Non-negative matrix decomposition for single-channel source separation in biomedical signal processing applications
La separación de fuentes en el procesamiento de señales digitales, consiste en encontrar las mejores aproximaciones de las componentes de una mezcla de señales. Aunque en la mayoría de los casos no se dispone de antemano de una información detallada sobre las fuentes, es posible realizar una separac...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2017 |
| País: | España |
| Institución: | Universidad Pública de Navarra |
| Repositorio: | Academica-e. Repositorio Institucional de la Universidad Pública de Navarra |
| OAI Identifier: | oai:academica-e.unavarra.es:2454/29071 |
| Acceso en línea: | https://hdl.handle.net/2454/29071 |
| Access Level: | acceso abierto |
| Palabra clave: | Algoritmos Estimación inequívoca del rango no-negativo Factorización de matrices no negativa (NMF) Algorithms Unambiguous non-negative rank estimation Non-negative matrix factorization (NMF) |
| Sumario: | La separación de fuentes en el procesamiento de señales digitales, consiste en encontrar las mejores aproximaciones de las componentes de una mezcla de señales. Aunque en la mayoría de los casos no se dispone de antemano de una información detallada sobre las fuentes, es posible realizar una separación parcial. Uno de los posibles métodos es la factorización de matrices no negativa (NMF). A pesar de su creciente popularidad en la comunidad de procesamiento de señales biomédicas, se presta poca atención a los importantes inconvenientes que a menudo impiden su uso de forma directa. Uno de estos inconvenientes es la inicialización aleatoria del algoritmo, lo que a menudo lleva a un mínimo local y a resultados irreproducibles. La selección del rango de las fuentes individuales es a menudo engañosa. Una solución habitual para este problema es asignar el rango de acuerdo con la cantidad de fuentes y luego ajustarlo mediante un procedimiento iterativo de prueba y error. Desafortunadamente, este procedimiento es computacionalmente costoso y no hay garantía de que converja al rango óptimo para cada fuente. Otro aspecto importante es la transformación utilizada para pasar del dominio del tiempo a la representación no negativa (matricial) y viceversa. En la presente tesis se abordan los problemas mencionados y se proponen nuevas características para algoritmo, tales como: estimación inequívoca del rango no-negativo e inicialización con estructuras cuidadosamente diseñadas. Todos los métodos propuestos se han comparado con al menos dos de referencia. |
|---|