Attività: Separazione non-lineare di sorgenti

 

Obiettivo: studio di nuove architetture circuitali e metodologie per la separazione/deconvoluzione  di miscele non lineari di sorgenti in dipendenti

 

 

Proponente:

Prof. Aurelio Uncini

Partecipanti:

Proff. Raffaele Parisi,  Ing. Daniele Vigliano

Riferimento:

Aurelio Uncini

Parole chiave:

Non-linear blind separation, Non linear blind deconvolution, channel equalization, signal detection, non-linear array processing.

Area applicativa:

Trattamento non lineare  di segnali, schiere non lineari di sensori,

Altri enti partecipanti:

 

Ente finanziatore

(eventuale):

Università

Inizio:

Durata:

Fine:

2000

-

-

 

 

 

 

 

 

 

 

Descrizione della ricerca

Negli ultimi anni il problema della separazione e deconvoluzione di sorgenti tra loro indipendenti ha suscitato un elevato interesse in una vasta area della comunità scientifica. Ciò è dovuto, presumibilmente, alla varietà di problemi che possono essere risolti con queste metodologie. Tra i quali: signal detection,  cluster analysis, pattern recognition, blind equalization,  etc. La ricerca in corso presso il Dipartimento INFOCOM riguarda prevalentemente aspetti metodologici e teorici di base ed aspetti di tipo applicativo.

Principali pubblicazioni

Mirko Solazzi and Aurelio Uncini, “Spline Neural Networks for Blind Separation of Post-Nonlinear-Linear Mixtures”, in press on IEEE Transactions on Circuits and Systems-I.

Aurelio Uncini and Francesco Piazza, “Blind Signal Processing by Complex Domain Adaptive Spline Neural Networks”, IEEE Transactions on , Volume: 14 Issue: 2 ,pp. 399-412, Mar. 2003.

Daniele Vigliano and Aurelio Uncini, “A Novel Flexible ICA solution for Non Linear Blind Source Separation Problem”, IEE-EL Vol.39 No. 22 , 30 Oct. 2003.

Mirko Solazzi, Raffaele Parisi and Aurelio Uncini, “BLIND SOURCE SEPARATION IN NON-LINEAR MIXTURES USING SPLINE FUNCTION NETWORK”, ICA2001, San Diego,  USA, Dec. 2001.