Blind Source Separation of Single Channel Mixture Using Tensorization and Tensor Diagonalization
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00472594" target="_blank" >RIV/67985556:_____/17:00472594 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-53547-0" target="_blank" >http://dx.doi.org/10.1007/978-3-319-53547-0</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-53547-0" target="_blank" >10.1007/978-3-319-53547-0</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Blind Source Separation of Single Channel Mixture Using Tensorization and Tensor Diagonalization
Popis výsledku v původním jazyce
This paper deals with estimation of structured signals such as damped sinusoids, exponentials, polynomials, and their products from single channel data. It is shown that building tensors from this kind of data results in tensors with hidden block structure which can be recovered through the tensor diagonalization. The tensor diagonalization means multiplying tensors by several matrices along its modes so that the outcome is approximately diagonal or block-diagonal of 3-rd order tensors. The proposed method can be applied to estimation of parameters of multiple damped sinusoids, and their products with polynomial.
Název v anglickém jazyce
Blind Source Separation of Single Channel Mixture Using Tensorization and Tensor Diagonalization
Popis výsledku anglicky
This paper deals with estimation of structured signals such as damped sinusoids, exponentials, polynomials, and their products from single channel data. It is shown that building tensors from this kind of data results in tensors with hidden block structure which can be recovered through the tensor diagonalization. The tensor diagonalization means multiplying tensors by several matrices along its modes so that the outcome is approximately diagonal or block-diagonal of 3-rd order tensors. The proposed method can be applied to estimation of parameters of multiple damped sinusoids, and their products with polynomial.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Latent Variable Analysis and Signal Separation, 13th International Conference, LVA/ICA 2017
ISBN
978-3-319-53546-3
ISSN
0302-9743
e-ISSN
1611-3349
Počet stran výsledku
11
Strana od-do
36-46
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Grenoble
Datum konání akce
21. 2. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000418581400004