Podręcznik

3. Ślepa separacja sygnałów

3.1. Wprowadzenie

Oryginalne rozwiązanie Heraulta-Juttena dotyczyło problemu separacji sygnałów $s_j (t)$ zmiennych w czasie na podstawie informacji zawartej w ich liniowej superpozycji. Przyjmiemy za ich twórcami, że danych jest n niezależnych (nieznanych) sygnałów $s_j (t)$ oraz macierz mieszająca $\mathbf{A}$ (również nieznana) o wymiarze $n \times n$ . Dla pomiarów dostępne są jedynie sygnały $x_i (t)$ będące liniową superpozycją $s_j (t)$ przy czym [8]

$x_i(t)=\sum_{j=1}^n a_{i j} s_j$

(9.1)

dla $i = 1, 2, \ldots, n$ . Główna trudność polega na tym, że zarówno $a_{ij} (t)$ jak i $s_j (t)$ nie są znane. Przy założeniu statystycznej niezależności sygnałów J. Herault i C. Jutten zaproponowali rozwiązanie problemu z wykorzystaniem sieci neuronowej [8].

Rys. 9.1 Ogólny schemat włączenia sieci neuronowej w układzie do separacji sygnałów

Schemat ogólny włączenia tej sieci w system pomiarowy przedstawiono na rys. 9.1. Istotnym założeniem w ich rozwiązaniu jest statystyczna niezależność sygnałów źródłowych.