Phân tích Vector Độc lập
Phân tích Vector Độc lập (IVA) là một sự mở rộng đa biến của Phân tích Thành phần Độc lập (ICA) nhằm tách đồng thời nhiều tập dữ liệu trong khi vẫn duy trì sự phụ thuộc trong mỗi tập dữ liệu. Được phát triển bởi Lee, Lewicki và Sejnowski vào những năm 2000, IVA được sử dụng để tách nguồn mù trong âm thanh đa kênh, hình ảnh não bộ và xử lý tín hiệu. Nó khai thác cả sự độc lập giữa các nguồn và sự tương quan trong các dải tần hoặc cấu trúc tần số-thời gian.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/vi/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.
- AmbisonicsVật lý ứng dụng↔ compare
- Hàm truyền liên quan đến đầuVật lý ứng dụng↔ compare
- MFCCVật lý ứng dụng↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →