جداسازی کور سیگنال های منبع براساس تابع خود همبستگی غیرخطی در حوزه ی ویولت با در نظر گرفتن نویز مشاهدات با استفاده از الگوریتم LMS

آنالیز مولفه های مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنال های منبع یکی از مهم ترین مسائلی است که در دهه ی اخیر توجه زیادی از محققین شاخه های مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز خواص آماری مراتب بالا برای جداسازی کور سیگنال ها به کار گرفته می شود. در این مقاله جداسازی سیگنال های منبع که در یک محیط نویزی با هم ترکیب شده اند مورد توجه قرار گرفته است و از تابع خودهمبستگی غیرخطی سیگنال های منبع در حوزه ویولت به عنوان تابع هدف استفاده شده و با استفاده از الگوریتم LMS1 نقطه ی ماکزیمم این تابع محاسبه می شود. ابتدا ضرائب ویولت گسسته ی مربوط به سیگنال های مرکب نویزدار محاسبه شده و سپس بر مبنای ضرائب تقریب به دست آمده از تجزیه ی ویولت و الگوریتم LMS، نقطه ی ماکزیمم تابع هدف مورد نظر محاسبه شده و در نتیجه ضرائب فیلتر تخمین به دست می آیند. سپس با استفاده از این فیلتر سیگنال های منبع از هم جدا می شوند. از دو پارامتر 1) شاخص بازده و 2) نسبت سیگنال به تداخل و اثر گذاری نویز، برای نشان دادن کارایی الگوریتم ارائه شده، استفاده می شود. نتایج شبیه سازی در سه قسمت براساس سیگنال های تصادفی گوسی، سیگنال های صحبت و سیگنال های الکتروکاردیوگرام نشان داده شده اند. در این مقاله اثر سطح تجزیه در حوزه ی ویولت نیز مورد توجه قرار گرفته است. در انتها نتایج به دست آمده با الگوریتم جدید (NoisyNA) Shi مقایسه می شود. ملاحظه می شود که به دلیل استفاده از تبدیل ویولت و افزایش میزان همبستگی غیرخطی در این حوزه، نتایج بهتری به دست می آید