基于前向置换的在线独立分量分析
机器学习
2026-03-03 v1 人工智能
机器学习
摘要
在非线性混合情况下，储库扩写可改善在线独立分量分析（ICA），但 top-n 白化可能丢弃注入特征。我们将这一瓶颈形式化为储库子空间注入（RSI）：只有当注入特征进入保留特征空间且不置换 passthrough 方向时，才能帮助。RSI 诊断（IER、SSO、ρ_x）识别了我们 top-n 设置中的一种失效模式：更强的注入增加 IER 但会挤占 passthrough 能量（ρ_x: 1.00→0.77），导致 SI-SDR 下降最高可达 2.2 dB。一个受保护的 RSI 控制器保持 passthrough 保留，恢复均值性能至基线 1/N 缩放的 0.1 dB 内。通过保持 passthrough 保留，RE-OICA 在非线性混合下比 vanilla 在线 ICA 提高 +1.7 dB，并在测试的超高斯基准上实现正的 SI-SDR_sc（+0.6 dB）。
引用
@article{arxiv.2603.02178,
title = {Reservoir Subspace Injection for Online ICA under Top-n Whitening},
author = {Wenjun Xiao and Yuda Bi and Vince D Calhoun},
journal= {arXiv preprint arXiv:2603.02178},
year = {2026}
}