1. Trang chủ
  2. Luận Văn - Báo Cáo

NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƯƠNG QUAN

13 540 2
NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƯƠNG QUAN

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƯƠNG QUAN CHƯƠNG I: Tổng quan về xử lý tín hiệu mù Trình bày về khái niệm, các mô hình của bài toán phân tách nguồn mù, một vài ứng dụng của bài toán phân tách nguồn mù. CHƯƠNG II: Phƣơng pháp ICA Nghiên cứu các c sở lý thuyết, điều kiện của thuật toán ICA CHƯƠNG III: Thuật toán FastICA Thuật toán FastICA, các kết quả mô phỏng. CHƯƠNG IV: Thuật toán ICA với các nguồn tƣơng quan với nhau Phát triển thuật toán FastICA áp dụng cho những nguồn có tính tư ng quan.

HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG VƢƠNG BẢO TRUNG NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƢƠNG QUAN Chuyên ngành: Kỹ thuật viễn thông Mã số: 60.52.02.08 TÓM TẮT LUẬN VĂN THẠC SĨ    HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG      thông Vào lúc: .13.30 ngày. 09 tháng 08  2014  -  1 MỞ ĐẦU                            ICA).          CHƢƠNG I: Tổng quan về xử lý tín hiệu mù   CHƢƠNG II: Phƣơng pháp ICA  CHƢƠNG III: Thuật toán FastICA  CHƢƠNG IV: Thuật toán ICA với các nguồn tƣơng quan với nhau   2 CHƢƠNG I – TỔNG QUAN VỀ XỬ LÝ TÍN HIỆU MÙ 1.1. Bài toán xử lý tín hiệu mù. Bài toán x lý tín hic s dng ph bin cho m  tp hp các tín hiu trn c không có thông tin (hay có rt ít thông tin) v quá trình tru gc. 1.2. Các mô hình của bài toán.                M = N).     Mô hình tuyn tính  Mô hình trn chp  Mô hình tuyn tính có nhiu  Mô hình trn chp có nhiu 1.3. Ứng dụng của bài toán BSP. 1.3.1. Bài toán xử lý tín hiệu âm thanh. 1.3.2. Hệ thống viễn thông. 1.3.3. Xử lý văn bản text. 1.3.4. Dự báo động đất. 1.3.5. Trong quân sự. 1.3.6. Xử lý tín hiệu trong y học. 1.4. Minh hoạ bài toán phân tách nguồn. 3 CHƢƠNG II – PHƢƠNG PHÁP ICA. 2.1. Cơ sở lý thuyết. 2.1.1. Khái niệm độc lập.                   (Probality Density Function- s 1 , s 2 , s n                              (2.1) vi                     và p i (s i ) s i . 2.1.2. Khái niệm bất tương quan.                          (2.2)                       (2.3) E 2.1.3. Phân bố Gauss. auss X                         (2.4) Supper Gauss                        (2.5) 4 Sub Gauss              (2.6) 2.2. Phƣơng pháp ICA. 2.2.1. Định lý giới hạn trung tâm.  1 IC1 + m 2  n ICn  Hình 2.1: Minh họa định lý giới hạn trung tâm            , thì         . 2.2.2. Điều kiện của mô hình ICA.     Các ngun tín hiu phc lp thng kê vi nhau  Không có thành ph c lp nào (ngun) có phân b Gauss, hoc t có 1 ngun có phân b Gauss.  Ma trn trn A là ma trn vuông (s tín hiu ngun bng s tín hiu trn) 5 2.2.3. Một số bất định trong mô hình ICA tuyến tính.  