信号分析方法介绍

从开始的ICA,到稀疏表示,然后2001年发明NMF。

利用矩阵分解来解决实际问题的分析方法很多,如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)、VQ(矢量量化)等。在所有这些方法中,原始的大矩阵V被近似分解为低秩的V=WH形式。这些方法的共同特点是,因子W和H中的元素可为正或负,即使输入的初始矩阵元素是全正的,传统的秩削减算法也不能保证原始数据的非负性。在数学上,从计算的观点看,分解结果中存在负值是正确的,但负值元素在实际问题中往往是没有意义的。例如图像数据中不可能有负值的像素点;在文档统计中,负值也是无法解释的。

ICA——独立分量分析

  • 概述

    • 独立成分分析(Independent Component Analysis,ICA)是一种统计和计算技术,用于解释随机变量、测量数据或信号中的隐藏成分。对于通常以大量样本数据库形式给出的多元观测数据,ICA定义了一个生成模型。此模型假设观测数据变量是某些未知内在变量的现行或非线性混合,而且不仅内在变量是未知的,实现混合的系统也是未知的。我们还假设哪些内在变量是非高斯且相互独立的,并称它们为观测数据的独立成分,这些独立成分(也可称为源或因子)可以通过ICA方法找到。

    • ICA可以看成是主成分分析(PCA)和因子分析(factor analysis)的延拓。但是,ICA是一项更强有力的技术,当经典方法完全失效时,它忍让能够找到支撑观测数据的内在因子或源。

    • ICA分析的数据可能来源于许多不同的领域,包括数字图像、文档数据库,以及经济指标和心理测量。在许多示例中,测量结果是以一组并行(Parallel)信号或时间序列的形式给出,盲源分离(Blind source separation)这一术语可以用于刻画这类问题。盲源分离的典型例子有:多个麦克风拾取同时发出语音的混合信号,多个传感器记录的脑电波、手机的射频干扰信号或从某些工业过程中得到的并行时间序列。

    • IC技术也是一项相对较新的发明,它是20世纪80年代处首先在神经网络建模领域中引入的。到20世纪90年代中期,几个研究小组引入了一些极为成功的新算法,类似鸡尾酒效应问题的演示,也给人们留下深刻的印象:ICA可以从混合信号中找到每一个人的语音波形。因此,无论是在神经网络领域(特别是无监督学习),还是在更为一般的高级统计学和信号处理领域中,ICA都成为了激动人心的新话题之一。ICA在生物信号处理、语音信号分离、无线通信、故障诊断、特征提取、金融时间序列分析和数据挖掘等线上领域中的应用报道也是正在不断涌现。

摘自:《独立成分分析》周宗潭 等人译,《Independent Component Analysis》

MP——稀疏分解

  • 参考

    • 稀疏表示与匹配追踪

    • mp&omp 匹配追踪 正交匹配追踪

    • matlab匹配追踪(MP)

NMF——非负矩阵分解

  • 提出:著名的科学杂志《Nature》1999年刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。该文提出了一种新的矩阵分解思想——非负矩阵分解(Non-negative Matrix Factorization,NMF)算法,即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。该论文的发表迅速引起了各个领域中的科学研究人员的重视:一方面,科学研究中的很多大规模数据的分析方法需要通过矩阵形式进行有效处理,而NMF思想则为人类处理大规模数据提供了一种新的途径;另一方面,NMF分解算法相较于传统的一些算法而言,具有实现上的简便性、分解形式和分解结果上的可解释性,以及占用存储空间少等诸多优点。为高效处理这些通过矩阵存放的数据,一个关键的必要步骤便是对矩阵进行分解操作。通过矩阵分解,一方面将描述问题的矩阵的维数进行削减,另一方面也可以对大量的数据进行压缩和概括。

  • 概念:NMF是多变量分解的低秩近似技术。

  • 优势:NMF相对于ICA来说,组成混合信号的各个声源统计独立性不做要求;相对于稀疏表示来说,不需要额外的非负约束。

  • 参考:

    • [1] 非负矩阵分解NMF (介绍比较全)

    • [2] NMF 非负矩阵分解 – 原理与应用

    • [3] 非负矩阵分解(NMF)

    • [4] 基于非负矩阵分解的音频事件检测研究_孔令城.2014

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/242785.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

文件目录类

文件目录类 enter表示查看下一行;空格键表示查看下一页

Counting Bits

https://leetcode.com/problems/counting-bits/ Given a non negative integer number num. For every numbers i in the range 0 ≤ i ≤ num calculate the number of 1’s in their binary representation and return them as an array. Example: For num 5 you should …

