Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

PERFORMANCE BOUND FOR BLIND EXTRACTION OF NON-GAUSSIAN COMPLEX-VALUED VECTOR COMPONENT FROM GAUSSIAN BACKGROUND

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00344850" target="_blank" >RIV/68407700:21340/19:00344850 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/46747885:24220/19:00006962

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    PERFORMANCE BOUND FOR BLIND EXTRACTION OF NON-GAUSSIAN COMPLEX-VALUED VECTOR COMPONENT FROM GAUSSIAN BACKGROUND

  • Popis výsledku v původním jazyce

    Independent Vector Extraction aims at the joint blind source extraction of K dependent signals of interest (SOI) from K mixtures (one signal from one mixture) Similarly to Independent Component/Vector Analysis (ICA/IVA), the SOIs are assumed to be independent of the other signals in the mixture. Compared to IVA, the (de-)mixing IVE model is reduced in the number of parameters for the extraction problem. The SOIs are assumed to be non-Gaussian or noncircular Gaussian, while the other signals are modeled as circular Gaussian. In this paper, a Cramer-Rao-Induced Bound (CRIB) for the achievable Interference-to-Signal Ratio (ISR) is derived for IVE. The bound is compared with similar bounds for ICA, IVA, and Independent Component Extraction (ICE). Numerical simulations show a good correspondence between the empirical results and the theory.

  • Název v anglickém jazyce

    PERFORMANCE BOUND FOR BLIND EXTRACTION OF NON-GAUSSIAN COMPLEX-VALUED VECTOR COMPONENT FROM GAUSSIAN BACKGROUND

  • Popis výsledku anglicky

    Independent Vector Extraction aims at the joint blind source extraction of K dependent signals of interest (SOI) from K mixtures (one signal from one mixture) Similarly to Independent Component/Vector Analysis (ICA/IVA), the SOIs are assumed to be independent of the other signals in the mixture. Compared to IVA, the (de-)mixing IVE model is reduced in the number of parameters for the extraction problem. The SOIs are assumed to be non-Gaussian or noncircular Gaussian, while the other signals are modeled as circular Gaussian. In this paper, a Cramer-Rao-Induced Bound (CRIB) for the achievable Interference-to-Signal Ratio (ISR) is derived for IVE. The bound is compared with similar bounds for ICA, IVA, and Independent Component Extraction (ICE). Numerical simulations show a good correspondence between the empirical results and the theory.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • 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

    2019 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

    5287-5291

  • Název nakladatele

    IEEE Signal Processing Society

  • Místo vydání

    New Jersey

  • Místo konání akce

    Brighton

  • Datum konání akce

    12. 5. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000482554005104