| Summary: | Este artículo presenta un nuevo método para la estimación de actividad neuronal a partir de señales electroencefalográficas usando análisis de series de tiempo ponderadas. El método considera un modelo lineal basado en restricciones fisiológicas que tiene en cuenta tanto la dinámica espacial como la temporal, y una etapa de ponderación que modifica las suposiciones del modelo a partir de las observaciones. La matriz de pesos calculada es incluida en la función de costo usada para solucionar el problema inverso dinámico, y por lo tanto en la formulación del filtro de Kalman. De esta forma, se propone un filtro de Kalman ponderado que incluye la matriz de pesos. El desempeño del filtro (en términos del error de localización) se analiza para varios SNRs. El desempeño óptimo se alcanza usando el modelo lineal con matriz de ponderación calculado por el método de producto interno.
|
|---|