3
ICA เหมาะสมสำหรับการแยกสัญญาณผสมหรือไม่เมื่อสัญญาณต้นทางทั้งหมดไม่สามารถตรวจจับได้ที่เซ็นเซอร์ทั้งหมด
การนำ ICA ไปใช้โดยทั่วไปสำหรับการแยกสัญญาณNNNออกเป็นส่วนประกอบของพวกเขาMMMต้องการให้สัญญาณถูกสันนิษฐานว่าเป็นส่วนผสมที่เป็นเชิงเส้นในทันทีของแหล่งที่มา คำอธิบายทั้งหมดของ ICA ที่ฉันเจอดูเหมือนจะยอมรับความจริงที่ว่าแหล่งสัญญาณทั้งหมดมีอยู่บ้างในการผสมสัญญาณ ทั้งหมดMMMNNN คำถามของฉันคืออะไรถ้าแหล่งสัญญาณมีอยู่ในบางส่วนเท่านั้น แต่ไม่ใช่สัญญาณผสมทั้งหมด? MMM สถานการณ์นี้ละเมิดสมมติฐานพื้นฐานที่จำเป็นสำหรับ ICA เพื่อให้สามารถแยกสัญญาณเหล่านี้ได้หรือไม่? (สมมติว่าเพื่อเหตุผลของการโต้แย้งว่าเรากำลังเผชิญกับระบบที่สมบูรณ์หรือไม่สมบูรณ์ (หรือ ) และสัญญาณแต่ละแหล่งนั้นมีความเป็นอิสระทางสถิติจากกัน)N = M MN>MN>MN>MN=MN=MN=MMMM การนำไปใช้ที่ฉันกำลังพิจารณาใช้ ICA สำหรับซึ่งในสถานการณ์นี้เกิดขึ้นมีดังต่อไปนี้: ฉันมีข้อมูลจากเซ็นเซอร์ 4 ชนิดที่แตกต่างกันแต่ละตัวมีจำนวนช่องสัญญาณแตกต่างกัน โดยเฉพาะฉันมีข้อมูล EEG 24 ช่องข้อมูลของ electrooculographic (EOG) 3 ช่องข้อมูล EMG 4 ช่องและข้อมูล ECG 1 ช่อง ข้อมูลทั้งหมดจะถูกบันทึกพร้อมกัน ฉันต้องการระบุการมีส่วนร่วมของสัญญาณ ECG, EMG และ EOG ภายในข้อมูล EEG เพื่อให้สามารถลบออกได้ ความคาดหวังคือสัญญาณ …
16
ica
eeg
separability