独立分量分析的基本问题与研究进展

被引:18
作者
王毅
牛奕龙
陈海洋
机构
[1] 西北工业大学电子信息学院
关键词
独立分量分析; 盲源分离; 主分量分析; 白化;
D O I
暂无
中图分类号
TN911.7 [信号处理];
学科分类号
0711 ; 080401 ; 080402 ;
摘要
通过对独立分量分析最新发展的研究,对现有的独立分量分析研究理论进行了总结,介绍了独立分量分析的模型定义、数学原理和应用等基本问题,剖析了独立分量分析与盲源分离、主分量分析以及白化的关系,给出了解决独立分量分析问题的研究框架和各种基本方法,并指出了进一步的研究方向。
引用
收藏
页码:38 / 42+82 +82
页数:6
相关论文
共 12 条
  • [1] 盲信号分离研究分类与展望
    李小军
    朱孝龙
    张贤达
    [J]. 西安电子科技大学学报, 2004, (03) : 399 - 404
  • [2] 独立成分分析方法综述
    杨竹青
    李勇
    胡德文
    [J]. 自动化学报, 2002, (05) : 762 - 772
  • [3] 盲源分离和盲反卷积
    刘琚
    何振亚
    [J]. 电子学报, 2002, (04) : 570 - 576
  • [4] 盲信号分离
    张贤达
    保铮
    [J]. 电子学报, 2001, (S1) : 1766 - 1771
  • [5] 人工神经网络与盲信号处理[M]. 清华大学出版社 , 杨行峻, 2003
  • [6] Analysis of sparse representation and blind source separation
    Li, YQ
    Cichocki, A
    Amari, S
    [J]. NEURAL COMPUTATION, 2004, 16 (06) : 1193 - 1234
  • [7] Kernel-based nonlinear blind source separation
    Harmeling, S
    Ziehe, A
    Kawanabe, M
    Müller, KR
    [J]. NEURAL COMPUTATION, 2003, 15 (05) : 1089 - 1124
  • [8] Dictionary learning algorithms for sparse representation
    Kreutz-Delgado, K
    Murray, JF
    Rao, BD
    Engan, K
    Lee, TW
    Sejnowski, TJ
    [J]. NEURAL COMPUTATION, 2003, 15 (02) : 349 - 396
  • [9] Temporal-to-spatial dynamic mapping, flexible recognition, and temporal correlations in an olfactory cortex model[J] . Mykola Lysetskiy,Andrzej Lozowski,Jacek M. Zurada.Biological Cybernetics . 2002 (1)
  • [10] Independent component analysis using an extended infomax algorithm for mixed subgaussian and supergaussian sources
    Lee, TW
    Girolami, M
    Sejnowski, TJ
    [J]. NEURAL COMPUTATION, 1999, 11 (02) : 417 - 441