基于$k$稀疏成分分析的欠定盲源识别：RANSAC驱动的正交子空间搜索。
摘要：有效且计算复杂度较低的基于稀疏性的盲源鉴别(UBI)方法主要有两个类别: 稀疏成分分析(SCA) 和 k-SCA。SCA假设每个时刻只有一个活跃源，而k-SCA允许由k表示的活跃源数量变化。然而，现有的声称通过适应k稀疏源来解决UBI问题的k-SCA方法主要依赖于1稀疏源，限制了它们在高噪声水平的实际场景中的有效性。 在本文中，我们提出了一种针对UBI的有效且计算复杂度较低的方法，特别关注活跃源数量等于传感器数量减一 (k=m-1) 这种具有挑战性的情况。我们的方法通过使用两步流程克服了局限性：(1) 估计总体空间的正交补子空间，(2) 鉴别混合向量。我们提出了一种基于Gram-Schmidt过程和随机抽样一致性(RANSAC)方法的综合算法来解决这两个步骤。使用模拟数据的实验结果证明了我们提出的方法相比现有算法的优越性。
作者：Ehsan Eqlimi, Bahador Makkiabadi, Mayadeh Kouti, Ardeshir Fotouhi, Saeid Sanei
论文ID：2008.03739
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-12