基于 LU 分解与连续旋转的广义非正交联合对角化
机器学习
2015-02-13 v3
摘要
无需预白化的非正交联合对角化 (NJD) 已在盲源分离 (BSS) 和阵列信号处理等领域得到广泛研究。然而，NJD 仅用于检索单组目标矩阵的联合对角化结构，且这些矩阵大多基于单一数据集公式化，因此不足以处理具有集间依赖性的多数据集场景，而这在联合盲源分离 (J-BSS) 应用中经常遇到。为此，我们提出了一种广义 NJD (GNJD) 算法，利用 LU 分解和连续旋转，对具有相互关联载荷矩阵的多组目标矩阵同时执行非对称 NJD，从而实现对多数据集的 J-BSS，并指示/利用其相互依赖性。我们提供了合成数据集和真实数据集的实验，以说明所提算法的性能。
引用
@article{arxiv.1312.0712,
title = {Generalized Non-orthogonal Joint Diagonalization with LU Decomposition and Successive Rotations},
author = {Xiao-Feng Gong and Xiu-Lin Wang and Qiu-Hua Lin},
journal= {arXiv preprint arXiv:1312.0712},
year = {2015}
}
备注
Signal Processing, IEEE Transactions on (Volume:63 , Issue: 5 )