• 전자공학회논문지 IE
• /
• 제49권2호
• /
• pp.24-29
• /
• 2012

자동차 배기음은 음성과 무관한 거의 독립적인 음원이라고 볼 수 있다. 따라서 자동차 배기음과 섞인 음성 신호의 경우에 두 음원에 대한 사전 정보가 없는 상황이므로 Blind Source Separation 의 한 방법인 Independent Component Analysis를 이용하여 분리해 내었다. 스테레오 마이크를 통해 섞여 들어 온 두 음원을 분리해 내기 위해 Maximum Likelyhood Estimation을 이용하여 각 신호들 사이의 독립성을 최대화 하는 방향으로 분리하였다. 분리된 신호는 어느 쪽이 음성 신호인지 알 수 없으므로 주파수 영역에서 자기 공분산을 구한 후 이 공분산 값들의 기울기를 이용하여 음성 신호와 자동차 배기음 신호을 구분하였으며 이 두 알고리즘을 결합하여 음성 신호 잡음 제거기를 구현하였다.

• 한국해양공학회지
• /
• 제26권4호
• /
• pp.70-76
• /
• 2012

The independent component analysis (ICA) technique is a source identification method that uses statistical independence to separate source signals from measured signals. It has been successfully applied to various fields such as medical care and communication. In this study, the ICA technique was adopted to analyze the vibration source contribution of plate structures. The theory of the ICA technique is introduced and the procedure of the vibration source contribution analysis based on the ICA technique is proposed. To investigate the applicability of the proposed method to plate structures, numerical examples are presented for a rectangular plate under harmonic force excitations. The results show that the proposed method could become an effective tool for the vibration source contribution analysis of a plate structure.

• 융합신호처리학회논문지
• /
• 제19권1호
• /
• pp.7-13
• /
• 2018

현재의 연구에서는 소음을 제거하기 위해 블라인드 소스 분리(BSS)접근 방식에 의해 최적화된 두뇌-컴퓨터 인터페이스(BCI)를 제안했다. 모터 이미지(MI)신호와 정상 상태 시각적 제거 전위(SSVEP)신호는 신호 대 잡음비(SNR)의 증가로 인해 쉽게 검출되었다. 또한, MI와 SSVEP사이의 조합은 일반적으로 현재 BCI에서 생성되는 명령 수를 증가시킬 수 있다. 현재 시스템은 계산 시간을 줄이고 BCI를 실제 용도에 가깝게 하기 위해 단일 채널 EEG신호를 사용했다. 또한, 복잡한 신경 네트워크(CNN)가 다중 클래스 분류 모델로 사용되었다. 우리는 비 MS/BCI와 BBS/BCI사이의 정확성 측면에서 성능을 평가했다. 결과적으로 BBS+BCI의 정확도는 비 BBS+BCI의 정확도보다 $16.15{\pm}25.12%$더 높은 수준에 도달했다. 사용하지 않을 때보다 BBS를 사용함으로써 전반적으로 제안된 BCI시스템은 비교적 정확한 다차원 제어 애플리케이션에 적용될 가능성을 입증했다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2005년도 춘계 종합학술대회 논문집
• /
• pp.369-373
• /
• 2005

본 논문은 기존의 주파수 영역 독립 성분 분석(FDICA : frequency domain independent component analysis) 방법에 가변 적응 상수를 이용한 알고리즘을 제안한다. 여러 반향 환경에 대한 모의실험으로 기존의 temporal structure(TA)알고리즘, FDICA알고리즘과 비교하여 그 분리 성능을 평가하고 비교한다. 실제 녹음한 혼합 음원에 대한 분리정도를 비교 분석한다.

• 수면정신생리
• /
• 제8권1호
• /
• pp.67-71
• /
• 2001

Independent Component Analysis (ICA) is a blind source separation method using unsupervised learning and mutual information theory created in the late eighties and developed in the nineties. It has already succeeded in separating eye movement artifacts from human scalp EEG recording. Several characteristic sleep waves such as sleep spindle, K-complex, and positive occipital sharp transient of sleep (POSTS) can be recorded during sleep EEG recording. They are used as stage determining factors of sleep staging and might be reflections of unknown neural sources during sleep. We applied the ICA method to sleep EEG for sleep waves separation. Eighteen channel scalp longitudinal bipolar montage was used for the EEG recording. With the sampling rate of 256Hz, digital EEG data were converted into 18 by n matrix which was used as a original data matrix X. Independent source matrix U (18 by n) was obtained by independent component analysis method ($U=W{\timex}X$, where W is an 18 by 18 matrix obtained by ICA procedures). ICA was applied to the original EEG containing sleep spindle, K-complex, and POSTS. Among the 18 independent components, those containing characteristic shape of sleep waves could be identified. Each independent component was reconstructed into original montage by the product of inverse matrix of W (inv(W)) and U. The reconstructed EEG might be a separation of sleep waves without other components of original EEG matrix X. This result (might) demonstrates that characteristic sleep waves may be separated from original EEG of unknown mixed neural origins by the Independent Component Analysis (ICA) method.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.471-471
• /
• 2000

