高斯信号非平稳源分离的大样本性质
统计理论
2024-09-10 v2 统计方法学
机器学习
统计理论
摘要
非平稳源分离是盲源分离中一个成熟的分支，拥有许多不同的方法。然而，这些方法均缺乏大样本结果。为弥补这一空白，我们针对 NSS-JD 发展了大样本理论，NSS-JD 是一种基于分块协方差矩阵联合对角化的流行非平稳源分离方法。我们在独立高斯非平稳源信号的瞬时线性混合模型下工作，并采用一组非常一般的假设：除有界性条件外，我们仅假设源信号具有有限依赖性，且其方差函数差异足够大以在渐近意义下可分离。在上述条件下，我们证明了解混估计量的一致性，以及其以标准平方根速率收敛到极限高斯分布。仿真实验用于验证理论结果并研究分块长度对分离的影响。
引用
@article{arxiv.2209.10176,
title = {Large-Sample Properties of Non-Stationary Source Separation for Gaussian Signals},
author = {François Bachoc and Christoph Muehlmann and Klaus Nordhausen and Joni Virta},
journal= {arXiv preprint arXiv:2209.10176},
year = {2024}
}