Napisałem kod, który potrafi filtrować Kalmana (używając wielu różnych filtrów typu Kalmana [Information Filter i in.]) Dla liniowej analizy przestrzeni stanu gaussowskiego dla n-wymiarowego wektora stanu. Filtry działają świetnie i otrzymuję niezłą wydajność. Jednak oszacowanie parametru za pomocą oszacowania wiarygodności logicznej mnie dezorientuje. Nie jestem statystykiem, ale fizykiem, więc proszę bądź miły.
Rozważmy liniowy model Gaussian State Space
gdzie jest naszym wektorem obserwacji, naszym wektorem stanu w kroku czasowym . Ilości pogrubione to macierze transformacji modelu przestrzeni stanów, które są ustawione zgodnie z charakterystyką rozważanego układu. Mamy też
gdzie . Teraz wyprowadziłem i zaimplementowałem rekursję dla filtru Kalmana dla tego ogólnego modelu przestrzeni stanów, zgadując początkowe parametry i macierze wariancji H 1 i Q 1. Mogę tworzyć wykresy takie jak
gdzie punktami są poziomy wody w Nilu dla stycznia ponad 100 lat, linia jest stanem szacunkowym Kalamn, a linie przerywane to 90% poziom ufności.
Dziękuję za Twój czas.
źródło