Revista de Ingeniería

revinge | eISSN 2011-0049 | ISSN 0121-4993

Estimación mejorada de modelos AR multivariados en el análisis de señales EEG

No. 38 (2013-01-01)
  • Jorge Iván Padilla Buriticá
    (1) MSc. Ingeniería-Automatización. jipadilla@unal.edu.co.
  • Luis David Avendaño Valencia
    (2) Ph.D.(c) en Ingeniería línea de automatización. ldavendanov@unal.edu.co.
  • Germán Castellanos Domínguez
    (3) Ph.D. en Ingeniería. Profesor titular, Universidad Nacional de Colombia, sede Manizales. cgcastellanosd@unal.edu.co
https://doi.org/10.16924/revinge.38.3

Resumen

Se propone una metodología para mejorar la estimación de los parámetros de los modelos autorregresivos multivariados empleando el filtro Kalman mediante sus adaptaciones de covarianza, particularmente, se logra esta mejora utilizando representación en espacio de estados. La contribución está dada en términos de la precisión de los parámetros estimados y del 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