dc.date.accessioned2018-09-27T15:37:59Z
dc.date.accessioned2019-05-22T22:50:11Z
dc.date.available2018-09-27T15:37:59Z
dc.date.available2019-05-22T22:50:11Z
dc.date.created2018-09-27T15:37:59Z
dc.identifierRevista de Ingeniería - No. 38 (Ene.-Jun. 2013) p. 20-26
dc.identifierhttp://hdl.handle.net/1992/6776
dc.identifierhttps://revistaing.uniandes.edu.co/index.php?idr=54&ids=35&ida=669
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/2765880
dc.description.abstractSe 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%
dc.languagespa
dc.rightsopenAccess
dc.sourceinstname:Universidad de los Andes
dc.sourcereponame:Séneca
dc.titleEstimación mejorada de modelos AR multivariados en el análisis de señales EEG
dc.typeArtículos de revistas


Este ítem pertenece a la siguiente institución