非定常ソースの瞬時混合物の盲分離

ほとんどのソース分離アルゴリズムは、定常ソースのモデルに基づいています。しかし、分離を達成するためにソースの可能な非定常性を利用することは簡単なことです。本論文では、最大尤度と最小相互情報量の原則に基づいた新しいアプローチを開発します。これらの原則は、オフラインケース（新しい共同対角化手法による）およびオンラインケース（ニュートン様手法による）の両方で効率的なアルゴリズムによって利用されます。我々のアルゴリズムの優れたパフォーマンスを示す実験と、我々の方法の興味深い特徴を明らかにする実験をいくつか提示します。それは、いわゆるスーパー効率性を達成する能力です。論文は、非Gaussianおよび非定常モデルの分離手法を対比させる議論で締めくくり、「アルゴリズムを機能させるもの」は厳密には非定常性そのものではなく、むしろ各実現のソース信号が時間変化するエンベロープを持つという特性であることを強調します。