Análisis del Componente Independiente

De Wikipedia, la enciclopedia libre

El Análisis del Componente Independiente (ACI) (en inglés ICA) es un método computacional que sirve para separar una señal multivariante en subcomponentes aditivos suponiendo que la señal de origen tiene una independencia estadística y es no-Gausiana. Éste es un caso especial de separación ciega de las señales.

[editar] Definición

Asumir la indepencia es correcto en la mayoria de los casos, por tanto la separación ciega por ACI de una señal mezclada da muy buenos resultados. Un uso sencillo de ACI es el problema de la fiesta, donde la señal es separada que consiste en una mezcla de voces de gente hablando en la misma habitación es separada. Normalmente el problema se simplifica asumiendo que no hay retrasos ni ecos. Una cosa importante a considerar es que si hay N fuentes (voces) en la habitación, al menos hacen falta N observaciones (micrófonos) para obtener la señal original.

El método estadístico encuentra los componentes independientes maximizando la independencia estadística de las componentes estimadas. Una de las formas de medir la independencia estadística de los componentes sería mediante el uso de la transinformación.