鲁维非负矩阵分解的L''evy算法用于健壮的非负源分离
摘要：使用正数$alpha$-稳定（P$alpha$S）分布对潜在源进行建模的正数源分离问题是许多领域的研究热点，如音乐和图像信号处理、应用物理学和文本挖掘。本文介绍了一种名为L''evy Nonnegative Matrix Factorization（L''evy NMF）的混合模型，该模型以拉维分布为考虑因素，是唯一的可计算密度的P$alpha$S分布。该模型可以处理非负数据中可能具有高变异性或受到极端噪声污染的低秩结构。模型参数以最大似然估计的形式进行估计。我们还推导出了给定参数的源的估计器，这扩展了广义维纳滤波器在P$alpha$S情况下的有效性。合成数据的实验结果表明，与最先进的技术相比，L''evy NMF在处理脉冲噪声的稳健性方面表现出色。同时，我们还考虑了两种类型的实际信号分析：音乐频谱图和化学物种的荧光光谱。实验结果突出了L''evy NMF模型在分解非负数据方面的潜力。
作者：Paul Magron and Roland Badeau and Antoine Liutkus
论文ID：1608.01844
分类：Sound
分类简称：cs.SD
提交时间：2016-11-09