Estimación mejorada de modelos AR multivariados en el análisis de señales EEG
Jorge Iván Padilla Buriticá, Luis David Avendaño Valencia, Germán Castellanos Domínguez
Resumen
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 hacen 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%.
Texto completo:
Scielo
PDF
DOI:
http://dx.doi.org/10.16924%2Friua.v0i38.86
Enlaces refback
- No hay ningún enlace refback.
Facultad de Ingeniería - 2019
Universidad de los Andes | Vigilada Mineducación
Reconocimiento: Decreto 1297 del 30/may/1964
Personería jurídica: Resolución 28 del 23/feb/1949 Minjusticia
LICENCIA DE REPRODUCCIÓN DE CONTENIDOS
Todos los contenidos de esta revista se rigen por la: licencia de Creative Commons Reconocimiento 4.0 Internacional.
Por medio de esta licencia se pueden compartir y redistribuir los contenidos de la Revista de ingeniería en cualquier medio o formato. Además, los contenidos se pueden adaptar, combinar y transformar para cualquier propósito, incluso comercial, siempre y cuando se le de crédito a la Revista de ingeniería y se sigan los parámetros estipulados por esta licencia.