UBSS (under-determined blind source separation)는 BMMR (blind mixing matrix recovery) 과정과 BSR (blind source recovery) 과정으로 구분된다. 일반적으로 이 두 과정은 취득된 데이터의 sparseness를 이용하여 수행되는데, 얼마나 sparseness를 정확히 측정하느냐에 따라 그 성능이 좌우된다. 본 논문에서는 Gini 계수를 이용한 sparseness의 측정 방법을 BSR 과정에 도입하여, $l_1$-노름, $l_q$-노름과 쌍곡탄젠트 (hyperbolic tangent)를 이용하는 측정 방법들과 비교하였으며, 보다 정확한 sparseness 측정과 향상된 BSR 성능을 획득하였다. 이는 컴퓨터 모의 실험을 통하여 검증되었다.
UBSS (unde-determined blind source separation) is composed of the stages of BMMR (blind mixing matrix recovery) and BSR (blind source recovery). Generally, these two stages are executed using the sparseness of the observed data, and their performance is influenced by the accuracy of the measure of the sparseness. In this paper, as introducing the measure of the sparseness using the Gini coefficient to BSR stage, we obtained more accurate measure of the sparseness and better performance of BSR than methods using the $l_1$-norm, $l_q$-norm, and hyperbolic tangent, which was confirmed via computer simulations.
