0085699 20240111140649.720070918235959.9 8 s. CD-ROM cav_un_epca*02585180302-97432007730-737 blind source separation independent component analysis cav_un_auth*0108100 Koldovský Zbyněk UTIA-B Department of Stochastic Informatics Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101212 Tichavský Petr UTIA-B Department of Stochastic Informatics Ústav teorie informace a automatizace AV ČR, v. v. i. textový dokument 161 kB 1M0572 GA MŠk cav_un_auth*0001814 GP102/07/P384 GA ČR CZ cav_un_auth*0227962 CEZ:AV0Z10750506 In this paper, a variant of the well known algorithm FastICA isproposed to be used for blind source separation in off-line (block processing) setup and a noisy environment. The algorithm combines a symmetric FastICA with test of saddle points to achieve fast global convergence and a one-unit refinement to obtain high noise rejection ability. A novel test of saddle points is designed for separation of complex-valued signals. The bias of the proposed algorithm due to additive noise can be shown to be asymptotically proportional to $/sigma^3$ for small $/sigma$, where $/sigma^2$ is the variance of the additive noise. V tomto článku navrhujeme variantu známého algoritmu FastICA pro použití za přítomnosti aditivního šumu. Algoritmus kombinuje symetrickou FastICA, test sedlových bodů, ktery byl nově odvozeny i pro signály s komplexními hodnotami, a jemné doladení pomocí FastICA pro každou komponentu zvlášť. Vychýlení navrženého algorimu je řádu O(sigma^3), pokud sigma^2 je variance aditivního šumu, přičemž vychýlení jiných běžně používaných algoritmů je větší, řádu O(sigma^2). V důsledku nižšího vychýlení odhadu umožňuje nový algoritmus, pokud je aplikován na data s konečnou abecedou, snížení četností chyb. cav_un_auth*0229894 Independent Component Analysis and Signal Separation Londyn 09.09.2007-12.09.2007 GB 2008 BB http://hdl.handle.net/11104/0148151 2007 textový dokument 161 kB cav_un_epca*0258518 Lecture Notes in Computer Science 0302-9743 Roč. 2007 Č. 4666 2007 730 737