Podręcznik

W chwili obecnej dostępny jest zbiór programów Matlaba do ślepej separacji sygnałów, tworzący oddzielny specjalizowany toolbox, zwany ICALAB [74]. Został opracowany koncepcyjnie przez zespół pracowników RIKEN pod kierownictwem prof. A. Cichockiego i S. I. Amari. Pakiet programów ICALAB umożliwia separację sygnałów zmieszanych przy wykorzystaniu różnych kryteriów, takich jak niezależność statystyczna sygnałów, dekorelacja, predykcja liniowa, gładkość sygnałów, rzadkość macierzy. Szczegóły dotyczące tego programu wykraczają poza zakres podręcznika. Można je znaleźć bądź w książce [8] bądź w pomocy (help) do programu ICALAB. W procesie separacji sygnałów zastosowano trzy podstawowe grupy operacji [8]:

• wstępne przetwarzanie sygnałów (preprocessing),

• właściwą ślepą separację sygnałów (ICA/BSS)

• końcowe przetwarzanie sygnałów (postprocessing)

jak to przedstawiono na rys. 9.4, przy czym preprocessing oraz postprocessing są opcjonalne.

Preprocessing umożliwia wstępną filtrację sygnałów, redukcję danych przy użyciu metody składników głównych PCA, dekompozycję sygnałów szerokopasmowych na wiele sygnałów wąskopasmowych itd. Blok ICA/BSS odpowiada za właściwą separację sygnałów, czyli dekompozycję sygnałów na prostsze składniki (np. składniki niezależne, zdekorelowane, gładkie, itp.).

Właściwa ślepa separacja sygnałów (ICA/BSS, SCA, NMF) odbywa się przy zastosowaniu różnych algorytmów separacji wybieranych przez użytkownika spośród wielu zainstalowanych w programie

Postprocessing umożliwia eliminację niepożądanych składników oraz szumów poprzez tak zwaną deflację. Deflacja polega na odtworzeniu sygnałów oryginalnych x_i(t) na podstawie sygnałów odseparowanych y_i(t) przy wyzerowaniu wybranych przez użytkownika sygnałów odseparowanych.

Program pozwala też badać wpływ poszczególnych składników i sygnałów źródłowych na sygnały obserwowane oraz ich rozkład, lokalizację i wizualizację. Został również uogólniony na ślepą separację obrazów. Pakiet ICALAB może być użyteczny w takich zastosowaniach jak: estymacja nieznanych sygnałów źródłowych oraz określenie ich liczby, redukcja szumów i eliminacja niepożądanych interferencji, redukcja modelu i eliminacja redundancji, dekompozycja złożonych sygnałów na składniki prostsze lub łatwiej interpretowalne fizycznie.