源为高斯混合先验、混合系数为高斯先验的贝叶斯源分离
数据分析、统计与概率
2009-11-07 v1
摘要
在本文中，我们在贝叶斯统计框架内，针对含噪瞬时线性混合的情况，提出了新的源分离算法。源分布先验用高斯混合建模[Moulines97]，混合矩阵元素分布用高斯分布建模[Djafari99a]。我们通过表示混合标签的隐变量对高斯混合进行分层建模。然后，我们考虑源、混合矩阵元素、混合标签和混合其他参数的联合后验分布，并采用适当的先验概率定律来消除似然函数方差参数的退化性，提出了两种迭代算法来联合估计源、混合矩阵和超参数：联合MAP（最大后验）算法和惩罚EM算法。说明性示例取自[Macchi99]，以与文献中提出的其他算法进行比较。关键词：源分离，高斯混合，分类，JMAP算法，惩罚EM算法。
引用
@article{arxiv.physics/0111018,
title = {Bayesian source separation with mixture of Gaussians prior for sources and Gaussian prior for mixture coefficients},
author = {Hichem Snoussi and Ali Mohammad-Djafari},
journal= {arXiv preprint arXiv:physics/0111018},
year = {2009}
}
备注
Presented at MaxEnt00. Appeared in Bayesian Inference and Maximum Entropy Methods, Ali Mohammad-Djafari(Ed.), AIP Proceedings (http://proceedings.aip.org/proceedings/confproceed/568.jsp)