Analisi Vettoriale Indipendente
L'Analisi Vettoriale Indipendente (IVA) è un'estensione multivariata dell'Analisi delle Componenti Indipendenti che separa congiuntamente più dataset mantenendo le dipendenze all'interno di ciascun dataset. Sviluppata da Lee, Lewicki e Sejnowski negli anni 2000, l'IVA viene utilizzata per la separazione cieca delle sorgenti nell'audio multicanale, nell'imaging cerebrale e nell'elaborazione dei segnali. Sfrutta sia l'indipendenza tra le sorgenti sia le correlazioni all'interno delle bande di frequenza o delle strutture tempo-frequenza.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/it/applied-physics/independent-vector-analysis
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- AmbisonicsFisica applicata↔ confronta
- Funzione di Trasferimento Legata alla TestaFisica applicata↔ confronta
- MFCC (Mel-Frequency Cepstral Coefficients)Fisica applicata↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →