R 状态空间模型/卡尔曼滤波不稳定性_R_Filter_Kalman Filter_Ssm

R 状态空间模型/卡尔曼滤波不稳定性

r filter

R 状态空间模型/卡尔曼滤波不稳定性,r,filter,kalman-filter,ssm,R,Filter,Kalman Filter,Ssm,我使用KFAS（在R中）来估计局部水平的状态空间模型（平滑，高斯）。为了评估估计的灵敏度，我将对每个控制信号引入一个局部扰动（例如，20个时间点的一小段，其值为信号1000个时间点中的零）。尽管在所有情况下都检测到小扰动，但在整个信号中观察到结果估计值的额外波动有没有办法调整估计值以减少局部扰动对整个信号平滑的影响？卡尔曼滤波器本质上是线性滤波器。所以它总是将你的错误信号乘以一些增益（由你的协方差决定），然后把它加到你的状态中。当测量数据中存在异常值时，最好跳过过滤器更新

我使用KFAS（在R中）来估计局部水平的状态空间模型（平滑，高斯）。为了评估估计的灵敏度，我将对每个控制信号引入一个局部扰动（例如，20个时间点的一小段，其值为信号1000个时间点中的零）。尽管在所有情况下都检测到小扰动，但在整个信号中观察到结果估计值的额外波动

有没有办法调整估计值以减少局部扰动对整个信号平滑的影响？

卡尔曼滤波器本质上是线性滤波器。所以它总是将你的错误信号乘以一些增益（由你的协方差决定），然后把它加到你的状态中。当测量数据中存在异常值时，最好跳过过滤器更新