観測雑音存在下のブラインドセパレーション
スポンサーリンク
概要
- 論文の詳細を見る
独立成分分析法(ICA)による未知信号の分離に関する研究(ブラインドセパレーション)が盛んに行なわれている.しかし今まで多くの報告では観測雑音の無視されており, その一方で生体信号処理や画像処理などの実際の応用研究では雑音が大きな影響を与えており, ICAによる信号の分離・復元に限界がある.そこで本稿では, 観測雑音の存在するもとでのブラインドセパレーションの一つの前処理の手法として因子分析による方法を検討する.因子分析とは観測される一連の変数から, 直接測定することのできない潜在因子を見い出す方法で, 観測地(x)を共通潜在因子(s)と特殊因子(測定誤差:E;ブラインドセパレーションの場合は観測雑音)の和に分解する統計的手法である.これにより, 観測ノイズの影響は低減され, ICAによる未知信号の分離が容易なものとなる.
- 社団法人電子情報通信学会の論文
- 2000-02-04
著者
-
田中 衞
上智大学理工学部情報理工学科
-
曹 建庭
理化学研究所脳総研脳型情報システム研究グループ
-
曹 建庭
埼玉工業大学 大学院工学研究科:理化学研究所脳科学総合研究センター
-
田中 衛
上智大学理工学部情報理工学科
-
能勢 暁彦
上智大学理工学部電気電子工学科
-
田中 衞
上智大学理工学部
関連論文
- オーバーサンプリング型シグマデルタCNN
- オーバーサンプリング型シグマデルタCNN
- Maximum-Flow Neural Networkにおける区分線形関数の解追跡効果(非線形問題)
- 画像の局所構造を考慮したシグマデルタCNN
- シグマデルタセルラーニューラルネットワークによる階調補間
- 網膜モデルに基づくDT-CNNによる画像解像度圧縮
- 離散時間型セルラニューラルネットワークによる空間領域Σ-Δ変調器(一般,制御システムとダイナミックス)
- 離散時間型セルラニューラルネットワークによる空間領域〓-Δ変調器
- 離散時間型セルラニューラルネットワークの非線形補間能力を用いたリフティング方式に基づくロスレスハイダイナミックレンジ画像符号化
- ハウスホルダー変換によるCNN化手法に基づく時系列データの予測