Функция плотности вероятности источника сигнала не известна. Будем считать, что значения вещественные, с нулевым средним, распределены не по-гауссовски и независимы друг от друга. Кроме того, считается, что они независимы по времени и имеют одинаковое распределение. В связи с ваше сказанным можно записать:

(4.10)

где - это вектор источника сигнала, а H[k] - это последовательность символов матрицы импульсной характеристики системы смешивания.

Для восстановления источника сигнала производиться обработка линейной MIMO-системой с выходом:

(4.11)

где W[k] - последовательность символов матрицы конечной импульсной характеристики разделяющей системы. Обозначим через G[k]=W[k]*H[k] матрицу общей импульсной характеристики системы смешивания и разделения. Модели смешивания и разделения значительно упрощаются, если рассматривать мгновенный случай. В этом случае H[k]=H[0]δ[k] и W[k]=W[0] δ[k], тогда уравнения 4.10 и 4.11 сводятся к:

(4.12)

(4.13)

Цель алгоритма слепого разделения источника заключается в оценке разделяющей матрицы W[k] таким образом, чтобы каждый отчет на выходе разделяющей системы был равен отчетам исходного источника сигнала.[]

Начнем рассмотрение алгоритма слепого разделения источника с мгновенных оценок. Со времен первых работ ученых Jutten и Herault, было разработано большое количество эффективных и точных адаптивных алгоритмов и исследованы их свойства. В основном задача интерпретировалась как оценка разделяющей матрицы по известным значениям x. В целях выполнения этой оценки, были предложены различные подходы: минимизация взаимной информации на выходе, максимизация функции правдоподобия, либо максимизация передаваемой информации нейронной сети. Оценочная функция , связанная с предыдущими критериями, определяется дивергенцией Кульбака-Лейблера между функцией плотности вероятности выходного процесса и другим распределением с разложенными компонентами , то есть:

Перейти на страницу: 1 2

Другие статьи по теме

Исследование рабочих характеристик гидроакустической станции
В настоящее время активно развивается использование подводных лодок для проведения туристических круизов. За 10 лет построено несколько сотен туристических подводных лодок (ТПЛ). Водоизм ...

Малошумящий интегральный усилитель
полевой малошумящий Проектирование полупроводниковых интегральных схем (ИС) является сложным и многоэтапным процессом. Комплекс работ по проектированию включает синтез и анализ схемы, оце ...

Методы снижения нелинейных искажений в тракте звуковой частоты
В связи с всё расширяющимся в последнее время распространением бытовой звуковоспроизводящей аппаратуры особенно большое значение стало уделяться бытовым акустическим системам (БАС ...

www.techspirit.ru © 2019