Blind Identification and Separation of Complex-valued Signals

دسته بندی: موجک و پردازش سیگنال
ویرایش: 1 
نویسندگان: Eric Moreau. Tulay Adali  
سری:  
ISBN (شابک) : 1848214596, 9781848214590 
ناشر: Wiley-ISTE 
سال نشر: 2013 
تعداد صفحات: 108 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 892 کیلوبایت 

قیمت کتاب (تومان) : 32,000

شناسایی کور شامل تخمین یک سیستم چند بعدی تنها از طریق استفاده از خروجی آن، و جداسازی منبع، تخمین کور معکوس سیستم است. تخمین عموماً با استفاده از آمارهای مختلف خروجی انجام می‌شود.
نویسندگان این کتاب مشکل شناسایی کور و تفکیک منبع را در حوزه پیچیده در نظر می‌گیرند، جایی که ویژگی‌های آماری موجود غنی‌تر است و شامل غیر دایره‌ای بودن منابع است. - اجزای زیرین آنها شرایط شناسایی را تعریف می کنند و الگوریتم های پیشرفته ای را ارائه می دهند که مبتنی بر روش های جبری و همچنین الگوریتم های تکراری مبتنی بر نظریه حداکثر احتمال هستند.

مطالب

1. مقدمات ریاضی.
2. برآورد با قطر مشترک.
3. حداکثر احتمال ICA.

درباره نویسندگان

Eric Moreau استاد مهندسی برق در دانشگاه تولون، فرانسه است. علایق تحقیقاتی او مربوط به پردازش سیگنال آماری، آمار مرتبه بالا و تجزیه ماتریس/تانسور با کاربردهای آنالیز داده ها، مخابرات و رادار است.
تولای آدالی، استاد مهندسی برق و مدیر یادگیری ماشین برای آزمایشگاه پردازش سیگنال در دانشگاه است. مریلند، شهرستان بالتیمور، ایالات متحده آمریکا. علایق تحقیقاتی او به پردازش سیگنال آماری و تطبیقی، با تاکید بر پردازش سیگنال غیرخطی و با ارزش پیچیده، و کاربردها در تجزیه و تحلیل داده‌های پزشکی و ارتباطات مربوط می‌شود.

شناسایی کور شامل تخمین یک سیستم چند بعدی تنها از طریق استفاده از خروجی آن است. . جداسازی منبع مربوط به تخمین کور معکوس سیستم است. تخمین معمولاً با استفاده از آمارهای مختلف خروجی‌ها انجام می‌شود.
نویسندگان تخمین کور یک سیستم چند ورودی/خروجی چندگانه (MIMO) را در نظر می‌گیرند که تعدادی از سیگنال‌های زیربنایی مورد علاقه به نام منابع را ترکیب می‌کند. آنها همچنین مورد تخمین مستقیم سیستم معکوس را به منظور جداسازی منبع در نظر می گیرند. آنها سپس نظریه برآورد مرتبط با شرایط شناسایی و الگوریتم های جبری اختصاصی را توصیف می کنند. الگوریتم‌ها به شدت به ویژگی‌های (آماری و/یا فرکانس زمانی) منابع پیچیده بستگی دارند که دقیقاً توضیح داده خواهد شد.

Blind identification consists of estimating a multi-dimensional system only through the use of its output, and source separation, the blind estimation of the inverse of the system. Estimation is generally carried out using different statistics of the output.
The authors of this book consider the blind identification and source separation problem in the complex-domain, where the available statistical properties are richer and include non-circularity of the sources – underlying components. They define identifiability conditions and present state-of-the-art algorithms that are based on algebraic methods as well as iterative algorithms based on maximum likelihood theory.

Contents

1. Mathematical Preliminaries.
2. Estimation by Joint Diagonalization.
3. Maximum Likelihood ICA.

About the Authors

Eric Moreau is Professor of Electrical Engineering at the University of Toulon, France. His research interests concern statistical signal processing, high order statistics and matrix/tensor decompositions with applications to data analysis, telecommunications and radar.
Tülay Adali is Professor of Electrical Engineering and Director of the Machine Learning for Signal Processing Laboratory at the University of Maryland, Baltimore County, USA. Her research interests concern statistical and adaptive signal processing, with an emphasis on nonlinear and complex-valued signal processing, and applications in biomedical data analysis and communications.

Blind identification consists of estimating a multidimensional system through the use of only its output. Source separation is concerned with the blind estimation of the inverse of the system. The estimation is generally performed by using different statistics of the outputs.
The authors consider the blind estimation of a multiple input/multiple output (MIMO) system that mixes a number of underlying signals of interest called sources. They also consider the case of direct estimation of the inverse system for the purpose of source separation. They then describe the estimation theory associated with the identifiability conditions and dedicated algebraic algorithms. The algorithms depend critically on (statistical and/or time frequency) properties of complex sources that will be precisely described.