محمد صیدپیشه - استادیار گروه آمار، دانشکده ریاضی، دانشگاه گیلان
مرضیه قاسم پور - دانشجو کارشناسی ارشد ، دانشکده ریاضی، دانشگاه گیلان

تحلیل مولفه های مستقل روشی برای جداسازی منابع کور و بازیابی سیگنال های اصلی است. چون در داده های واقعی همیشه اطلاعات زایدی وجود دارد که باعث اختلال در تحلیل داده ها می شوند در نظرگرفتن نویز در همه مدل هایی که با دادههای واقعی سروکار دارند اهمیت پیدا می کند. در مدل های متداول تحلیل مولفه های مستقل نویز درنظر گرفته نمی شود، در این مقاله مدلی از مولفه های مستقل را که در آن نویز وجود دارد در نظر گرفته ایم و برای پیاده سازی مدل ها از شبیه سازی سیگنال های نویزی ترکیب شده از مدل گارچ استفاده می کنیم همچنین در داده های مربوط به تصویرهای دارای نویز هم به جداسازی تصاویر ترکیب شده می پردازیم. در این مقاله نتایج چهار روش مختلف تحلیل مولفه های مستقل برای جداسازی سیگنال های شبیه سازی شده و تصویرهای ترکیب شده نویز ی را مقایسه کرده ایم.

تحلیل مولفه های مستقل، داده های نویزی، جداسازی منابع کور