@InProceedings{Eichler2008_607,
author = {M. Eichler},
booktitle = {Studientexte zur Sprachkommunikation: Elektronische Sprachsignalverarbeitung 2008},
title = {Independent Component Analysis (ICA)},
year = {2008},
editor = {Arild Lacroix},
month = mar,
pages = {240--240},
publisher = {TUDpress, Dresden},
abstract = {Zur Aufarbeitung multivariater Daten für eine anschließende Verarbeitung
existiert eine Reihe von Methoden, diese in eine für die jeweilige Anwendung
geeignete Form oder Darstellung zu bringen. Mit Blick auf möglichst geringe
numerische Komplexität wird hierfür häufig eine lineare Transformation gesucht,
was zugleich auch die formale Notation vereinfacht. Die hier vorgestellte Methode
der Independent Component Analysis (ICA) ist ein relativ junges Mitglied in der
Familie dieser Methoden und gehört zur Klasse der Verfahren höherer Ordnung: Im
Gegensatz zu Verfahren zweiter Ordnung, die sich lediglich des Mittelwertes und der
Kovarianzmatrix bedienen, werden hier zusätzlich Kumulanten höherer Ordnung
berücksichtigt. Definitionsgem48 zielt die ICA darauf, die zugeführten Daten in
statistisch voneinander unabhängige Komponenten zu zerlegen, z.B. mit dem Ziel,
individuelle Signalquellen in einer Mixtur von Signalen zu identifizieren (Blind
Source Separation). Dabei kommt den höheren Ordnungen besondere Bedeutung zu:
Sie erlauben die Unterscheidung von nicht-gaußverteilten (=“interessanten“) von
gaußverteilten (=“uninteressanten“) Signalen und die Trennung der unabhängigen
Komponenten nach dem Grade ihrer Gaußverteiltheit. Auch wenn dieses Kriterium
willkürlich erscheinen mag, so liefert es in der Praxis für ein weites Feld von
Anwendungen durchaus sinnvolle Repräsentationen multivariater Daten. In diesem
Tutorium werden das Konzept und Algorithmen zur Independent Component
Analysis an Beispielen vorgestellt und übersichtsartig beleuchtet.
},
isbn = {978-3-940046-90-1},
issn = {0940-6832},
keywords = {Tutorium},
url = {https://www.essv.de/pdf/2008_240_240.pdf},
}