Öz İki veya daha fazla sesin karışımından birini elde etmek veya gürültülü ortamda kaydedilen seslerin gürültüden ayrıştırılması her zaman popülerliğini korumaktadır. Gürültü çeşidi, kaynağı ve seslerin karışım ortamları bilinmediği için ayrıştırma işleminde kullanılan algoritmaların işlem süresi ve performansları farklılık göstermektedir. Karışmış işaretleri ayrıştırmada kör kaynak algoritmaları kullanılmaktadır. Doğrusal karışmış işaret kaynaklarından oluşan veri kümesinden, işaretlerin veya gürültünün ayrı ayrı tahmin edilme işlemi kör kaynak ayrıştırma olarak ifade edilmektedir. Mühendislik uygulamalarında birçok yöntem olsa da tasarım kısıtlamaları ve gereksinimleri göz önüne alındığında hangi algoritmanın daha uygun olacağını analiz etmek gerekir. Bu çalışmada üç farklı yöntem olarak; Pearson bağımsız bileşen analizi (Pearson Independent Component Analysis-PICA), İkinci dereceden kör tanımlama (Second-Order Blind Identification-SOBİ) algoritması ve Ortak yaklaşım özdeğerlerin köşegenleştirilmesi (Joint Approximation Diagonalization of Eigen-matrices-JADE) algoritmaları karşılaştırılmıştır. Algoritmaların performans analizleri dikkate alınarak başarım oranları ve işlem sürelerine göre değerlendirilmiştir.
Bağımsız bileşen analizi, Kanonik korelasyon analizi, Çekidek kanonik korelasyon analizi, Ayrık dalgacık dönüşümü Özet: Gürültülü ortamlarda ses işaretinin gürültüsüz olarak elde edilmesi oldukça önemlidir. Karışım ortamı ve gürültü kaynakları bilinemediğinden dolayı ayrıştırma işlemi oldukça zordur. En az iki sinyalin karışımını içeren bir veri kümesinden bu karışımı oluşturan her bir kaynağın tahmin edilmesi kör kaynak ayrıştırma olarak tanımlanmaktadır. Kör kaynak ayrıştırma yöntemlerinin başarımı, işlem süresi ve doğruluğu ile belirlenmektedir Bu çalışmada doğrusal biçimde karışmış olan farklı ses işaretleri, Kanonik Korelasyon Analiz tabanlı algoritmaları kullanılarak ayrıştırılmıştır. Algoritmaların başarım oranlarıyla birlikte, işlemsel yükleri ile orantılı olan işlem süreleri karşılaştırılmış ve ayrıca algoritmaların işlem sürelerini düşürmek için Ayrık Dalgacık Dönüşümü yönteminden faydalanılmıştır. Bunlara ek olarak farklı veri uzunlukları kullanılarak, veri uzunluğunun algoritma performansları üzerindeki etkisi incelenmiştir.
Kör kaynak ayrıştırma, birden fazla sinyalin karışımını içeren bir veri kümesinden bu karışımı oluşturan her bir kaynağın tahmin edilmesi olarak tanımlanabilir. Bu işlemin kör olarak adlandırılması kaynaklar hakkında hiçbir ek bilgi olmadığını belirtmektedir. Kör kaynak ayrıştırma da tahmin edilecek sinyal sayısı kadar karışım sinyali varken, tek kanal kör kaynak ayrıştırma işleminde sadece bir karışım sinyali olduğundan kaynakların tahmini maliyetli bir işlemdir. Bahsedilen bu yöntemle herhangi bir işarete eklenmiş istenmeyen bir gürültü kaynak işaretinden ayrıştırılabilir. Benzer şekilde bu çalışmada olduğu gibi tek bir mikrofonla kaydedilmiş 2 farklı enstrümantal işaret kaynağı birbirinden ayrıştırılabilir. Yapılan bu çalışmada sürekli dalgacık dönüşümü kullanılarak negatif olmayan matris ayrıştırma ile tek kanallı olarak kaydedilen iki işaret birbirinden ayrıştırılmıştır. Önerilen yöntemin başarım analizini değerlendirmek için sonuçlar işaret gürültü oranı ve işaret bozulma oranı cinsinden değerlendirilmiştir.
Blind Source Separation is an optimization method frequently used in statistical signal processing applications. There are many application areas such as ambient listening, denoising, signal detection, and so on. In this study, a new Strength Pareto Evolutionary Algorithm 2-based signal separation method is proposed, which combines Multi-Objective Optimization and Blind Source Separation algorithms. The proposed method has been tested for denoising, which is widely used in biomedical signal processing. That is, the Electrocardiogram (ECG) and White Gaussian Noise are mixed together with normally distributed random numbers and the original signals of the mixed signals are obtained again. To evaluate the performance of the proposed method and others (Multi-Objective Blind Source Separation and Independent Component Analysis), the Signal-to-Noise Ratio (SNR) of the ECG signal obtained from mixed signals has been measured. As a result of the simulation studies, it is seen that the performance of the proposed method is satisfactory.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.