Howtosignalprocessing
- Cómo hacer un análisis de componentes independientes?
- ¿Para qué se utiliza el análisis de componentes independientes??
- ¿Qué es el análisis de componentes independientes en EEG??
- ¿Cuál es la medida de la independencia de los componentes??
Cómo hacer un análisis de componentes independientes?
En el procesamiento de señales, el análisis de componentes independientes (ICA) es un método computacional para separar una señal multivariada en subcomponentes aditivos. Esto se hace asumiendo que, como máximo, un subcomponente es gaussiano y que los subcomponentes son estadísticamente independientes entre sí.
¿Para qué se utiliza el análisis de componentes independientes??
El análisis de componentes independientes (ICA) es una técnica que permite la separación de una mezcla de señales en sus diferentes fuentes, asumiendo la distribución de señal no gaussiana (Yao et al., 2012). El ICA extrae las fuentes explorando la independencia subyacente a los datos medidos.
¿Qué es el análisis de componentes independientes en EEG??
El análisis de componentes independientes (ICA) a menudo se usa en la etapa de preprocesamiento de señal en el análisis EEG para su capacidad para filtrar artefactos de la señal. Los beneficios de usar ICA son los más evidentes cuando se registra la señal multicanal.
¿Cuál es la medida de la independencia de los componentes??
La búsqueda de componentes independientes se puede lograr maximizando la no gaussianismo de las señales extraídas [23]. Se utilizan dos medidas para medir la no gaussianismo, a saber, la curtosis y la entropía negativa.
