文献类型：期刊文献

中文题名：基于独立因子分析法的信号盲分离的应用

英文题名：Applications of Blind Source Separation Based on Independent Factor Analysis

作者：张俊萍[1];刘爱伦[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2008

卷号：34

期号：3

起止页码：410

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20083011399773);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：上海市重点学科建设资助项目(B504)

语种：中文

中文关键词：盲分离;独立分量分析;独立因子分析;信噪比

外文关键词：blind signal separation; independent component analysis; independent factor analysis; SNR

摘要：现有的盲分离算法绝大部分是独立分量分析法,然而在实际应用中,独立分量分析法有诸多的限制条件。针对该问题,本文提出一种基于独立因子分析法(Independent Factor Analysis,IFA)的信号盲分离算法。独立因子分析法结合了一般的因子分析法、主元分析法以及独立分量分析法的优点,用于解决混合语音信号的盲分离问题。实验结果证明:独立因子分析法可以处理信源数目不同且数据包含强噪声的情况。数据信噪比越低,独立因子分析法的优势更为显著。
Most of the existed algorithms on BSS （Blind Signal Separation） are based on ICA （Independent Component Analysis）. However, ICA has many limits problem, a new BSS algorithm based on IFA （Independent Factor in actual Analysis） IFA generalizes and unifies ordinary factor, principal component analysis use. In order to solve this was proposed in this paper. and ICA. It is proved by the simulation result that IFA can handle the case that the number of mixtures differs from the number of sources and the data include strong noise. The lower is SNR of data, the better is the predominance of IFA.