María Teresa Zagaceta Álvarez

IDENTIFICACIÓN DE SECUENCIAS DE AMINOÁCIDOS

Dentro del procesamiento de senales, la estimacion de parametros es necesaria para obtener coeficientes aplicables en algoritmos de clasificacion, optimizacion, prediccion o identificacion. Este ultimo, de interes en este trabajo, hace referencia a la reconstruccion de una senal, corregida a partir del error generado entre la senal deseada y la identificada.

n-Iterative Exponential Forgetting Factor for EEG Signals Parameter Estimation

Electroencephalograms (EEG) signals are of interest because of their relationship with physiological activities, allowing a description of motion, speaking, or thinking. Important research has been developed to take advantage of EEG using classification or predictor algorithms based on parameters that help to describe the signal behavior. Thus, great importance should be taken to feature extraction which is complicated for the Parameter Estimation (PE)–System Identification (SI) process. When based on an average approximation, nonstationary characteristics are presented. For PE the comparison of three forms of iterative-recursive uses of the Exponential Forgetting Factor (EFF) combined with a linear function to identify a synthetic stochastic signal is presented. The one with best results seen through the functional error is applied to approximate an EEG signal for a simple classification example, showing the effectiveness of our proposal.Electroencephalograms (EEG) signals are of interest because of their relationship with physiological activities, allowing a description of motion, speaking, or thinking. Important research has been developed to take advantage of EEG using classification or predictor algorithms based on parameters that help to describe the signal behavior. Thus, great importance should be taken to feature extraction which is complicated for the Parameter Estimation (PE)–System Identification (SI) process. When based on an average approximation, nonstationary characteristics are presented. For PE the comparison of three forms of iterative-recursive uses of the Exponential Forgetting Factor (EFF) combined with a linear function to identify a synthetic stochastic signal is presented. The one with best results seen through the functional error is applied to approximate an EEG signal for a simple classification example, showing the effectiveness of our proposal.

IDENTIFICACIÓN CON ESTIMACIÓN DE SECUENCIAS

En la descripcion de la dinamica interna de los sistemas tipo caja negra, se necesita conocer que con la excitacion y su respuesta se establece un modelo que se aproxima a su comportamiento, y que es solo para una condicion en especifico. Esto provoca que la seleccion del modelo sea complicada y ello requiere de muchas aproximaciones en el ajuste de los parametros, por cada condicion que la senal de excitacion tenga y respuesta que deba dar. Desafortunadamente, por mas aproximada que sea la respuesta del modelo a la del sistema considerado, nunca describira a la dinamica interna ya que es solamente un modelo que repite un comportamiento; pero en cambio, si se puede ver por medio de los parametros internos del modelo la estabilidad, ya que para entradas acotadas, se tendran salidas acotadas. Basado en ello, un filtro FIR (Finite Impulse Response, por sus siglas en ingles) del tipo identificador esta compuesto por un grupo de parametros que cumplen con la condicion de Markov y que mantienen la estabilidad del filtro. El problema es entonces, estimar los parametros a traves de una secuencia dentro del mismo intervalo de tiempo para el desarrollo de la identificacion y lograr la convergencia de la senal de respuesta con la de referencia por intervalos de evolucion. Mas aun, la estimacion de la secuencia se realiza de manera dinamica y adaptandose al error de identificacion para lograr minimizarlo en cada intervalo. Asi, el identificador ademas de contar con la secuencia de parametros, tambien requiere de una ganancia que afecta al proceso de innovacion y ayuda a minimizar las pequenas incertidumbres que se generan una vez que llega a la zona estacionaria. Desafortunadamente, esta convergencia se da en una pequena region que depende de las varianzas de las perturbaciones de las senales. Palabras clave: Estimador, secuencia de matrices, funcional del error, gradiente estocastico, pseudo-inversa, segundo momento de probabilidad