複雑な混合データの分離再生が可能な新しい信号解析手法をマスターしよう!
本セミナーでは、独立成分解析の基本的な考え方、アルゴリズムの設計や実装などについて種々の信号に対する適用事例を示しながら、詳説します。
また、プログラミングやシミュレーションなどを通して独立成分解析の計算技法を実演する。
更に実測した生理データの解析を通して独立成分解析の有用性を解説します。
信号処理に要する基礎知識
知的信号処理の枠組みにブラインドセパレーション(Blind Separation)と言う問題が10年ほど前に提起されている。
これは、複数の未知信号源を個別なものに分離・復元する問題である。
ブラインド信号の復元・分離問題の典型的な一例としては、カクテルパーティー効果の問題がある。
すなわち、同時に聞こえるいくつか混じり合った会話音声から、個々の話音に分離・復元することである。
このような問題は、音声処理に関わるだけでなく、画像処理、脳波(EEG)や脳磁気(MEG)などの生体信号処理、また移動体通信や地質探査などの分野にも適用されている。
未知信号源が統計的に独立と仮定される場合には、ブラインド信号の復元・分離問題に対する有効な解決法として独立成分解析(ICA: Independent Componenet Analysis)が提唱されている。
本講演では、独立成分解析の基本的な考え方、独立性になさせる方法、アルゴリズムの設計や実装などについて種々の信号に対する適用事例を示すながら、詳しく解説する。
またプログラミングやシミュレーションなどを通して独立成分解析の計算技法を実演する。
更に実測した生理データの解析を通して独立成分解析の有用性などを示す。
独立成分解析は信号処理に関連するさまざまな分野での応用が考えられ、今後の発展が大いに期待される。