Mô hình ICA tuy                        s A   Mô hình ICA tuy                  s và A     s và A 6 CHƢƠNG III – THUẬT TOÁN FASTICA 3.1. Khái niệm Negentropy.    Entropy H y                         (3.1) Khái ni a mt phân b ngJ x N                  (3.2)  H                      3.2. ICA bằng cực đại hoá Negentropy.   3.2.1. Qúa trình tiền xử lý. Quy tâm  trì        (3.3)                   chúng:            (3.4) Khi vecto ngu nhiên   sai và   7   y sphering  z=V.x  x V  z   zw sao cho              y i  3.2.2. Xấp xỉ hoá negentropy.     3.3. Thuật toán FastICA.      sau:  8  Start Loại bỏ giá trị trung bình của X Khởi tạo Quy tâm Trắng hóa dữ liệu Khởi tạo cho ICA Hội tụ Tất cả các thành phần ? In kết quả Tính toán thành phần độc lập End Yes No No Yes Hình 3.1: Lƣu đồ thuật toán FastICA. 3.4. Mô phỏng ứng dụng. 3.4.1. Mô phỏng tách mù hình ảnh. 3.4.2. Mô phỏng tách nguồn mù âm thanh. 3.4.3. Mô phỏng loại bỏ nhiễu trong xử lý ảnh. 3.5. Đánh giá chất lƣợng phân tách. [...]... tách bằng cách đưa các thành ph n độc lập lớn nhất, đã ước lượng được t những thành ph n khác nhau dưới giả thiết là không có hoặc có tối đa một nguồn có phân bố Gauss Tuy nhiên đối với các nguồn có tính tư ng quan lớn thì kĩ thuật ước lượng FastICA không đánh giá được tốt các tín hiệu ban đ u Trong luận văn này, ta đã nghiên cứu và phát triển một giải pháp ICA tuyến tính trong trường hợp các nguồn tín... CHƢƠNG IV – THUẬT TOÁN ICA VỚI CÁC NGUỒN CÓ TƢƠNG QUAN VỚI NHAU Tôi đã nghiên cứu một phư ng pháp cải tiến của phư ng pháp ICA, dựa vào sự độc lập tư ng hỗ giữa các sai số của kết quả dự báo chuỗi tốt nhất Innovation Process-IP) của các tín hiệu thu để giải quyết bài toán BSS trong trường hợp số nguồn bằng số sensor 4.1 Qúa trình inovation Tôi giả thiết mỗi nguồn tín hiệu là kết quả đ u ra khi cho một... ếu s và x th a m n m h nh tu ến t nh của ài toán th các IP c ng tho m n m h nh sau ( ) ( ) (4.2) 4.2 Ƣu điểm của quá trình innovation S dụng IP để đánh giá sẽ thường cho kết quả tốt h n là dùng bản thân nguồn tín hiệu gốc Ta có được điều này bởi phư ng pháp ICA là phư ng pháp tách nguồn mù với giả thiết các nguồn độc lập với nhau và chỉ có nhiều nhất một nguồn có tính Gauss Ước lượng mô hình ICA càng... tính Gauss Ước lượng mô hình ICA càng chính xác khi các thành ph n được xét đến càng độc lập và càng ít có tính Gauss Các IP thường có sự độc lập với nhau h n bản thân các tín hiệu Bởi vì, nếu dữ liệu ban đ u là độc lập thì IP cũng sẽ độc lập, nhưng không có chiều ngược lại Các IP thường có tính phi Gauss h n bản thân các tính hiệu gốc 4.3 Thuật toán đề xuất Bước đ u tiên, thực hiện quá trình trắng... EEG, MEG và trong x lý ảnh nói chung như loại bỏ nhiễu, khôi phục ảnh Trong thực tế, bài toán BSS rất phong ph , đa dạng tuyến tính, trộn chập, có nhiễu, không có nhiễu), đồng thời cũng có rất nhiều nghiên cứu xoay quanh vấn đề này Bời trong khuôn kh