This paper presents a new kurtosis-based algorithm for blind separation of convolutively mixed source signals. The algorithm whitens the signals not only spatially but also temporally beforehand. A separator is built for the whitened signals and it exists in the set of para-unitary matrices. Since the set forms a curved manifold, it is hard to treat its elements. In order to avoid the difficulty, this paper introduces the Cayley transformation for the para-unitary matrices. The transformed matrix is referred to as para-skew-Hermitian matrix and the set of such matrices forms a linear space. In the set of all para-skew-Hermitian matrices, the kurtosis-based algorithm obtains a desired separator. This paper also shows the algorithm's application to electrogastrogram datum which are observed by 4 electrodes on subjects' abdomen around their stomachs. An electrogastrogram contains signals from a stomach and other organs. This paper obtains independent components by the algorithm and then extracts the signal corresponding to the stomach from the data.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.609-612
• /
• 2000

본 논문에서는 음원에 관한 정보가 미지의 상황에서 마이크로폰 어레이를 사용하여 두 음원신호를 분리하는 ,시스템을 제안한다 이 시스템은 두 단계로 구성되어 있으며, 첫 번째 단계에서는 파워가 큰 제 1음원의 DOA(Direction Of Arrival)를 추정하고, AMUSE(Algorithm for Multiple Unknown Signals Extraction)법을 사용한 Blind Deconvolution에 의해 음원신호의 분리를 행한다 두 번째 단계에서는 파워가 낮은 제 2음원의 강조신호를 사용하여 DSA(Delay and Sum Array)법에 의해 제 2음원의 DOA를 추정하고,AMUSE법의 출력신호와 두 음원의 DOA를 이용하여 ANF(Adaptive Notch Filter)를 구성하고, 두 음원신호의 재 분리를 행한다. 그리고, 시뮬레이션을 통해 제안한 방법의 유효성을 검토한 결과 두 음원 신호가 분리 가능한 것이 확인되었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1999년도 학술발표대회 논문집 제18권 1호
• /
• pp.109-112
• /
• 1999

본 연구에서는 신호원에 대한 사전 정보 없이 혼합된 신호로부터 잡음 신호만을 선택적으로 제거할 수 있는 새로운 형태의 능동 소음 제거기(Active noise canceller)를 제안한다. 음성신호와 같은 독특성을 갖는 신호의 분리에 효과적으로 사용되는 동적 재귀 신경망 (Dynamic recurrent neural network)을 원하는 신호원에 섞인 잡음신호를 분리하여 선택적으로 제거하기 위한 능동소음제거기의 전처리기로 미용한다. 능동 소음 제거기는 분리된 잡음 신호에 대한 역 위상 신호를 적응적으로 발생함으로써 특정 위치에서 원하는 신호만을 선택적으로 남길 수 있도록 한다. 컴퓨터를 이용한 시뮬레이션에서는 제안된 시스템이 선택적인 소음제거에 효과적임을 보인다.

• Smart Structures and Systems
• /
• 제15권1호
• /
• pp.81-97
• /
• 2015

Recently, a new output-only modal identification method based on time-frequency independent component analysis (ICA) has been developed by the authors and shown to be useful for even highly-damped structures. In many cases, it is of interest to identify the complex modes of structures with non-proportional damping. This study extends the time-frequency ICA based method to a complex ICA formulation for output-only modal identification of non-proportionally-damped structures. The connection is established between complex ICA model and the complex-valued modal expansion with sparse time-frequency representation, thereby blindly separating the measured structural responses into the complex mode matrix and complex-valued modal responses. Numerical simulation on a non-proportionally-damped system, laboratory experiment on a highly-damped three-story frame, and a real-world highly-damped base-isolated structure identification example demonstrate the capability of the time-frequency complex ICA method for identification of structures with complex modes in a straightforward and efficient manner.

• ETRI Journal
• /
• 제41권5호
• /
• pp.658-669
• /
• 2019

For dual-channel time-frequency (TF) overlapped signals with low sparsity in underdetermined blind source separation (UBSS), this paper proposes an effective method based on interval probability to estimate and expand the types of mixing matrices. First, the detection of TF single-source points (TF-SSP) is used to improve the TF sparsity of each source. For more distinguishability, as the ratios of the coefficients from different columns of the mixing matrix are close, a local peak-detection mechanism based on interval probability (LPIP) is proposed. LPIP utilizes uniform subintervals to optimize and classify the TF coefficient ratios of the detected TF-SSP effectively in the case of a high level of TF overlap among sources and reduces the TF interference points and redundant signal features greatly to enhance the estimation accuracy. The simulation results show that under both noiseless and noisy cases, the proposed method performs better than the selected mainstream traditional methods, has good robustness, and has low algorithm complexity.