ICAは信号の避けられない遅延をどのように処理しますか？

私は現在、多くの優れた情報源からICAを読み、自分自身に教えています。（過去のコンテキストについては、この投稿も参照してください）。私は基本的な心構えを持っていますが、はっきりしないことがあります。

複数の信号が複数の空間センサーに衝突するシナリオの場合（もちろん、センサーの数> =信号の数）、1つのセンサーについて、そこに到着するすべての信号が異なる遅延/位相を持つことは避けられません異なるセンサーに到着するオフセットと比較した、それらに関連するオフセット。

今、私が知る限り、ICAの信号モデルは単純な混合行列であり、1つのセンサーに到達する総エネルギーは、関心のある他のすべての信号の単純な線形結合にすぎないものとしてモデル化されています。すべてのセンサーには、関連する線形結合係数の異なる配列があります。ここまでは順調ですね。

私は理解していないこと、ということである必然的に存在していることが実際にに行くいくつかの遅延/位相オフセット互いに異なる個々のセンサに到着する個々の信号のうち。すなわち、に到達するかもしれない同じながら、ある時間0で到着のS EのN 、S 、OのR 2減衰が、また、いくつかの遅延又は位相差に。私の見方では、これは物理的に避けられません。$s_1(n)$ s 1（n $sensor_1$$s_1(n)$$sensor_2$

...これがミキシングマトリックスでモデル化されていないのはどうしてですか？遅延が大きな違いを生むようです。単純な線形結合についてはもう話していない。ICAはこれをどのように処理しますか？ここで何か見逃していませんか？

ICAが実際に遅延を処理できない場合は、補遺として追加する必要があります。その場合、どのアプリケーションで有用であるとわかりますか？センサー付きの明らかに空間的なものが出ています！

ありがとう

ICAの最も成功した用途の1つは、電気生理学（すなわち脳活動）、主にEEG（脳波記録）およびMEG（脳磁図）の研究にあります。これらは、参照チャネルを必要とせずに、アーティファクト（筋肉の動き（まばたきなど）によって引き起こされる電気的インパルスなど）を削除するために使用されます。このアプリケーションでは、センサー間の空間的分離は波の伝播速度と比較してわずかであり、ICAの仮定は事実上有効です。

脳内の血流に依存するfMRIの場合、時間遅延の問題はより重要です。レイテンシ（非）敏感ICAの論文で取り上げられている1つのアプローチ。Calhoun et al（2003）による時間周波数領域でのfMRIデータのグループ独立成分分析、各ボクセルの時間遅延を推定し、これを修正ICAの事前情報として使用することでこの問題を解決しようとしました。ドメインにこのようなものを適用できますか？