A VLSI Implementation of Independent Component Analysis for Biomedical Signal Separation Using CORDIC Engine

2020 ◽  
Vol 14 (2) ◽  
pp. 373-381 ◽  
Author(s):  
Yuan-Ho Chen ◽  
Szi-Wen Chen ◽  
Min-Xian Wei
2019 ◽  
Vol 8 (1) ◽  
pp. 105
Author(s):  
Angga Pramana Putra ◽  
Ni Wayan Wiantari ◽  
Putu Mira Novita Dewi ◽  
I Dewa Made Bayu Atmaja Darmawan

Geguntangan adalah pesantian dalam upacara keagamaan yang diiringi dengan gamelan. Indra  pendengaran manusia cenderung memiliki keterbatasan, yang menyebabkan tidak semua vokal yang  tercampur dengan gamelan bisa didengar jelas. Oleh karena itu diperlukan suatu sistem yang dapat digunakan untuk memisahkan vokal dengan gamelan pada geguntangan. Pemisahan sumber suara ini dikategorikan sebagai Blind Source Separation (BSS) atau disebut juga Blind Signal Separation yang  artinya sumber tidak dikenal. Algoritma yang digunakan untuk menangani BSS adalah algoritma Independent Component Analysis (ICA) dan Sparse Component Analysis (SCA) dengan berfokus  pada pemisahan sinyal suara pada file suara berformat *.wav. Algoritma SCA dan ICA digunakan  untuk proses pemisahan suara dengan parameter nilai yang digunakan adalah Mean Square Error (MSE) dan Signalto Interference Ratio(SIR). Dari hasil simulasi menunjukkan Hasil perhitungan MSE dan SIR dengan dengan menggunakan mixing matriks [0.3816, 0.8678], [0.8534, -0.5853] didapatkan untuk metode ICA nilai MSE sebesar 4.169380402433175 x 10-6 untuk instrumennya dan 2.884749383815846 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 53.79928479270223 untuk instrumennya dan 45.39891910741724 untuk vokalnya. Selanjutnya untuk metode SCA, nilai MSE sebesar 3.382207103335018 x 10-5 untuk instrumennya dan 3.099942460987607 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 44.707998026869014 untuk instrumennya dan 45.08646367168143 untuk vokalnya.


2011 ◽  
Vol 48-49 ◽  
pp. 950-953
Author(s):  
Zhi Gang Chen ◽  
Xiao Jiao Lian ◽  
Ming Zhou

For solving the difficulty of feature signal extraction from vibration signals, a new method based on Independent Component Analysis (ICA) is proposed to realize separation and filtering for multi-source vibration signals. Firstly, the principal and algorithm of ICA used to separate mixed signals is introduced. Secondly, application in signal separation and filtering with ICA is studied in diagnosis. In addition, imitation and field examples are given. The experiments show it is feasible to separate and extract feature signal from multi-source vibration signals and it is an effective method in signal preprocessing in fault diagnosis.


2012 ◽  
Vol 10 (1) ◽  
pp. 51-69 ◽  
Author(s):  
Eduardo F. Simas Filho ◽  
José M. de Seixas ◽  
Natanael N. Moura ◽  
Diego B. Haddad ◽  
José M. Faier ◽  
...  

Sign in / Sign up

Export Citation Format

Share Document