Extraction of Independent Vector Component from Underdetermined Mixtures through Block-Wise Determined Modeling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F19%3A00006960" target="_blank" >RIV/46747885:24220/19:00006960 - isvavai.cz</a>

Výsledek na webu

<a href="https://asap.ite.tul.cz/wp-content/uploads/sites/3/2019/05/icassp2019PDM.pdf" target="_blank" >https://asap.ite.tul.cz/wp-content/uploads/sites/3/2019/05/icassp2019PDM.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICASSP.2019.8683431" target="_blank" >10.1109/ICASSP.2019.8683431</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Extraction of Independent Vector Component from Underdetermined Mixtures through Block-Wise Determined Modeling

Popis výsledku v původním jazyce

We propose a new model for blind source extraction wherethe source of interest is assumed to be static while the back-ground noise is dynamic. The model is determined within short blocks (the same number of sources as that of sensors),however, the noise subspace can be changing from block to block. We propose a gradient-based algorithm that jointly extracts an independent vector component from a set of mixtures obeying the model based on maximum quasi-likelihood principle. Simulations confirm the validity of the approach, and experiments with real-world recordings show promising results.

Název v anglickém jazyce

Extraction of Independent Vector Component from Underdetermined Mixtures through Block-Wise Determined Modeling

Popis výsledku anglicky

We propose a new model for blind source extraction wherethe source of interest is assumed to be static while the back-ground noise is dynamic. The model is determined within short blocks (the same number of sources as that of sensors),however, the noise subspace can be changing from block to block. We propose a gradient-based algorithm that jointly extracts an independent vector component from a set of mixtures obeying the model based on maximum quasi-likelihood principle. Simulations confirm the validity of the approach, and experiments with real-world recordings show promising results.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

<a href="/cs/project/GA17-00902S" target="_blank" >GA17-00902S: Pokročilé metody slepé separace podprostorů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings

ISBN

978-1-4799-8131-1

ISSN

1520-6149

e-ISSN

—

Počet stran výsledku

5

Strana od-do

7903-7907

Název nakladatele

IEEE

Místo vydání

Brighton, England

Místo konání akce

Brighton

Datum konání akce

1. 1. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—