Omówienie

Analiza składowych niezależnych (ICA - Independent Component Analysis) jest sprawdzoną i skuteczną metodą przeznaczoną do wydzielania sygnału z wielu zmiennych. Poszukiwanie w danych interesującego, pierwotnego sygnału jest częstym problemem, zasadniczym w ogólnym temacie statystycznego przetwarzania sygnałów, szeroko wykorzystywanym w takich dziedzinach jak analiza dźwięku, analiza obrazu, przetwarzanie zapisów w biomedycynie, telekomunikacja, ekonometria i inne.

Wyobraźmy sobie pełną słuchaczy salę, w której dwóch prelegentów jednocześnie wygłasza swoją prezentację. Ludzie nie zachowują się przy tym szczególnie cicho, komentując wypowiedzi i czyniąc typowy szum. My jesteśmy natomiast zainteresowani tym, co mówią prelegenci, a nie dźwiękami dochodzącymi z sali. W dwóch miejscach sali umieszczone są dwa mikrofony, rejestrujące obu mówców jak i hałas pochodzący od sali. Naszym zadaniem jest wyodrębnienie z dwóch zapisów dźwięku dwóch mówców, ignorując przy tym szum tła (patrz poniższa ilustracja).

Jest to klasyczny przykład analizy składowych niezależnych, ugruntowanej, szeroko stosowanej metody statystycznej wyodrębniania zupełnie nieznanych, niezależnych sygnałów na podstawie kombinacji liniowej zmiennych, które podlegają pomiarom. Przykładem mogą tu być zapisy elektro- lub magnetoencefalograficzne, na podstawie których neurofizjolodzy modelują aktywność kory mózgowej przy recepcji dźwięku lub obrazu. Coraz szybciej pojawiają się nowe zastosowania analizy składowych niezależnych.