タグ付けされた質問 「ica」

私は8次のIIRフィルターを実装しようとしていますが、これまで読んだすべてのアプリケーションノートと教科書には、2次のセクションとして2を超える次数のフィルターを実装するのが最善であると書かれています。tf2sosMATLABで2次セクションの係数を取得するために使用しましたが、予想どおり、4 2次セクションの6x4係数が得られました。SOSとして実装する前は、8次フィルターには7つの以前のサンプル値を保存する必要がありました（および出力値も）。ここで、2次セクションとして実装するとき、フローが入力から出力までどのように機能するか、2つの前のサンプル値のみを保存する必要がありますか？または、最初のフィルターの出力はx_in2番目のフィルターのように送られますか？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

後で独立成分分析（ICA）を実行するために、波形を前処理するための適切な手順は何ですか？私はその方法を理解していますが、それについてのさらなる説明は害はありませんが、私はその理由にもっと興味があります。

17 preprocessing  ica 

信号の混合物をM構成成分に分離するためのICAの一般的な実装では、信号がソースの線形瞬間混合物であると想定される必要があります。私が遭遇したICAのすべての記述は、すべてのN個の信号混合物にすべてのM個のソースがある程度存在しているという事実を当然と考えているようです。 NNNMMMMMMNNN 私の質問は、源がすべてではなく一部の信号混合にのみ存在する場合はどうなりますか？ MMM このシナリオは、ICAがこれらの信号を分離できるようにするために必要な基本的な前提に違反していますか？（議論のために、過剰または完全なシステム（またはN = M）を扱っており、M個のソース信号のそれぞれが実際には互いに統計的に独立していると仮定します）。N>MN>MN>MN=MN=MN=MMMM この状況が発生するICAの使用を検討している実装は、次のとおりです。それぞれ異なる数のチャネルを持つ4つの異なるタイプのセンサーからのデータがあります。具体的には、24チャネルのEEGデータ、3チャネルの眼電図（EOG）データ、4チャネルのEMGデータ、1チャネルのECGデータがあります。すべてのデータが同時に記録されます。 EEGデータ内のECG、EMG、およびEOG信号の寄与を特定して、それらを削除できるようにします。期待は、EMG + ECG + EOG信号がEEGセンサーによってピックアップされることですが、その逆はありません。また、EOGとEMGはおそらく互いに汚染し、ECGで汚染されますが、ECGはおそらく他のすべての信号からかなり分離されます。また、ミキシングが発生する場所では、線形で瞬間的であると想定しています。 私の直感では、ICAは仮説的に、非常に小さい（0に近い）係数のミキシングフィルターを返し、混合信号へのソースの寄与がないことを説明できるほどスマートである必要があります。しかし、ICAが信号を分離する方法についての何かが、すべてのソースがすべての混合物に存在するという期待を本質的に強制するのではないかと心配しています。私が使用している実装はFastICAです。これは、投影追跡ベースのアプローチです。

16 ica  eeg  separability 

現在、Matlabを使用してさまざまな信号を作成し、混合行列Aで乗算して混合し、FastICAを使用して元の信号を取得しようとしています。 これまでのところ、元の信号と比較した場合、復元された信号は本当に悪いものでした。 私は何か間違ったことをしているかどうかを確認しようとしています。私が生成している信号は次のとおりです。 s1 = (-x.^2 + 100*x + 500) / 3000; % quadratic s2 = exp(-x / 10); % -ve exponential s3 = (sin(x)+ 1) * 0.5; % sine s4 = 0.5 + 0.1 * randn(size(x, 2), 1); % gaussian s5 = (sawtooth(x, 0.75)+ 1) * 0.5; % sawtooth …

14 matlab  ica  statistics  independence 

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。s1（n ）s1（n）s_1(n) s 1（n ）s en s o r1sensor1sensor_1s1（n ）s1（n）s_1(n)s e n s o r2sensor2sensor_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

12 ica 

Python MDP FastICAのコードを使用して、ステレオWAVファイルでFastICAを実行するプログラムを作成しました。 オーディオの例私は非常に良い結果を得ます。 次に、マイク1をLチャンネルに、マイク2をRチャンネルに接続して、PCのステレオマイク入力に接続された2つのコンピューターモノラルマイクを使用して、現実世界の録音を試みます。静かな部屋で話している間に、バックグラウンドで音楽を再生してテストします。 ただし、FastICAを実行しても信号はまったく分離されません。マイクの品質が低すぎる可能性はありますか？FastICAを実行する前に、記録されたWAVファイル（16ビット、署名付きPCM、44100Hz）に対して何かする必要がありますか？ こちらから録画をダウンロードできます。

