Resumen

Proponemos una familia completamente nueva de funciones de puntuación para la separación ciega de señales (BSS), basada en la familia de mezclas de densidad gamma generalizada que incluye funciones de densidad de probabilidad gamma generalizada, Weilbull, gamma, Laplace y Gaussiana. Para extraer a ciegas las señales de fuente independientes, recurrimos al enfoque FastICA, mientras que para estimar de forma adaptativa los parámetros de dichas funciones de puntuación, utilizamos Nelder-Mead para optimizar la función objetivo de máxima verosimilitud (ML) sin recurrir a ninguna información derivada. Nuestros resultados experimentales con fuentes que emplean una amplia gama de distribuciones estadísticas muestran que la técnica de Nelder-Mead produce una buena estimación de los parámetros de las funciones de puntuación.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:funciones de puntuación, funciones de densidad de probabilidad gaussianas, separación ciega de señales, señales fuente independientes, tales funciones de puntuación, nelder, parámetros, enfoque fastica, técnica de mead, información derivada
• Keywords:score functions, gaussian probability density functions, blind signal separation, independent source signals, such score functions, nelder, parameters, fastica approach, mead technique, derivative information