Resumen de ICA incompleto paralelo: una nueva herramienta para el análisis de datos FMRI
En la actualidad las comunicaciones adquieren cada día más importancia. En muchas situaciones del mundo real se trabajan con el envío y recepción de información, la cual generalmente, en el camino hacia su destino sufre diferentes distorsiones que corrompen la señal, resultando al final una mezcla de información que requiere ser procesada con el fin de obtener resultados correctos. Existe infinidad de campos donde el procesamiento de señales cumple diversas funciones fundamentales; estos campos comprende entre otros: la comunicación de datos, voz e imágenes, sismología, medicina, acústica, sónar, instrumentación, robótica, etc.
El problema de la separación ciega de señales consiste en la recuperación de las señales originales a partir de las mezclas detectadas por sensores, conociendo tan sólo estas últimas. Estas mezclas de señales tienen lugar en el medio en que se propagan y en los sensores y como características de este método es que a priori no se cuenta con ninguna información de las señales originales ni de la forma en que fueron mezcladas.
Un claro ejemplo que permite tener una idea general de este problema es el conocido efecto "Cocktail Party", el cual consiste en la habilidad que posee el ser humano de percibir y separar una voz de un fondo de ruido o de un conjunto de voces hablando de manera simultánea. Una vez realizada esa separación, las voces recuperadas o fuentes individuales, se les denomina "componentes independientes".
El presente trabajo doctoral tiene como objetivo la utilización de la herramienta del análisis de componentes independientes aplicado a señales del cerebro "fMRI". Para entender bien como funciona fMRI vale la pena mencionar que el cerebro de las personas se encuentra dividido en dos hemisferios (derecho y izquierdo), y cada uno se divide en lóbulos los cuales desempeñan diferentes tareas relacionadas con el sentir, oír, ver, etc.
Cada acción, pensamiento, sensación es producida por la activ
