PDF unabhängige Komponentenanalyse

1. So führen Sie eine unabhängige Komponentenanalyse durch?
2. Was ist eine unabhängige Komponentenanalyse für?
3. Was ist ICA und PCA?
4. Was ist ICA in EEG?

So führen Sie eine unabhängige Komponentenanalyse durch?

In der Signalverarbeitung ist die unabhängige Komponentenanalyse (ICA) eine Rechenmethode zur Trennung eines multivariaten Signals in additive Unterkomponenten. Dies geschieht durch die Annahme, dass höchstens eine Unterkomponente Gaußsisch ist und die Unterkomponenten statistisch unabhängig voneinander sind.

Was ist eine unabhängige Komponentenanalyse für?

Unabhängige Komponentenanalyse (ICA) ist eine Technik, die die Trennung einer Mischung von Signalen in ihre verschiedenen Quellen ermöglicht, indem die nicht gaußische Signalverteilung angenommen wird (Yao et al., 2012). Die ICA extrahiert die Quellen, indem die Unabhängigkeit untersucht wird, die den gemessenen Daten zugrunde liegen.

Was ist ICA und PCA?

Unabhängige Komponentenanalyse (ICA)

ICA der Hauptkomponentenanalyse (PCA) optimiert Statistiken höherer Ordnung wie Kurtosis. PCA optimiert die Kovarianzmatrix der Daten, die Statistiken zweiter Ordnung darstellen. ICA findet unabhängige Komponenten. PCA findet unkorrelierte Komponenten.

Was ist ICA in EEG?

Die unabhängige Komponentenanalyse (ICA) wird häufig im Signalvorverarbeitungsstadium in der EEG -Analyse verwendet, um Artefakte aus dem Signal herauszufiltern. Die Vorteile der Verwendung von ICA sind am offensichtlichsten, wenn das Multi-Channel-Signal aufgezeichnet wird.