0306560 20240111140700.520080410235959.9 4 s. CD-ROM cav_un_epca*0306559978-1-4244-1483-31-4244-1484-93321-3324BryanConference Management Services2008 approximate joint diagonalization blind source separation autoregressive processes cav_un_auth*0101212 Tichavský Petr UTIA-B Department of Stochastic Informatics Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0213973 Yeredor A. IL cav_un_auth*0213020 Nielsen Jan UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. textový dokument 251kB 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 We propose a new algorithm for Approximate Joint Diagonalization (AJD) with two main advantages over existing state-of-the-art algorithms: Improved overall running speed, especially in large-scale (high-dimensional) problems; and an ability to incorporate specially structured weight-matrices into the AJD criterion. The algorithm is based on approximate Gauss iterations for successive reduction of a weighted Least Squares off-diagonality criterion. The proposed Matlab implementation allows AJD of ten 100x100 matrices in 3-4 seconds (for the unweighted case) on a common PC (Pentium M, 1.86GHz, 2GB RAM), generally 3-5 times faster than the fastest competitor. The ability to incorporate weights allows fast large-scale realization of optimized versions of classical blind source separation algorithms, such as Second-Order Blind Identification (SOBI), whose weighted version (WASOBI) yields significantly improved separation performance. V práci je navržen nový algoritmus pro vzájemnou diagonalizaci matic, který má oproti existujícím algoritmům dvě hlavní výhody: zlepšená rychlost výpočtu, zvláště u matic s vysokou dimenzí, a možnost využití specielně strukturovaných váhových matic v diagonalizačním kriteriu. Navržená implementace algoritmu v protředí Matlab umožnuje diagonalizaci 10 matic o velikosti 100 x 100 na běžném PC (Pentium M, 1.86GHz, 2GB RAM) - v průměru je 2-5x rychlejší než dosud nejrychlejší alternativy. Algoritmus umožňuje rychlou implementaci algoritmu WASOBI pro slepou separaci nezávislých autoregresních procesů s různými spektry. cav_un_auth*0238885 ICASSP 2008, IEEE International Conference on Acoustics, Speech adn Signal Processing Las Vegas 30.03.2008-04.04.2008 US 2010 BB http://hdl.handle.net/11104/0004577 2008 textový dokument 251kB cav_un_epca*0306559 ICASSP 2008: IEEE International Conference on Acoustics, Speech, and Signal Processing 978-1-4244-1483-3 3321 3324 Bryan Conference Management Services 2008