Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Revista de Ingeniería
versión impresa ISSN 0121-4993
Resumen
PADILLA BURITICA, Jorge Iván; AVENDANO VALENCIA, Luis David y CASTELLANOS DOMINGUEZ, Germán. Estimación mejorada de modelos AR multivariados en el análisis de señales EEG. rev.ing. [online]. 2013, n.38, pp.20-26. ISSN 0121-4993.
Se propone una metodología para mejorar la estimación de las matrices de parámetros de los modelos autorregresivos multivariados, utilizando representación en espacio de estados y el filtro de Kalman, para mejorar la precisión de los parámetros estimados, con un bajo costo computacional. Se consideran dos métodos de adaptación de las matrices de covarianza del filtro de Kalman, para mejorar la velocidad de convergencia conservando la precisión del estimador. Se hacen pruebas sobre datos simulados, sobre una base de datos de electroencefalogramas y también se hace pruebas de la efectividad de la metodología. La contribución está dada en términos de la precisión de los parámetros estimados y el tiempo de estimación, que se reduce hasta en un 40% con un error cuadrático medio de 3%
Palabras clave : Electroencefalografía; filtro Kalman; modelos autorregresivos multivariados; factor de olvido; recocido simulado.