The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Hybrid ICA of Fixed-Point Algorithm and Robust Algorithm Using Adaptive Adaptation of Temporal Correlation

고정점 알고리즘과 시간적 상관성의 적응조정 견실 알고리즘을 조합한 독립성분분석

  • 조용현 (대구가톨릭대학교 컴퓨터정보통신공학부) ;
  • 오정은 (㈜아바드 연구원)
  • Published : 2004.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes a hybrid independent component analysis(ICA) of fixed-point(FP) algorithm and robust algorithm. The FP algorithm is applied for improving the analysis speed and performance, and the robust algorithm is applied for preventing performance degradations by means of very small kurtosis and temporal correlations between components. And the adaptive adaptation of temporal correlations has been proposed for solving limits of the conventional robust algorithm dependent on the maximum time delay. The proposed ICA has been applied to the problems for separating the 4-mixed signals of 500 samples and 10-mixed images of $512\times512$pixels, respectively. The experimental results show that the proposed ICA has a characteristics of adaptively adapting the maximum time delay, and has a superior separation performances(speed, rate) to conventional FP-ICA and hybrid ICA of heuristic correlation. Especially, the proposed ICA gives the larger degree of improvement as the problem size increases.

본 논문에서는 고정점 알고리즘과 신호의 시간적 상관성을 적응 조정한 견실 알고리즘의 조합형 독립성분분석을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법의 경신규칙에 기초한 방법으로 빠른 분석속도와 우수한 분석성능을 얻기 위함이고, 견실 알고리즘은 시간적 상호 의존성이나 낮은 쿠토시스를 가지는 신호도 효과적으로 분석하기 위함이다. 특히 견실 알고리즘에서 경험적으로 설정되던 최대지연시간을 신호상호간의 자기상관함수를 이용하여 적응 조정되도록 함으로써 그 성능을 더욱 더 개선하였다. 제안된 독립성분분석을 500개 샘플을 가시는 4개의 신호와 $512\times512$ 픽셀의 10개 영상으로부터 임의의 혼합행렬에 따라 발생되는 혼합신호와 혼합영상 각각의 분리에 적용한 결과, 고정점 알고리즘의 독립성분분석 및 고정점 알고리즘과 최대시간지연을 경험적으로 설정하는 기존의 견실 알고리즘을 단순히 조합한 독립성분분석에 비해 분리속도와 분리률에서 개선된 성능이 있음을 확인하였다. 특히 문제의 규모가 증가할수록 분석성능의 개선정도도 증가함을 확인하였다.

Keywords

References

  1. S. Haykin, 'Neural Neworks : A Comprehensive Foundation,' Prentice-hall, 2nd ed., July, 1998
  2. A. Hyvarinen, J. Karhunen, and E. Oja, 'Independent Component Analysis,' John Wiley & Sons, Inc., New York, May, 2001
  3. T. W. Lee, 'Independent Component Analysis: Theory and Applications,' Kluwer Academic Pub., Boston, Dec., 1998
  4. A. Hyvarinen, 'Survey on Independent Component Analysis,' Neural Computing Surveys, Vol.2, pp.94-128, April, 1999
  5. A. Hyvarinen, 'Fast & Robust Fixed-PointAlgorithms for Independent Component Analysis,' IEEE Trans. on Neural Networks, Vol.10, No.3, pp. 626-634, May, 1997 https://doi.org/10.1109/72.761722
  6. A. Cichochi and A. K. Barros, 'Robust Batch Algoritms for Sequential Blind Extraction of Noisy Biomedical Signals,' Proc. ISSPA'99, Australia, pp.224-230, Oct., 2000 https://doi.org/10.1109/ISSPA.1999.818187
  7. A. Cichochi, R. Unbehauen, and E. Rummert, 'Robust Learning Algorithm for Blind Separation of Signlas,' Electronics Letters, Vol.30, No.17, pp.1386-1387, Aug., 1994 https://doi.org/10.1049/el:19940956
  8. A. K. Barros and A. Cichocki, 'RICA-Reliable and Robust Program for Independent Component Analysis,'Proc. ICA'2000, Helsinki, Finland, pp.19-22, June, 2000
  9. A. Cichochi and R. Unbehauen, 'Robust Neural Networks with On-Line Learning for Blind Identification and Blind Separation of Sources,' IEEE Trans. Circuits and Systems: Fundamentals Theory and Applications, Vol.43, No.11, pp.894-906, Nov., 1996 https://doi.org/10.1109/81.542280
  10. K. Atkinson, 'Elementary Numerical Analysis', John Wiley & Sons, Inc., New York, 1993
  11. J. Wesley Hines, 'MATLAB Supplement to Fuzzy and Neural Approaches in Engineering,' John Wiley & Sons, Inc., June, 1997