Time-Series
如何應用不規則時間步長的卡爾曼平滑？
我想將卡爾曼平滑應用於在不規則時間點採樣的一系列數據。Stack Exchange 上聲稱“對於不規則間隔時間序列，很容易構建卡爾曼濾波器”，但我還沒有找到任何專門解決這個問題的文獻。
在我的情況下，我想使用一個簡單的指數協方差關係來反映基本連續過程正在演變為我們不規則地從中接收樣本的線性動力系統的想法。
那麼：使用過渡模型和過程噪聲模型應用具有“預測”步驟的卡爾曼濾波器是否簡單，其“幅度”取決於自上次測量以來經過的時間量？
是的。事實上，這也是卡爾曼濾波器 (KF) 的設置方式，至少是隱含的。選擇 KF 模型時的假設是，運動和測量構成一個線性動力系統。轉移矩陣，, （在等式中：， 在哪裡是預測的狀態估計）實際上是按時間索引的，所以不規則的觀察不應該是一個問題。
為了對 KF 進行更嚴格的數學解釋，Max Welling有一個非常好的教程，我強烈推薦。