Phân tích thành phần độc lập (Independent Component Analysis - ICA) là một kỹ thuật tính toán phân tách nguồn mù hiệu quả trong nhiều ứng dụng thực tế của các lĩnh vực khoa học và công nghệ khác nhau. Bài báo nghiên cứu cách áp dụng phương pháp ước lượng hợp lý cực đại trong ICA, đề xuất cách đánh giá độ hội tụ của thuật toán thông qua số lần lặp để cải thiện tốc độ của thuật toán. | Kỹ thuật phân tích thành phần độc lập sử dụng ước lượng nguyên lý cực đại trong tách các tổ hợp tín hiệu âm thanh Kỹ thuật điện tử & Khoa học máy tính Kü thuËt ph©n tÝch thµnh phÇn ®éc lËp sö dông íc lîng nguyªn lý cùc ®¹i trong t¸ch c¸c tæ hîp tÝn hiÖu ©m thanh NGUYỄN THỊ HUYỀN, PHAN TRỌNG HANH Tóm tắt: Phân tích thành phần độc lập (Independent Component Analysis - ICA) là một kỹ thuật tính toán phân tách nguồn mù hiệu quả trong nhiều ứng dụng thực tế của các lĩnh vực khoa học và công nghệ khác nhau. Bài báo nghiên cứu cách áp dụng phương pháp ước lượng hợp lý cực đại trong ICA, đề xuất cách đánh giá độ hội tụ của thuật toán thông qua số lần lặp để cải thiện tốc độ của thuật toán. Từ khóa: ICA, Ước lượng ML. 1. MỞ ĐẦU Kỹ thuật ICA là một phát minh tương đối mới ở cuối thế kỷ 20 được giới thiệu lần đầu tiên vào những năm đầu thập niên 1980 trong khung cảnh mô hình mạng nơ ron. ICA có thể được xem như phần mở rộng của kỹ thuật phân tích thành phần chủ yếu (Principal Component Analysis - PCA) [1]. ICA định nghĩa một mô hình sinh cho dữ liệu đa biến quan sát được, thường được cho như một cơ sở dữ liệu lớn của các mẫu. Trong mô hình, các biến dữ liệu được giả thiết là tổ hợp tuyến tính hoặc phi tuyến của một số biến ẩn chưa biết và hệ thống các tham số tổ hợp cũng chưa được biết trước. Các biến ẩn được giả thiết là không chuẩn, độc lập tương hỗ và được gọi là các thành phần độc lập của dữ liệu quan sát được. Các thành phần độc lập này cũng được gọi là các nguồn hoặc các hệ số, có thể được xác định bởi kỹ thuật ICA. Để thực hiện nhiệm vụ này, ICA giả thiết rằng tín hiệu thu được bao gồm một số thành phần độc lập thống kê với nhau và thực hiện xử lí sao cho tính độc lập của các thành phần này là cực đại. Trước đây, kỹ thuật ICA được xử lý nhờ các thuật toán cực đại hóa tính phi Gaussian hay nguyên lý thông tin cực đại, tuy nhiên, các thuật toán này có độ hội tụ khá chậm [2]. Có một cách tiếp cận cải thiện đáng .
