nach oben

Neural Computing and Applications

Erschienen in:

01.03.2010 | Original Article

A reference-based blind source extraction algorithm

verfasst von: Changli Li, Guisheng Liao

Erschienen in: Neural Computing and Applications | Ausgabe 2/2010

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

By utilizing a priori information available as reference, constrained independent component analysis (cICA) or independent component analysis with reference (ICA-R) achieves some advantages over other methods. However, ICA-R is very time-consuming; moreover, it is very difficult to determine its threshold parameter, once the value is improperly chosen the algorithm will fail to converge. In order to overcome these drawbacks, a very simple blind source extraction method, whose optimization function is simply the closeness measure between the desired output and its corresponding reference in ICA-R, is proposed in this paper. Experiments with synthesized data and real-world electrocardiograph data confirm its validity and superiority.

Vorheriger Artikel Implementation of an LVQ neural network with a variable size: algorithmic specification, architectural exploration and optimized implementation on FPGA devices

Nächster Artikel MLP bilinear separation

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

P = (p₁, p₂, …,p_m) is called a canonical basis vector, if p_i = 1 and p_l = 0,∀l ≠ i [1].

Since s _i’ are mutually independent and we assume E{s _i ² } = 1, we have E{ss ^T} = I. \(\tilde{\bf{x}}\) is whitened, so we have \( E\{{\tilde{\bf{x}}\tilde{\bf{x}}}^{T} \} = \left({{\bf{VA}}} \right)E\{{\bf{ss}}^{T} \} \left({{\bf{VA}}} \right)^{T} = \left({{\bf{VA}}} \right)\left({{\bf{VA}}} \right)^{T} = {\bf{I}}. \) Hence, VA is orthogonal. Due to ||w|| = 1 and VA being a unitary matrix, we can get ||p|| = ||w ^T VA|| = ||w ^T|| = 1. This is why any p in Table 1 is near to a canonical basis vector.

Barros AK, Cichochi A (2001) Extraction of specific signals with temporal structure. Neural Comput 13:1995–2003MATHCrossRef

Cichochi A, Amari S (2004) Adaptive blind signal and image processing: learning algorithms and applications. Wiley, New York

De Moor D (1997) Daisy: database for the identification of systems. Available http://www.esat.kuleuven.ac.be/sista/daisy

Huang DSh, Mi JX (2007) A new constrained independent component analysis method. IEEE Trans Neural Netw 18:1532–1535CrossRef

Hyvärinen A (1999) Fast and robust fixed-point algorithms for independent component analysis. IEEE Transn Neural Netw 10:626–634CrossRef

Hyvärinen A, Oja E (2000) Independent component analysis: algorithms and applications. Neural Netw 13:411–430CrossRef

Ille N, Berg R, Scherg M (2001) Spatially constrained independent analysis for artifact correction in EEG and MEG. Neuroimage 13:S159CrossRef

Jafari MG, Chambers JA (2005) Fetal electrocardiogram extraction by sequential source separation in the wavelet domain. IEEE Trans Biomed Eng 52:390–400CrossRef

James CJ, Gibson OJ (2003) Temporally constrained ICA: an application to artifact rejection in electromagnetic brain signal analysis. IEEE Trans Biomed Eng 50:1108–1116CrossRef

10.

Lin Q-H, Zheng Y-R, Yin F-L, Liang H, Calhoun VD (2007) A fast algorithm for one-unit ICA-R. Inform Sci 177:1265–1275CrossRefMathSciNet

11.

Lu W, Rajapakse JC (2005) Approach and applications of constrained ICA. IEEE Trans Neural Netw 16:203–212CrossRef

12.

Lu W, Rajapakse JC (2006) ICA with reference. Neurocomputing 69:2244–2257CrossRef

13.

Zhang ZL (2008) Morphologically constrained ICA for extracting weak temporally correlated signals. Neurocomputing 71:1669–1679CrossRef

Titel: A reference-based blind source extraction algorithm
verfasst von: Changli Li
Guisheng Liao
Publikationsdatum: 01.03.2010
Verlag: Springer-Verlag
Erschienen in: Neural Computing and Applications / Ausgabe 2/2010
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI: https://doi.org/10.1007/s00521-009-0303-x

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 2/2010

An improved approximation approach incorporating particle swarm optimization and a priori information into neural networks

A hybrid genetic based functional link artificial neural network with a statistical comparison of classifiers over multiple datasets

Application of neural processing paradigm in visual landmark recognition and autonomous robot navigation

A novel Euclidean quality threshold ARTMAP network and its application to pattern classification

Neural networks-based adaptive control for a class of nonlinear bioprocesses

MLP bilinear separation