Process / pipelineBlind Source Separation
独立ベクトル解析
独立ベクトル解析（IVA）は、独立成分分析（ICA）の多変量拡張であり、各データセット内の依存関係を維持しながら複数のデータセットを共同で分離する手法である。2000年代にLee、Lewicki、Sejnowskiによって開発されたIVAは、マルチチャンネルオーディオ、脳画像処理、信号処理におけるブラインドソース分離に用いられる。これは、ソース間の独立性と、周波数帯域内または時間周波数構造内の相関の両方を活用する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →