Análise Vetorial Independente
A Análise Vetorial Independente (IVA) é uma extensão multivariada da Análise de Componentes Independentes que separa conjuntamente múltiplos conjuntos de dados, mantendo as dependências dentro de cada conjunto de dados. Desenvolvida por Lee, Lewicki e Sejnowski nos anos 2000, a IVA é utilizada para separação cega de fontes em áudio multicanal, imagem cerebral e processamento de sinais. Ela explora tanto a independência entre as fontes quanto as correlações dentro das bandas de frequência ou estruturas tempo-frequência.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/pt/applied-physics/independent-vector-analysis
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- AmbisoniaFísica aplicada↔ comparar
- Função de Transferência Relacionada à CabeçaFísica aplicada↔ comparar
- Coeficientes Cepstrais de Frequência Mel (MFCCs)Física aplicada↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →