Đồ Án Phân tích nguồn mù bằng phương pháp ICA

LỜI NÓI ĐẦU
Bài toán phân tích nguồn mù (Blind Sources Separation - BSS) trong nhiều năm nay vẫn giành được sự quan tâm của rất nhiều chuyên gia và những người yêu thích bộ môn multimedia vì độ phức tạp và các ứng dụng đa dạng của nó. Đây là bài toán đánh giá các tín gốc ban đầu thông qua tập hợp các tín hiệu nhận được trong khi biết rất ít thông tin về tín hiệu gốc hay quá trình truyền đạt của nó. Trước đây, người ta thường sử dụng một số phương pháp như phân tích các thành phần chính hay phân tích hệ số Tuy nhiên trong hơn mười năm nay có một phương pháp đem lại hiệu quả phân tích và thời gian hội tụ tốt hơn, đó là phương pháp phân tích các thành phần độc lập (Independent Component Analysis - ICA)
Nhờ sự giúp đỡ và chỉ bảo tận tình của các thầy cô giáo trong khoa, đặc biệt là thầy giáo ThS. Vương Hoàng Nam, em đã quyết định tìm hiểu, nghiên cứu và hoàn thành đồ án mang tên “ Phân tích nguồn mù bằng phương pháp ICA”. Trong đồ án này em chủ yếu tập trung vào bài toán tuyến tính và một phần mở rộng lý thuyết cho bài toán phân tích dữ liệu phức.
Em xin trân trọng gửi lời cảm ơn tới Thầy giáo hướng dẫn ThS. Vương Hoàng Nam, Bộ môn Hệ thống Viễn thông, Khoa Điện tử Viễn thông, Trường Đại học Bách Khoa Hà Nội, các thầy cô giáo trong khoa, bạn bè và gia đình đã hết sức giúp đỡ và tạo điều kiện để em có thể hoàn thành tốt đồ án này.
Hà Nội

MỤC LỤC
LỜI NÓI ĐẦU 1
MỤC LỤC 2
DANH MỤC HÌNH ẢNH 4
DANH MỤC TỪ VIẾT TẮT 6
TÓM TẮT ĐỒ ÁN 7
ABSTRACT 8
CHƯƠNG 1 GIỚI THIỆU CHUNG 9
1.1 Bài toán xử lý tín hiệu mù. 9
1.2 Các mô hình của bài toán. 11
1.3 Ứng dụng của bài toán BSS. 12
1.3.1 Mô hình tuyến tính. 13
1.3.2 Mô hình trộn chập. 18
1.3.3 Minh họa bài toán phân tách nguồn mù. 21
CHƯƠNG 2 PHÂN TÁCH NGUỒN MÙ SỬ DỤNG PHƯƠNG PHÁP ICA 23
2.1 Cơ sở lý thuyết 23
2.1.1 Các dạng phân bố. 23
2.1.2 Khái niệm độc lập. 26
2.2 Phương pháp ICA 27
2.2.1 Các giả thiết của phương pháp ICA 30
2.2.2 Một số bất định trong mô hình ICA tuyến tính. 31
2.2.3 Tại sao chỉ có tối đa một nguồn có phân bố Gauss?. 31
CHƯƠNG 3 THUẬT TOÁN FastICA 34
3.1 ICA bằng cực đại hóa Negentropy. 34
3.1.1 Quá trình tiền xử lý. 34
3.1.2 Xấp xỉ hóa negentropy. 37
3.2 Thuật toán FastICA 38
3.3 Mô phỏng ứng dụng. 43
3.3.1 Mô phỏng tách mù hình ảnh. 43
3.3.2 Mô phỏng tách nguồn mù âm thanh. 46
3.3.3 Mô phỏng loại bỏ nhiễu trong xử lý ảnh. 50
3.4 Đánh giá chất lượng phân tách. 50
CHƯƠNG 4 PHÁT TRIỂN ICA CHO DỮ LIỆU GIÁ TRỊ PHỨC 53
4.1 Mô hình bài toán trộn chập. 53
4.2 Phương pháp giải quyết bài toán. 55
4.3 Biến đổi miền tần số. 56
4.4 Phương pháp ICA cho bài toán giá trị phức. 58
4.4.1 Lý thuyết cơ bản về các giá trị ngẫu nhiên phức. 58
4.4.2 Sự không xác định của các thành phần độc lập. 59
4.4.3 Lựa chọn phương pháp đo tính phi Gaussian. 59
4.4.4 Định lý về ước lượng. 60
4.4.5 Thuật toán. 61
KẾT LUẬN 63
TÀI LIỆU THAM KHẢO 64
PHỤ LỤC 67