12 ica  python 

私は（ほとんど）独立成分分析（ICA）が1つの母集団からの信号のセットでどのように機能するかを理解していますが、私の観測（X行列）に2つの異なる母集団（異なる手段を持つ）からの信号が含まれている場合、それを機能させることができません。それがICAの固有の制限なのか、それとも私がこれを解決できるのか疑問に思っています。私の信号は、分析されている一般的なタイプとは異なります。私のソースベクトルは非常に短い（たとえば、3つの値が長い）のですが、多数（たとえば、1000）の観測があります。具体的には、幅広い蛍光信号が他の検出器に「波及」する可能性がある3色で蛍光を測定しています。私は3つの検出器を使用しており、粒子に3つの異なるフルオロフォアを使用しています。これは非常に貧弱な分解能分光法と考えることができます。任意の蛍光粒子は、3つの異なるフルオロフォアのいずれかの任意の量を持つことができます。ただし、蛍光体の濃度がまったく異なる傾向がある混合粒子のセットがあります。たとえば、1つのセットには通常、多くのフルオロフォア＃1とほとんどないフルオロフォア＃2がありますが、他のセットには＃1がほとんどなく＃2がたくさんあります。 基本的に、1つのフルオロフォアからの信号の一部を別のフルオロフォアの信号に追加するのではなく、スピルオーバー効果をデコンボリューションして、各粒子の各フルオロフォアの実際の量を推定します。これはICAで可能であるように思われましたが、いくつかの重大な失敗（行列の変換は、信号の独立性を最適化するために回転するのではなく、母集団の分離を優先するようです）の後で、ICAが適切なソリューションではないのか、それともこれに対処するために、他の方法でデータを前処理します。 グラフは、問題を実証するために使用した私の合成データを示しています。2つの母集団の混合からなる「真の」ソース（パネルA）から始めて、「真の」混合（A）行列を作成し、観測（X）行列を計算しました（パネルB）。FastICAはS行列（パネルCに表示）を推定し、私の真のソースを見つける代わりに、2つの母集団間の共分散を最小化するためにデータを回転させるように見えます。 提案や洞察を探しています。

10 ica 

私は次の論文を参照しています。ビデオイメージングとブラインドソース分離を使用した非接触型の自動心臓パルス測定 上記の記事で、著者はRGBコンポーネントから心臓パルス信号を抽出することができます。以下のようにプロセスを視覚化してみます。 R' = R + cardiac pulse G' = G + cardiac pulse B' = B + cardiac pulse R '、G'、B 'は、カメラで観測される色成分です。R、G、Bは、心臓の脈拍がないと仮定することによる、人の色成分です。 4つのソース（R、G、B、心臓パルス）があるようです。現在、ICAを使用して、3つの混合信号（R '、G'、B '）から4つのソース（心臓パルス）のうちの1つを取得しようとしています。 それは意味がありますか？いくつかのテクニックが欠けていますか？または、私はプロセスについて間違った仮定をしていますか？

10 ica  source-separation 

私は画像をより良いものにし、不要な妨害をすべて取り除いて遊んでいます。主な懸念は、来るかもしれない不要な反射を取り除くことだとわかりました。 私は、これらの反射を取り除くためにICAを使用する論文を読みました。他にどのような方法が機能しますか？ 画像があるとしましょう： 別の画像： CMYKに変換しました このセミブラック部分を削除するにはどうすればよいですか？

8 image-processing  matlab  computer-vision  ica  image 

簡単な提案をするのに適切な場所にいるかどうかわからないので、親切にして質問に反対票を投じないでください。私は誰かに私のためにそれをするように頼んでいません、私は私がどのように進むべきかについての短いガイダンスが必要です。 現在、固有値分解を使用したブラインドソース分離の研究を書いています。私は執筆が苦手なので、これまでMatlabで必要なプログラミング部分を実行しました。研究は、問題に関する約50ページの理論で構成されている必要があります。理論は、BSS、BSSメソッド、ICA、およびメイントピックであるEVDを説明することです。BSSには多くのメソッドがあり、何を書くか、何を書かないかを決定し、フォローすることが難しいので、私の執筆に何を含めるかを提案できますか？誰かが私の研究で書いて言及すべきことの順序を概説できますか？ 私は次に何を書けばいいのか行き詰まっています。 Introduction to BSS Definition of Independence of signals Independence and correlation PCA and other prewhitening methods: 1. centering 2. whitening 私は次のような本を使用しています：独立成分分析-ブラインドソース分離のチュートリアル紹介ハンドブック独立成分分析とアプリケーション2010-Pierre Comon、Christian Jutten ありがとうございました、

7 matlab  signal-analysis  ica