如何在单个观测上运行pykalman滤波？（python）

我可以运行下面给出的简单pykalman卡尔曼滤波器示例：

这将正确返回状态估计值（每个观测值一个）：

但是，如果我只提供一个观察结果，代码将失败：

import pykalman
import numpy as np
kf = pykalman.KalmanFilter(transition_matrices = [[1, 1], [0, 1]], observation_matrices = [[0.1, 0.5], [-0.3, 0.0]])
measurements = np.asarray([[1,0]])  # 1 observation
(filtered_state_means, filtered_state_covariances) = kf.filter(measurements)
print filtered_state_means

出现以下错误：

ValueError: could not broadcast input array from shape (2,2) into shape (2,1)

---

如何使用pykalman仅使用一次观测更新初始状态和初始协方差？

来自以下文档：

---

这将获取时间t处的滤波状态均值和滤波状态方差，以及t+1处的观测值，并返回t+1处的状态均值和状态方差（用于下一次更新）

如果我正确理解卡尔曼滤波算法，您可以仅使用一个观测值预测状态。但是，增益和协方差会相差很远，预测结果与实际状态相差甚远。

---

您需要为卡尔曼滤波器提供一些观察值作为训练集，以达到稳定状态

我怀疑代码中存在一些特殊情况，用于检测单个输入与一组输入，并且您的代码对单个输入的格式设置不太正确。由于没有人回答，唯一的解决办法可能是阅读源代码，看看它在做什么。

import pykalman
import numpy as np
kf = pykalman.KalmanFilter(transition_matrices = [[1, 1], [0, 1]], observation_matrices = [[0.1, 0.5], [-0.3, 0.0]])
measurements = np.asarray([[1,0]])  # 1 observation
(filtered_state_means, filtered_state_covariances) = kf.filter(measurements)
print filtered_state_means

ValueError: could not broadcast input array from shape (2,2) into shape (2,1)

filter_update(filtered_state_mean, filtered_state_covariance, observation=None, transition_matrix=None, transition_offset=None, transition_covariance=None, observation_matrix=None, observation_offset=None, observation_covariance=None)