时间可预测性的BSS

时间可预测的方法被定义并用来分离线性混合信号。给定任意一组统计独立的源信号，这里推测这些线性混合信号具有以下性质：任何混合信号的时间可预测性是小于（或等于）它的任何一个源信号分量。这表明，利用这个性质可以通过找出这些信号的一组线性混合信号的解混矩阵，使得每一个恢复信号的时间可预测性最大化，从而恢复出源信号。获得的这个矩阵是一个广义特征值问题的解；这个问题具有O(N^3)的尺度特性，其中N是混合信号的个数。与ICA相反的是，时间可预测性方法需要源信号的概率密度函数的最小假设。已经被证明这个方法可以分离一组混合信号，其中每一个信号的混合都是源信号与超高斯、亚高斯和高斯概率密度函数的线性组合，且在语音和音乐信号上成功验证。

程序演示了如何把3个具有任意pdf的源信号从三个混合信号中分离出来。

程序中用到的方法在这个文章中有介绍：JV Stone, "Blind Source SeparationUsing Temporal Predictability", Neural Computation, 13(7),July, 2001.

压缩文件30K左右，包括以下几个文件

• README.html: 本程序的说明.
• demo_BSS.m: 主程序.处理get_data合成的数据
• get_data.m: 读入及合成数据
• why.wav: 语音信号.

matlab程序可从http://jim-stone.staff.shef.ac.uk/下载（文件名DEMO_BSS.tar）

另外一个开源的网址是关于ICA 的：

EEGLAB    http://sccn.ucsd.edu/eeglab/（脑电图Electroencephalogram信号处理）

FMRILAB http://sccn.ucsd.edu/fmrlab/ (功能性磁共振成像数据处理)