Независимый векторный анализ
Независимый векторный анализ (IVA) является многомерным расширением анализа независимых компонент (ICA), которое совместно разделяет несколько наборов данных, сохраняя при этом зависимости внутри каждого набора данных. Разработанный Ли, Левицки и Сейновски в 2000-х годах, IVA используется для слепого разделения источников в многоканальном аудио, нейровизуализации и обработке сигналов. Он использует как независимость между источниками, так и корреляции внутри частотных диапазонов или в частотно-временных структурах.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/ru/applied-physics/independent-vector-analysis
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- АмбисоникаПрикладная физика↔ сравнить
- Передаточная функция, связанная с головойПрикладная физика↔ сравнить
- МФКК (Мел-кепстральные коэффициенты частоты)Прикладная физика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →