정준상관분석 (canonical correlation analysis, CCA)은 두 변수집단 사이의 선형 관계를 측정하는 확률적 분석 기법으로 이를 이용하여 다수의 신호가 혼재되어 수신된 신호로부터 각각의 신호원을 분리하는 것이 가능하다. 기존에 CCA와 자기회귀(auto regressive) 기법을 이용하여 혼재된 신호를 분리하는 기법이 제안되었으나 신호원 분리를 효과적으로 수행하기 위해서는 높은 신호 대 잡음비 (signal-to-noise ratio)가 요구되는 문제가 있다. 본 논문에서는 자기회귀 기법의 파라미터 계산시 잡음성분이 포함되어있는 자기공분산 행렬의 주대각 원소를 제거하여 잡음의 영향을 최소화하고 이를 통하여 신호원 분리 성능을 개선하는 방안을 제안한다. 제안하는 기법은 기존에 제안된 CCA와 자기회귀을 이용한 신호 분리 기법에 비하여 더 우수한 신호 분리 성능을 보일 뿐 만 아니라 신호원 분리 과정에서 요구되는 계산량을 줄일 수 있다.
The CCA (canonical correlation analysis) is a well known analysis tool that measures the linear relationship between two variable sets and it can be used for blind source separation (BSS). In previous works, a blind source separation scheme based on the CCA and auto regression was proposed. Unfortunately, the proposed scheme requires high signal-to-noise ratio for successful source separation. In this paper, we propose an improved BSS scheme based on the CCA and auto regression by eliminating the main diagonal elements of auto covariance matrix. Compared to the previously proposed BSS scheme, the proposed BSS scheme not only offers better source separation performance but also requires low computational complexity.
