Uavhengig Vektanalyse
Uavhengig Vektanalyse (IVA) er en multivariat utvidelse av Uavhengig Komponentanalyse som samlet separerer flere datasett samtidig som den opprettholder avhengigheter innenfor hvert datasett. IVA, utviklet av Lee, Lewicki og Sejnowski på 2000-tallet, brukes til blind kildeseparasjon i flerkanalslyd, hjernebildebehandling og signalbehandling. Den utnytter både uavhengigheten mellom kildene og korrelasjoner innenfor frekvensbånd eller tids-frekvensstrukturer.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/no/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.
- AmbisonicsAnvendt fysikk↔ compare
- Head-Related Transfer FunctionAnvendt fysikk↔ compare
- MFCC (Mel-frekvens Cepstrale Koeffisienter)Anvendt fysikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →