×
克劳斯·诺德豪森

非平稳时间序列二阶盲源分离方法的鲁棒性。 （英语） Zbl 1308.62176号

Stat.第页。 55，第1期，141-156（2014）.
本文讨论了具有非平稳方差的时间序列的盲源分离方法。BSS方法通常表示为{x} _（t）=\mathbf{A}\mathbf{s} _（t）\)，其中\（mathbf{s}=（mathbf{s} _（t）)\)，（t=0，\pm1，\pm2，\dots\），是一个满足一些一般假设的（p）变量时间序列{x} _1个\)，\（\点\），\（\mathbf{x} _T（_T）\)是一个观测的（p）变量时间序列，（mathbf{A}）是一个满秩（p次p）矩阵。下面讨论了以下模型。第二节定义了二阶源分离模型，第三节考虑了两种估计方法。第四节定义了非平稳源分离模型。第5节给出了这类模型的三种估计方法。它们的健壮版本将在下一节中介绍。最后给出了一些仿真结果并进行了讨论。
审核人：米罗斯拉夫·里斯蒂奇（尼什）

引用于4文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62G35型 非参数稳健性
92 C55 生物医学成像和信号处理

关键词：

盲源分离;联合对角化;非平稳性;稳健性;时间序列

软件：

玉;ICALAB公司;R（右）;内部控制系统;fGarch公司;固定点算法;ICSNP公司
PDF格式BibTeX公司 XML格式引用
\textit{K.Nordhausen}，统计局。55，第1号，141--156（2014；Zbl 1308.62176）
全文： 内政部

参考文献：

[1] Belouchrani A，Abed-Meraim K，Cardoso JF，Moulines E（1997）使用二阶统计的盲源分离技术。IEEE传输信号处理45:434-444·数字对象标识代码：10.1109/78.554307
[2] Cardoso JF（1989）使用更高的矩分离源。摘自：2000年IEEE声学、语音和信号处理国际会议记录，第2109-2112页
[3] Cardoso JF，Souloumiac A（1993）非高斯信号的盲波束形成。IEE程序F 140:362-370
[4] Choi S，Cichocki A（2000a）噪声混合中非平稳源的盲分离。电子快报36:848-849·doi:10.1049/el:20000623
[5] Choi S，Cichocki A（2000b）非平稳和时间相关源与噪声混合物的盲分离。收录于：2000年IEEE信号处理学会神经网络信号处理研讨会论文集X，第1卷，第405-414页
[6] Choi S，Cichocki A，Belouchrani A（2001）二阶非平稳和时间有色源的盲分离。第11届IEEE统计信号处理信号处理研讨会会议记录，第444-447页
[7] Cichocki A，Amari S（2002），自适应盲信号和图像处理：学习算法和应用。奇切斯特·威利·doi:10.1002/0470845899
[8] Jutten C（2010）《盲源分离手册》。独立组件分析和应用。阿姆斯特丹学术出版社
[9] Hettmansperger TP，Randles RH（2002）实用仿射等变多元中值。生物特征89:851-860·Zbl 1036.62045号 ·doi:10.1093/biomet/89.4.851
[10] Hyvärinen A，Karhunen J，Oja E（2001）《独立成分分析》。纽约威利·doi:10.1002/0471221317
[11] Ilmonen，P。；诺德豪森，K。；Oja，H。；Ollila，E。；Vigneron，V.（编辑）；Zarzoso，V.（编辑）；Moreau，E.（编辑）；Gribonval，R.（编辑）；Vincent，E.（编辑），ICA的新性能指标：性质、计算和渐近分析，229-236（2010），海德堡·doi:10.1007/978-3-642-15995-4_29
[12] Maronna RA，Martin RD，Yohai，VJ（2006）稳健统计。理论和方法。奇切斯特·威利·邮编1094.62040
[13] Matsuoka K，Ohya M，Kawamoto M（1995）非平稳信号盲分离的神经网络。神经网络8:411-419·doi:10.1016/0893-6080（94）00083-X
[14] Miettinen J，Nordhausen K，Oja H，Taskinen S（2012a）平稳时间序列盲源分离估计器的统计特性。Stat Probab Lett 82:1865-1873年·Zbl 1312.62110号 ·doi:10.1016/j.spl.2012.06.025
[15] Miettinen J、Nordhausen K、Oja H、Taskinen S（2012b）基于通缩的不相关平稳时间序列分离（已提交）·Zbl 1278.62147号
[16] Nordhausen K，Oja H，Tyler DE（2008）《探索多元数据的工具：ICS包》。软统计杂志28:1-31
[17] Nordhausen K，Ollila E，Oja H（2011）《ICA和盲源分离的性能指标》。摘自：2011年IEEE第12届无线通信信号处理进展国际研讨会论文集（SPAWC 2011），第486-490页·Zbl 1369.94262号
[18] Nordhausen K、Cardoso J-F、Miettinen J、Oja H、Ollila E、Taskinen S（2012）。JADE:JADE和其他BSS方法以及一些BSS性能标准。R包版本1.1-0·Zbl 1312.62110号
[19] Nordhausen K，Sirkiä，Oja H，Tyler DE（2012）ICSNP：多元非参数工具。R软件包版本1.0-8。
[20] Oja H，SirkiäS，Eriksson J（2006）《分散矩阵和独立成分分析》。奥地利J Stat 35:175-189
[21] Pham D-T（2002）利用盲源分离中的源非平稳和着色。摘自：第14届数字信号处理国际会议记录，第151-154页
[22] Pham D-T，Cardoso J-F（2001）非平稳源瞬时混合物的盲分离。IEEE传输信号处理49:1837-1848·兹比尔1369.94262 ·数字对象标识代码：10.1109/78.942614
[23] R开发核心团队（2011）R：统计计算的语言和环境。R统计计算基金会。奥地利维也纳
[24] Tanaka A，Imai H，Miyakoshi M（2006）非平稳源二阶统计盲源分离的理论基础。摘自：2006年IEEE声学、语音和信号处理国际会议论文集。ICASSP 2006，第600-603页
[25] Theis FJ，Inouye Y（2006）《联合对角化在盲信号处理中的应用》。摘自：2006年IEEE电路和系统国际研讨会论文集，ISCAS 2006，第3586-3589页
[26] 泰斯，FJ；米勒，N。；植物，C。；Böhm，C。；Vigneron，V.（编辑）；Zarzoso，V.（编辑）；Moreau，E.（编辑）；Gribonval，R.（编辑）；Vincent，E.（编辑），《稳健二阶源分离识别生物医学成像中的实验响应》，466-473（2010），海德堡·doi:10.1007/978-3-642-15995-4_58
[27] Tong L，Soon VC，Huang YF，Liu R（1990）AMUSE:一种新的盲辨识算法。摘自：IEEE电路与系统国际研讨会论文集，第1784-1787页
[28] Würtz D，Chalabi Y，Miklovic M，Boudt C，Chausse P等人（2009）fGarch:Rmetrics-自回归条件异方差模型。R包版本2110.80
[29] Yeredor，A。；Comon，P.（编辑）；Jutten，C.（编辑），《基于颜色的二阶方法》，227-279（2010），阿姆斯特丹·doi:10.1016/B978-0-12-374726-6.00012-6
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。