我试图实现一个盲源分离(BSS)算法,我遇到了麻烦,确定算法的功效。如何获得两个信号的定量比较
我试图创建测试用例其中I向后工作和与信号矢量小号,这通常是未知的启动,然后创建一个混合矩阵甲,我使用小号转换到创建观察向量x,这是通常由感官设备等东西观察到的。因此,我有一个模型,看起来像
x = A * s。
然后我将x放入BSS算法中,得到s',它是信号向量的重构。
现在这是我有很多问题的地方;我怎样才能比较s'和s,并得到一个定量测量这两个向量有多相似?我正在研究的算法只能将信号向量重建为负号(因此的'可能类似于-s,或者以另一种方式陈述,因为s'在“形状”为s但翻转)并且不能保证信号幅度的保持。所以我想比较这些信号的“形状”,同时也预测到虽然它们的“形状”可能相似,但它们可能会翻转。
只是为了澄清,当我说信号时,我的意思是一个矩阵,可能是50 x 10000(50个不同的渠道,随着时间的推移采取10000+数据点)。 BSS算法产生的另一个问题是不能保证信道的排序。因此,给定s'1,s'2,s'3,...,s'N,这可能是s'的不同通道,可能被重构(可能翻转,并且可能翻转并具有与原始不同的幅度频道s),但不保证排序。所以s'1可能与s23和s'2到s5等等相关,等等。
所以我想知道是否有一种快速有效的方法来比较两个不同矩阵之间的相似性,假设它们由相互关联的向量组成,尽管不是以相同的顺序,符号或幅度。
什么是解决这个问题的最好方法?感谢帮助!
一个快想法我以比较它们给定形式的信号,并将它们与其中一个被翻转的信号进行比较,从中选出最好的结果。作为比较运算符,您可以使用互相关** xcorr ** – Amro 2009-12-09 00:52:37