Python PyKalman EM在平凡的模拟中不起作用

我正在尝试使用卡尔曼滤波器来估计参数，使用PyKalman，我对转移矩阵估计有问题。它总是返回1.0。请看这个简单的例子：

from pykalman import KalmanFilter

N = 1000
a = 0.05
sims = []

v = 1

for t in range(N):
    v *= a
    sims.append(v)

kf = KalmanFilter(n_dim_obs=1, n_dim_state=1,
                  em_vars=['transition_matrices'],
                  initial_state_mean=[1],
                  transition_covariance=[0.0],
                  transition_offsets=[0],
                  initial_state_covariance=[0.0],
                  observation_matrices=[1],
                  observation_covariance=[0],
                  observation_offsets=[0])

emres = kf.em(sims, n_iter=10)

print "alpha: {}".format(emres.transition_matrices[0, 0])


>>> alpha: 1.0

---

观测值与潜在状态变量相同，如观测矩阵所示，噪声协方差均为0。类似地，状态变量在每次迭代中简单地由alpha乘以，但alpha的模型适合1.0。这到底是怎么回事？在其他示例中，我能够拟合协方差，只有转换矩阵无法拟合。

查看代码，它看起来像是先过滤然后平滑数据，因此它将使用您给定的任何转换矩阵（如果未指定，则为1，如本例所示）。然后将EM算法应用于平滑数据。然后EM算法必须适合此转换矩阵，因为您的数据使用默认的转换矩阵。代码似乎不正确。因此，估计此参数需要一定量的噪波，现在开始工作。查看代码，它似乎首先过滤然后平滑数据，因此它将使用您给定的任何转换矩阵（如果未指定，则为1，如本例所示）。然后将EM算法应用于平滑数据。然后EM算法必须适合此转换矩阵，因为您的数据使用默认的转换矩阵。代码似乎不正确。因此，估计此参数需要一定量的噪声，目前正在工作。