신호 의 혼합물 을 그들의 성분 성분 으로 분리하기위한 ICA의 일반적인 구현은 신호가 소스의 선형 순간 혼합물 인 것으로 가정해야한다. 내가 본 ICA에 대한 모든 설명은 모든 소스가 모든 신호 혼합물에 어느 정도 존재 한다는 사실을 당연한 것으로 보입니다 .
내 질문은 소스가 일부 신호 혼합물 에만 존재하고 모든 신호 혼합물에 존재 하지 않으면 어떻게 될까요?
이 시나리오는 ICA가 이러한 신호를 분리하는 데 필요한 기본 가정을 위반합니까? (논쟁을 위해, 우리는 완전하지 않거나 완전한 시스템 ( 또는 )을 처리하고 있고 각각의 소스 신호는 실제로 통계적으로 서로 독립적이라고 가정합니다).N = M M
이 상황이 발생하는 경우 ICA 사용을 고려중인 구현은 다음과 같습니다. 각각 다른 채널 수를 가진 4 가지 유형의 센서 데이터가 있습니다. 특히, 나는 24 채널의 EEG 데이터, 3 채널의 EOG (electrooculographic) 데이터, 4 채널의 EMG 데이터 및 1 채널의 ECG 데이터를 가지고 있습니다. 모든 데이터가 동시에 기록됩니다.
EEG 데이터 내에서 ECG, EMG 및 EOG 신호의 기여를 식별하여 제거 할 수 있습니다. EMG + ECG + EOG 신호는 EEG 센서에 의해 픽업되지만 그 반대는 아닙니다. 또한 EOG와 EMG는 서로를 오염시키고 ECG에 의해 오염 될 가능성이 있지만 ECG는 다른 모든 신호와 격리 될 것입니다. 또한 혼합이 발생하면 선형적이고 즉각적이라고 가정합니다.
내 직감에 따르면 ICA는 소스가 혼합 신호에 대한 기여가 부족한 것을 설명하기 위해 ICA가 매우 작은 (0에 가까운) 계수로 믹싱 필터를 반환 할만큼 똑똑해야한다고 말합니다. 그러나 나는 ICA가 신호를 디 믹싱하는 방식에 대해 어떤 것이 든 모든 소스가 모든 혼합물에 존재할 것이라는 기대를 본질적으로 강화한다고 우려하고 있습니다. 내가 사용하는 구현은 FastICA이며 이는 예측 추구 기반 접근 방식입니다.