基于线性预测的欠定盲子空间反卷积
统计方法学
2012-01-04 v1
摘要
我们提出了一种解决盲子空间反卷积 (BSSD) 问题的新颖技术，该问题涉及观测多维隐藏独立分量的时间卷积，且任务仅利用观测值来揭示隐藏分量。我们针对欠定情形 (uBSSD) 执行此任务：通过线性预测将原始 uBSSD 任务归约为独立子空间分析 (ISA)，从而得以求解。正如近期所示，应用时间串联也可将 uBSSD 归约为 ISA，但相关的 ISA 问题很容易变得“高维”[1]。新的归约方法规避了这一维度问题。我们通过数值模拟对所提技术的效率进行了详细研究。我们发现了几项优势：我们的方法能在样本量较少时实现高质量估计，并能处理更深的时间卷积。
关键词
引用
@article{arxiv.0706.3435,
title = {Undercomplete Blind Subspace Deconvolution via Linear Prediction},
author = {Zoltan Szabo and Barnabas Poczos and Andras Lorincz},
journal= {arXiv preprint arXiv:0706.3435},
year = {2012}
}
评论
12 pages