تحليل المتجهات المستقلة
تحليل المتجهات المستقلة (IVA) هو امتداد متعدد المتغيرات لتحليل المكونات المستقلة (ICA) يفصل مجموعات بيانات متعددة بشكل مشترك مع الحفاظ على التبعيات داخل كل مجموعة بيانات. تم تطوير IVA بواسطة لي وليويسكي وسيجنووسكي في العقد الأول من القرن الحادي والعشرين، ويستخدم للفصل الأعمى للمصادر في الصوت متعدد القنوات، وتصوير الدماغ، ومعالجة الإشارات. يستغل كلاً من الاستقلال بين المصادر والارتباطات داخل نطاقات التردد أو هياكل التردد الزمني.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Lee, T. W., Lewicki, M. S., & Sejnowski, T. J. (2007). Independent Component Analysis for Source Localization in Biomedical Signals. In Proc. IEEE Int. Conf. Acoust. Speech Signal Process., pp. 97-100. link ↗
- Kim, T., Attias, H. T., Lee, S. Y., & Lee, T. W. (2006). Blind source separation exploiting higher-order frequency dependencies. IEEE Transactions on Audio, Speech, and Language Processing, 15(1), 70-79. DOI: 10.1109/tasl.2006.872618 ↗
- Comon, P., Jutten, C., & Herault, J. (2010). Blind Separation of Sources, Part II: Problems Statement. IEEE Transactions on Signal Processing, 59(11), 4711-4721. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/ar/applied-physics/independent-vector-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- أمبيسونيكسالفيزياء التطبيقية↔ compare
- دالة النقل المتعلقة بالرأسالفيزياء التطبيقية↔ compare
- MFCCالفيزياء التطبيقية↔ compare