L\'evy NMF：用于鲁棒非负源分离
声音
2016-11-09 v2
摘要
源分离旨在将数据分解为有意义的结构化分量，是音乐与图像信号处理、应用物理学和文本挖掘等众多领域的活跃研究课题。在本文中，我们引入正-稳定 (PS) 分布来建模潜在源，这是稳定分布族的一个子类。它们特别允许我们对既非负又具有脉冲性的随机变量进行建模。考虑到 L\'evy 分布是唯一密度可处理的 PS 分布，我们提出了一种称为 L\'evy 非负矩阵分解 (L\'evy NMF) 的混合模型。该模型能够解释非负数据中的低秩结构，这些数据可能具有高变异性或受到极恶劣噪声的污染。模型参数以最大似然意义下进行估计。我们还推导了给定参数下的源估计器，将广义 Wiener 滤波的有效性扩展到了 PS 情形。合成数据实验表明，L\'evy NMF 在抗脉冲噪声的鲁棒性方面优于现有技术。此外，还考虑了对两类真实信号的分析：音乐语谱图和化学物质的荧光光谱。结果突显了 L\'evy NMF 模型在分解非负数据方面的潜力。
引用
@article{arxiv.1608.01844,
title = {L\'evy NMF for robust nonnegative source separation},
author = {Paul Magron and Roland Badeau and Antoine Liutkus},
journal= {arXiv preprint arXiv:1608.01844},
year = {2016}
}