Author: Rowe
Rowe, D.B. (2003). Estatísticas Bayesianas Multivariadas: Modelos para Separação de Fontes e Unmixing de Sinal.
Separação Bayesiana de Fontes
- Há muitos problemas em muitas disciplinas como acústica, EEG, MEG, fMRI, Radar e Vigilância que podem ser lançados como o problema de separação de fonte (SS). Qualquer sinal que se acredita ser constituído por uma combinação linear de sinais elementares é um problema SS. O problema da separação da fonte do mundo real é mais difícil do que parece à primeira vista. Primeiro, o problema é descrito assumindo que o processo de mistura é instantâneo e constante ao longo do tempo. Uma solução estatística bayesiana é então descrita. Estes pressupostos são subsequentemente atenuados com um modelo e uma probabilidade descrevendo componentes de fonte correlacionados e vetores com atrasos de mudança. Uma solução estatística bayesiana é descrita. Se você quiser ignorar meu trabalho específico e continuar apenas com a descrição do problema do BSS, pule as seções com asteriks.
Separação de fontes
Separação Bayesiana de Fontes
Separação de fontes
Introdução
Cada microfone registra uma mistura de todos os alto-falantes.
(xi|si,m) | = | f(si|m) | + | εi , |
(p x 1) | (p x 1) | (p x 1) |
onde f(si|m) e uma função que mistura os sinais de origem e εi e o erro de medição. Usando uma expansão da série de Taylor, a função f, com suposições apropriadas pode ser expandida sobre o vetor c e escrita como
f(si|m) = f(c) + f'(c)(si - c) + · · · |
e tomando os dois primeiros termos, aproximados por
f(si|m) | = | f(c) + f'(c) (si - c) |
f'(si|m) | = | [f(c) - f'(c) c] + f'(c) si |
f(si|m) | = | µ + Λ si |
onde f '(c) and Λ são matrizes p x m. Este é o modelo de síntese linear. Mais formalmente, o modelo adotado é
(xi|µ,Λ,si,m) | = | µ | + | Λ | si | + | ε i , |
(p x 1) | (p x 1) | (p x m) | (m x 1) | (p x 1) |
onde
µ = a p-vetor da média da população não observada dimensional, µ = (µ1,...,µp)';
Λ = a p x m matrix Λ=(λ1',...,λp')';
si = o ith m-dimensional vetorial não observável, si =(si1,...,sim)'; and
εi = o p-dimensional de erros ou de ruído dos ith vetor de sinal observado εi = (εi1,..., εip)'.
(xij|µj, λj,si,m) | = | µj + Σk=1m λjk sik + εij |
= | µj + λj' si + εij. |