عنوان المقالة:الفصل الأعمى غير المحدد بشكل ناقص لعدد غير معروف من المصادر بناءً على تحويل فورييه وعامل المصفوفة Underdetermined Blind Separation of an Unknown Number of Sources Based on Fourier Transform and Matrix Factorization
Ossama S. Alshabrawy, Mohamed Elsayed Ghoneim, A. A. Salama, Aboul Ella Hassanien
الملخص العربي
تقدم هذه الورقة نهجًا لفصل المصدر الأعمى غير المحدد والذي يمكن تطبيقه حتى لو كان عدد المصادر غير معروف. علاوة على ذلك، فإن النهج المقترح قابل للتطبيق في حالة فصل مصادر I + 3 عن مخاليط I دون ضوضاء مضافة. هذا الموقف أكثر تحديًا وملاءمة للمشاكل العملية في العالم الحقيقي. أيضًا، لا يتم فرض شروط الندرة على عكس تلك المستخدمة في بعض الطرق التقليدية. أولاً، يتم تقدير عدد إشارات المصدر متبوعًا بتقدير مصفوفة الخلط بناءً على استخدام تحويل فورييه قصير الوقت والتجميع الخشن الضبابي. بعد ذلك، يتم تطبيع إشارات المصدر واستعادتها باستخدام خوارزمية التدرج المتوقعة المعدلة لـ Lin مع قاعدة Armijo المعدلة. تُظهر نتائج المحاكاة أن النهج المقترح يمكنه فصل إشارات المصدر I + 3 عن الإشارات المختلطة I، ولديه أداء تقييم متفوق مقارنة بالطرق التقليدية.
الملخص الانجليزي
This paper presents an approach for underdetermined blind source separation that can be applied even if the number of sources is unknown. Moreover, the proposed approach is applicable in the case of separating I+3 sources from I mixtures without additive noise. This situation is more challenging and suitable to practical real world problems. Also, the sparsity conditions are not imposed unlike to those employed by some conventional approaches. Firstly, the number of source signals are estimated followed by the estimation of the mixing matrix based on the use of short time Fourier transform and rough-fuzzy clustering. Then, source signals are normalized and recovered using modified Lin's projected gradient algorithm with modified Armijo rule. The simulation results show that the proposed approach can separate I+3 source signals from I mixed signals, and it has superior evaluation performance compared to conventional approaches.
أ.د. أحمد سلامة | Prof. Ahmed Salama | 10130