La electroencefalografía (EEG) es esencial para observar la actividad cerebral, ofreciendo información no invasiva y de alta resolución sobre la dinámica neuronal. A pesar de sus aplicaciones clínicas y de investigación, las señales de EEG son propensas al ruido proveniente de interferencias de líneas eléctricas, artefactos musculares y fuentes ambientales. Este estudio evalúa las técnicas de filtrado adaptativo (LMS, NLMS, PNLMS e IPNLMS) para la eliminación de ruido de las señales de EEG. Utilizando un conjunto de datos de 23 grabaciones de EEG contaminadas con ruido y las señales de acelerómetro correspondientes como entradas de referencia, los algoritmos se evaluaron mediante el Error Cuadrático Medio (EMM), la Relación Señal-Ruido (SNR) y el Coeficiente de Correlación de Pearson. El PNLMS resultó ser el más efectivo, logrando el MSE más bajo (0.9193), la SNR mÃ...