Convolutive Blind Sparse Source Separation with Application to EMG Decomposition
Notice bibliographique
Résumé
Electromyogram (EMG) signal decomposition is a special case of convolutive blind source separation (CBSS) problem.Specific characteristics of EMG signals and their corresponding channel matrix leads us to proposing family of algorithms using multidomain sparsity of EMG signals and low rank structure of channel matrix. Sparsity of source signals plays an important role in CBSS.In this thesis we propose a family of algorithms for CBSS that exploits sparse source signals in multiple domains.Our approach is to jointly estimate the sparse vector of concatenated sources and the mixing matrix.We propose CBSS algorithms which are composed of two steps for multi domain sparse vector recovery and mixing matrix estimation.In particular, we propose two efficient algorithms coined multi domain adaptive thresholding (MDAT) for both under-determined and over-determined cases and multi domain blind approximate message passing (MDBAMP) for multi-channel convolutive blind sparse source separation for under-determined cases, when the source signals are sparse in multiple domains.Using their sparse representations in all sparse domains helps in estimating the sources more precisely with fewer number of measurements compared to specific domain sparsity CBSS methods such as morphological component analysis as the most general and best performing algorithm of its own category.Simulation results in EMG signal decomposition are illustrating the superior performance of proposed algorithms in terms of normalized mean square errors of the estimations compared to morphological component analysis algorithm as the best existing algorithm for the sparse blind source separation.In multichannel source separation, channels are usually correlated.Therefore, in this thesis, we propose a CBSS algorithm that exploits both low rank channel matrix and sparse source signals in the time domain.Our approach is to jointly estimate the sparse vector of concatenated sources and low rank channel matrix.In sparse vector recovery and low rank matrix estimation algorithms, the mixing matrix and the linear operator of low rank matrix are known.Here, we propose
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».