Adaptive Blind Separation of Instantaneous Linear Mixtures of Independent Sources
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F16%3A00480768" target="_blank" >RIV/67985556:_____/16:00480768 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Adaptive Blind Separation of Instantaneous Linear Mixtures of Independent Sources
Popis výsledku v původním jazyce
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.
Název v anglickém jazyce
Adaptive Blind Separation of Instantaneous Linear Mixtures of Independent Sources
Popis výsledku anglicky
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.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
10307 - Acoustics
Návaznosti výsledku
Projekt
<a href="/cs/project/FV10645" target="_blank" >FV10645: Analyzátor kontinuální akustické emise pro diagnostiku erozně korozního a creepového poškození potrubních systémů</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
U - Předmět řešení projektu je utajovanou skutečností podle zvláštních právních předpisů nebo je skutečností, jejíž zveřejnění by mohlo ohrozit činnost zpravodajské služby. Údaje o projektu jsou upraveny tak, aby byly zveřejnitelné