Robust approach for blind separation of noisy mixtures of independent and dependent sources

Abstract

У цій роботі представлено новий метод сліпого розділення джерел (СРД), який обробляє суміші шумів незалежних/залежних джерел. Це досягається мінімізацією критерію, що поєднує розділюючу частину (на основі розбіжності Кульбака–Лейблера для залежних або незалежних джерел) з частиною регуляризації, яка використовує двосторонню повну варіацію (ДПВ) з метою зниження шуму в спостереженнях. Запропонований алгоритм використовує алгоритм primal-dual для видалення шуму, тоді як метод градієнтного спуску реалізується для пошуку джерел сигналу. Представлений алгоритм довів свою ефективність та результативність, і навіть більше того, перевершив існуючі стандартні алгоритми СРД.In this paper, a new Blind Source Separation (BSS) method that handles mixtures of noisy independent/dependent sources is introduced. We achieve that by minimizing a criterion that fuses a separating part, based on Kullback–Leibler divergence for either dependent or independent sources, with a regularization part that employs the bilateral total variation (BTV) for the purpose of denoising the observations. The proposed algorithm utilizes a primal-dual algorithm to remove the noise, while a gradient descent method is implemented to retrieve the signal sources. Our algorithm has shown its effectiveness and efficiency and also surpassed the standard existing BSS algorithms.