Detection and Classification of Acoustic Scenes and Events(DCASE2013详细介绍)

在DCASE 2013官网上,了解到在本篇文章中,详细描述了DCASE2013挑战赛的结果。下面加上个人的理解做了相应的翻译,可能有不对的地方,在之后的会慢慢改善。 摘要对于智能系统来说,使用音频形态是最好的,重点在…

MarkDown编辑器常用语法

分割线三个或更多-_*,必须单独一行,可含空格,如---、 ***、 ___。 效果如下: 如果上面的符号是紧挨着上文的文字,就是细线,否则就是上面显示的粗线。 图片链接![图片的名称](图片的本地连接或网络连接)&…

时间日期类和搜索查找类

时间日期类 搜索查找类

基于智能计算的降维技术研究与应用

《基于智能计算的降维技术研究与应用》皋军著(2013) 前言特征降维的需求随着社会信息化的发展,在具体的只能识别过程中需要处理的数据越来越多地呈现出高位特征,比如图像处理、文本分类、视频检索、计算机视觉、微阵列数据基因选择…

Add Binary

https://leetcode.com/problems/add-binary/ Given two binary strings, return their sum (also a binary string). For example, a “11” b “1” Return “100”. 计算过程类似Verilog的全加器。 char* addBinary(char* a, char* b) {int i;int l1, l2, l3, temp;…

SG仿真常用模块

workspace交互配合gateway in/out,实现信号仿真与workspace的互联。 滤波器可与FDATool同时使用,直接关联FDATool的参数,而不必输入FDATool的滤波器系数。 也可调用Workspace中的变量,假设滤波器系数设计并量化后,为My…

DCASE三次挑战赛概览

资料来源:http://www.cs.tut.fi/sgn/arg/dcase2017/dcase 所有对环境声音分类和检测方面感兴趣或研究工作的研究人员都应邀通过DCASE社区与同行分享想法、问题和意见。 这个研究领域正在迅速发展,在国际信号处理会议(如ICASSP或EUSIPCO&#…

常用矩阵运算

作者:桂。 时间:2017-09-09 12:48:45 链接:http://www.cnblogs.com/xingshansi/p/7498175.html 一、复数相乘 可以表示为分块的形式: 二、范数 A-范数基本定义 p 0,0范数,对应非零元素个数; …

文件及目录实际案例

文件及目录实际案例 可以通过命名从jack用户切换到root用户。从低权限用户到高权限用户需要输入用户密码。 su - rootr(读权限):代表是否能使用ls w(写权限):代表在目录下创建和删除文件 x(执行权限):代表可以进入到目录,例如cd

Power of Three

https://leetcode.com/problems/power-of-three/ Given an integer, write a function to determine if it is a power of three. Follow up: Could you do it without using any loop / recursion? 3的次方数没有显著的特点,最直接的方法就是不停地除以3&…

DCASE 2013任务1(声学场景分类)参赛作品相关信息

本文资料来源于DCASE 2013以及上面下载的各个参赛组的技术报告(应该就是扩展摘要) 参赛者及其作品: 注意:图中的参考文献[46-56]就是对应的参赛者提交作品的技术报告(也就是扩展摘要)。 (1&…

空间谱专题06:宽带信号处理思路

作者:桂。 时间:2017-09-09 20:04:22 链接:http://www.cnblogs.com/xingshansi/p/7413139.html 前言 目前分析的问题,仍然限定在布阵的环节,暂不涉及后处理及硬件实现。 一、宽带处理的一般方式 前面分析的阵列信号模…

定时任务调度:crond任务调度

定时任务调度:crond任务调度 可以先写一个脚本,在调用这个脚本

DCASE 2017声场分类任务描述——数据集及基线系统

前言DCASE 2017继续通过比较使用公共可用数据集的不同方法来支持计算场景和事件分析方法的开发。 声音带有大量有关我们日常环境和身体事件的信息。我们可以感受到我们所在的声音场景(繁忙的街道,办公室等),并且识别出各种声源&am…

空间谱专题07:干涉仪仿真思路

作者:桂。 时间:2017-09-09 20:35:57 链接:http://www.cnblogs.com/xingshansi/p/7499247.html 前言 主要验证信道化前后,测向的有效性。相比空间谱的思路,干涉仪需要的信息更少,从干涉仪入手进行分析&am…

统计学习概论

统计学习的定义统计学习(statistical learning):关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习。 统计学习的特点特点 统计学习以计算机机网络为平台,是建立在计算机…