독립성분분석 (Independent Component Analysis)
쉽게 풀면
시끄러운 파티장에서 여러 사람이 동시에 이야기할 때, 우리 귀는 마이크 여러 개로 녹음된 소리들을 조합해 각 사람의 목소리를 구분해낼 수 있다고 상상해 봅시다. 독립성분분석은 이런 상황을 수학적으로 풀어내는 방법입니다. 여러 전극에서 동시에 측정된 뒤섞인 신호로부터, 서로 통계적으로 관련이 없는(독립적인) 원래의 신호 성분들을 찾아냅니다. 생체신호에서는 눈 깜빡임이나 근육 잡음처럼 원치 않는 성분과 실제 뇌 신호를 분리하는 데 자주 쓰입니다.
왜 중요한가
뇌전도처럼 여러 신호원이 동시에 섞여 기록되는 생체신호에서는 원하는 신호와 잡음을 물리적으로 분리하기 어렵습니다. 독립성분분석은 이러한 혼합 신호를 통계적 특성만으로 분리할 수 있어, 잡음 제거와 신호원 추정이 중요한 의공학 신호처리 분야에서 핵심 도구로 활용됩니다.
논문에서는 이렇게 쓰입니다
독립성분분석을 이용해 뇌전도 기록에서 눈 깜빡임 잡음 성분을 분리해 제거했다는 문장입니다.
독립성분분석으로 추출한 성분들을 공간적 분포에 따라 뇌 신호 성분과 잡음 성분으로 분류했다는 문장입니다.
조금 더 깊게 보면
독립성분분석은 관측 신호가 여러 독립적인 원천 신호의 선형 혼합이라는 가정 아래, 성분들 간의 비가우스성이나 통계적 독립성을 최대화하는 방향으로 분리 행렬을 추정합니다. 이렇게 얻어진 각 성분은 시간 파형과 공간 분포(예: 두피 지형도)를 함께 살펴봄으로써 뇌 활동 성분인지 잡음 성분인지 판단하는 데 활용됩니다.
주의할 점
분리된 성분이 실제 생리적 의미를 갖는지는 자동으로 보장되지 않으며, 어떤 성분을 잡음으로 제거할지 판단하는 데는 여전히 분석자의 해석이 필요한 경우가 많습니다.