Howtosignalprocessing
- Bagaimana melakukan analisis komponen independen?
- Untuk apa analisis komponen independen digunakan?
- Apa itu analisis komponen independen di EEG?
- Apa ukuran independensi komponen?
Bagaimana melakukan analisis komponen independen?
Dalam pemrosesan sinyal, analisis komponen independen (ICA) adalah metode komputasi untuk memisahkan sinyal multivariat menjadi subkomponen aditif. Ini dilakukan dengan mengasumsikan bahwa paling banyak satu subkomponen adalah Gaussian dan bahwa subkomponen secara statistik independen satu sama lain.
Untuk apa analisis komponen independen digunakan?
Analisis Komponen Independen (ICA) adalah teknik yang memungkinkan pemisahan campuran sinyal ke dalam sumber yang berbeda, dengan mengasumsikan distribusi sinyal non Gaussian (Yao et al., 2012). ICA mengekstrak sumber dengan mengeksplorasi independensi yang mendasari data yang diukur.
Apa itu analisis komponen independen di EEG?
Analisis komponen independen (ICA) sering digunakan pada tahap preprocessing sinyal dalam analisis EEG karena kemampuannya untuk menyaring artefak dari sinyal. Manfaat menggunakan ICA adalah yang paling jelas ketika sinyal multi-channel direkam.
Apa ukuran independensi komponen?
Mencari komponen independen dapat dicapai dengan memaksimalkan non-gaussianity dari sinyal yang diekstraksi [23]. Dua tindakan digunakan untuk mengukur non-Gaussianity, yaitu, kurtosis dan entropi negatif.
