Rychlá přibližná diagonalizace s váhovými maticemi

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F09%3A00321670" target="_blank" >RIV/67985556:_____/09:00321670 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Fast Approximate Joint Diagonalization Incorporating Weight Matrices

Popis výsledku v původním jazyce

We propose a new low complexity Approximate Joint Diagonalization (AJD) algorithm, which incorporates nontrivial block-diagonal weight matrices into a Weighted Least-Squares (WLS) AJD criterion. We show how the new algorithm can be utilized in an iteratively-reweighted separation scheme, thereby giving rise to fast implementation of asymptotically optimal BSS algorithms in various scenarios. In particular, we consider three specific (yet common) scenarios, involving stationary or block-stationary Gaussian sources, for which the optimal weight matrices can be readily estimated from the sample covariance matrices (which are also the target-matrices for the AJD). Comparative simulation results demonstrate the advantages in both speed and accuracy, as wellas compliance with the theoretically predicted asymptotic optimality of the resulting BSS algorithms based on the weighted AJD, both on large scale problems with matrices of the size 100 x 100.

Název v anglickém jazyce

Fast Approximate Joint Diagonalization Incorporating Weight Matrices

Popis výsledku anglicky

We propose a new low complexity Approximate Joint Diagonalization (AJD) algorithm, which incorporates nontrivial block-diagonal weight matrices into a Weighted Least-Squares (WLS) AJD criterion. We show how the new algorithm can be utilized in an iteratively-reweighted separation scheme, thereby giving rise to fast implementation of asymptotically optimal BSS algorithms in various scenarios. In particular, we consider three specific (yet common) scenarios, involving stationary or block-stationary Gaussian sources, for which the optimal weight matrices can be readily estimated from the sample covariance matrices (which are also the target-matrices for the AJD). Comparative simulation results demonstrate the advantages in both speed and accuracy, as wellas compliance with the theoretically predicted asymptotic optimality of the resulting BSS algorithms based on the weighted AJD, both on large scale problems with matrices of the size 100 x 100.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/1M0572" target="_blank" >1M0572: Data, algoritmy, rozhodování</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název periodika

IEEE Transactions on Signal Processing

ISSN

1053-587X

e-ISSN

—

Svazek periodika

57

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

14

Strana od-do

—

Kód UT WoS článku

000263431900006

EID výsledku v databázi Scopus

—