Bayesian noisy ICA for source switching environments  [in Japanese]

Search this Article

Author(s)

    • 前田 新一 MAEDA Shinichi
    • 奈良先端科学技術大学院大学 Graduate School of Information Science, Nara Institute of Science and Technology
    • 石井 信 ISHII Shin
    • 奈良先端科学技術大学院大学 Graduate School of Information Science, Nara Institute of Science and Technology

Abstract

独立成分分析(Independent Component Analysis ; ICA)のほとんどのアルゴリズムでは, 原信号の数はすべてのサンプルに対して同一であると仮定する.しかし信号源が非定常であれば, この仮定は必ずしも正しくない.例えば原信号が時間とともに現れたり消えたりするような場合, 原信号の数は時間によって変化する.本研究では, このような非定常性をもつ原信号に対してロバストなノイズつきICAアルゴリズムについて考察する.我々は原信号の出現/消滅とノイズつき混合を取り入れた確率的生成モデルを定式化し, ベイズ推定によりアルゴリズムを導出する.提案手法は人工データによる単純な計算機シミュレーションにより評価され, 上記のような非定常性をもつ原信号を復元できることが示される.

Most independent component analysis (ICA) algorithms assume that the number of sources is constant for all samples. This assumption does not necessarily hold, however, in the cases where the source signals are non-stationary. Real situations often involve difficult non-stationarity such that each source signal appears or disappears and hence the number of sources varies with time. In the present study, we address such "source switching problems" to construct a robust ICA algorithm that deals with non-stationary signals. We formulate a generative model that incorporates source switching and noisy mixing, and then derive a noisy ICA algorithm based on the Bayesian inference. In a simple simulation, it is shown that our method has a potential to resolve the "source switching problems."

Journal

  • IEICE technical report. Neurocomputing

    IEICE technical report. Neurocomputing 104(760), 183-187, 2005-03-30

    The Institute of Electronics, Information and Communication Engineers

Codes

  • NII Article ID (NAID)
    110003234210
  • NII NACSIS-CAT ID (NCID)
    AN10091178
  • Text Lang
    JPN
  • ISSN
    09135685
  • NDL Article ID
    7359961
  • NDL Source Classification
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL Call No.
    Z16-940
  • Data Source
    NDL  NII-ELS 
Page Top