Resumen

Un conjunto de neuronas biológicas caóticas no idénticas y conectadas localmente se modela mediante un único modelo de neurona caótica representativa basado en una extensión de la neurona Hindmarsh-Rose. A continuación, este modelo se emplea junto con el filtro de Kalman no perfeccionado para estudiar el problema de estimación de estado asociado. El sistema arquetípico, que se eligió deliberadamente para que fuera caótico, se corrompió con ruido. La influencia del ruido parecía aniquilar el comportamiento caótico. En consecuencia, se observó que el filtro funciona bastante bien a la hora de reconstruir los estados del sistema, aunque la introducción de un ruido relativamente bajo tuvo un efecto profundo en el sistema. Ni el modelo de proceso perturbado por el ruido ni el filtro mostraron indicios de caos. Creemos que este comportamiento puede generalizarse y esperamos que el filtrado Kalman no perfumado de los estados de una neurona biológica sea completamente factible incluso cuando el modelo de proceso no corrompido muestre caos. Por último, la metodología del filtro de Kalman no perfundido se aplica para filtrar una señal de ECG simulada típica utilizando un enfoque basado en un modelo sintético.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:filtro kalman no perfumado, ruido, problema de estimación de estado asociado, modelo de neurona caótica representativa única, señal ecg simulada típica, modelo de proceso no corrompido exhibe caos, neuronas biológicas caóticas, filtrado kalman no perfumado, filtro, estados
• Keywords:unscented kalman filter, noise, associated state estimation problem, single representative chaotic neuron model, typical simulated ecg signal, uncorrupted process model exhibits chaos, chaotic biological neurons, unscented kalman filtering, filter, states