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%.

• Materias:Métodos de simulación Técnicas de simulación
• Subjects:Simulation methods Simulation techniques
• Palabras claves:Electroencefalografía; filtro Kalman; modelos autorregresivos multivariados; factor de olvido; recocido simulado.
• Keywords:Electroencephalography; multivariate autoregressive models; Kalman filter; forgetting factor; simulated annealing.