In this paper, a blind source separation (BSS) algorithm that tracks the number of active independent sources in each observation block is considered. Until now, most BSS algorithms assume a fixed number of sources throughout the observations. In interval blocks with some inactive sources, Bayesian based BSS algorithms produce an erroneous outputs. Here, the algorithm estimates the number of active source on a block-by-block bases using reversible-jump Markov chain Monte Carlo (RJ-MCMC), and determines which sources are active. Afterwords, the algorithm splits and concatenates observation blocks where the same sources are active. For each concatenated blocks, separate BSS algorithms are applied, and their outputs are appropriately combined. The considered algorithm does not need to manually select the number of sources. Experimental results show that the proposed algorithm outperform conventional algorithms in BSS.
이 논문에서는 블럭 단위의 활성신호 개수의 변화를 추적을 이용한 혼합신호 분리 알고리즘을 제안하였다. 지금까지의 대부분의 혼합신호 분리 알고리즘들은 전 신호구간에 있어서 고정된 개수의 신호가 있다는 가정을 이용하여 혼합신호 분리 문제를 풀었다. 그러나 베이지안을 기반으로 한 혼합신호 분리 알고리즘에서는 비활성화 신호가 존재하는 구간에서 에러가 존재하는 결과를 낼 수 있다. 제안하는 알고리즘에서는 매 구간마다 리벌서블 점프 마르코프 체인 몬테 카를로 (RJ-MCMC)를 이용하여 활성화된 신호의 개수를 추정하고 어느 신호가 활성화되어 있는지를 판단한다. 그 후에, 이 블럭들은 쪼개지고, 같은 활성화된 신호를 가진 블럭끼리 묶이게 된다. 이 묶인 블럭들은 더욱 정확한 신호추정을 위해, 각각 별개의 혼합신호 분리 알고리즘으로 다시 신호를 추정하게 되고, 이 결과물은 활성화된 신호의 순서를 정하기 위해 유클리디안 거리 추정 방법을 통해 적절하게 합쳐진다. 따라서 일반적인 혼합신호 분리 알고리즘과 달리, 이 제안된 알고리즘은 수동으로 신호개수를 정해줄 필요가 없다. 첨부된 실험 결과는 제안된 알고리즘이 다른 혼합신호 알고리즘에 비해 좋은 결과를 낸다는 것을 보여준다.