của luận văn tôi chỉ giới thiệu, tìm hiểu, nghiên cứu về mô hình tuyến tính của BSS với số tín hiệu nguồn bằng số tín hiệu trộn Do thời gian có hạn và những... trường hợp các nguồn tín hiệu có sự tư ng quan thời gian thông qua khái niệm sai số của kết quả dự báo chuỗi tốt nhất Innovation Process-IP) Kết quả thực nghiệm cũng chỉ ra trong nhiều trường hợp việc đánh giá mô hình ICA tuyến tính bằng phư ng pháp s dụng tính độc lập tư ng hỗ giữa các IP cho kết quả tốt h n phư ng pháp ICA thông thường Giải pháp này có thể được áp dụng cho các ứng dụng của BSS trong... trong thuật toán được xác định như sau: ( ) ( ) (4.5) được xác định theo phư ng pháp sai số bình phư ng cực tiểu: * ( ) ( ) + (4.6) Trong thuật toán đề xuất, tôi s dụng phư ng pháp ICA dựa trên sự độc lập tư ng hỗ giữa các IP 4.4 Kết quả thực nghiệm 4.4.1 Xử lý âm thanh 4.4.2 Xử lý hình ảnh 11 KẾT LUẬN VÀ KIẾN NGHỊ Phân tích thành ph n độc lập ICA) là một kỹ thuật thống kê t ng quát để giải quyết bài toán. .. liệu bằng ma trận trắng hoá V để dữ liệu sau trắng hoá” là bất tư ng quan và có phư ng sai đ n vị: ( ) ( ) (4.3) 10 Nhiệm vụ còn lại của ICA là xác định ma trận tách có kích thước NxN sao cho vector: ( ) , ( ) ( )- ( ) (4.4) tư ng đư ng với N thành ph n tín hiệu gốc ban đ u Tôi sẽ s dụng IP của y n) để xác định ma trận tách Trong thuật toán đề xuất tôi dùng mô hình A 1) Do đó quá trình innovation của... Với một nguồn tín hiệu xác định sj n), tôi ( ) là sai số nhỏ nhất theo phư ng pháp sai số bình phư ng cực tiểu) ( ) và dự đoán xấp xỉ tuyến tính của nó innovation” diễn đạt t P mẫu quá khứ Thuật ngữ ( ) chứa đựng toàn bộ thông tin mới của tín hiệu tại thời điểm n Theo định nghĩa trên, ta có: ( ) Nếu ký hiệu ( ) , ( ) ∑ ( )- và ( ) ( ( ) ) , (4.1) ( ) ( )-, do ma trận H là khả nghịch ch ng ta có b đề... số tín hiệu nguồn bằng số tín hiệu trộn Do thời gian có hạn và những hạn chế không tránh khỏi của việc hiểu biết các vấn đề dựa trên lý thuyết là chính nên báo cáo luận văn của tôi chắc chắn không tránh khỏi những thiếu sót.Tôi rất mong có được những ý kiến đánh giá, góp ý của các th y và các bạn để đồ án thêm hoàn thiện . VIỄN THÔNG VƢƠNG BẢO TRUNG NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƢƠNG QUAN Chuyên ngành: Kỹ thuật viễn thông Mã số: 60.52.02.08 TÓM. pháp ICA  CHƢƠNG III: Thuật toán FastICA  CHƢƠNG IV: Thuật toán ICA với các nguồn tƣơng quan. tâm Trắng hóa dữ liệu Khởi tạo cho ICA Hội tụ Tất cả các thành phần ? In kết quả Tính toán thành phần độc lập End Yes No No Yes Hình 3.1: Lƣu đồ thuật toán FastICA. 3.4. Mô phỏng ứng dụng.

Ngày đăng: 23/10/2014, 23:07

Xem thêm: NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƯƠNG QUAN, NGHIÊN CỨU VÀ PHÁT TRIỂN THUẬT TOÁN ICA CHO CÁC NGUỒN CÓ TÍNH TƯƠNG QUAN

Từ khóa liên quan

Tài liệu cùng người dùng

Tài liệu liên quan