Separación de señales usando análisis de componentes principales y muestreo compresivo con mediciones mínimas
Resumen: Con el fin de aumentar la eficiencia del Análisis de Componentes Independientes (ICA) y reducir la complejidad computacional del sistema, este artículo propone una metodología basada en la técnica de muestreo compresivo, usando mediciones mínimas. Esta permite comprimir y modificar las cara...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Lenguaje: | Spanish / Castilian |
| Publicado: |
Centro de Información Tecnológica
2020
|
| Materias: | |
| Acceso en línea: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642020000100287 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Resumen: Con el fin de aumentar la eficiencia del Análisis de Componentes Independientes (ICA) y reducir la complejidad computacional del sistema, este artículo propone una metodología basada en la técnica de muestreo compresivo, usando mediciones mínimas. Esta permite comprimir y modificar las características Gaussianas de las señales de audio. ICA es uno de los esquemas más utilizados para la separación a ciegas de fuentes (BSS), a partir únicamente de las mezclas recibidas en un conjunto de sensores. Sin embargo, el ICA requiere que las señales involucradas no sean de tipo Gaussiano, o solamente una de ellas lo sea, características que no satisfacen las señales de audio, las cuales son en general de tipo Gaussiano. La metodología propuesta permite obtener la separación de las señales en forma más eficiente, con una menor complejidad computacional, aun cuando todas ellas sean de tipo Gaussiano. |
|---|