如何在单个观测上运行pykalman卡尔曼滤波？(python)

Question

我可以运行pykalman文档中给出的简单pykalman卡尔曼滤波示例。

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], [0,0], [0,1]])  # 3 observations
(filtered_state_means, filtered_state_covariances) = kf.filter(measurements)
print filtered_state_means

这将正确地返回状态估计(每个观察结果一个)：

[[ 0.07285974  0.39708561]
 [ 0.30309693  0.2328318 ]
 [-0.5533711  -0.0415223 ]]

但是，如果我只提供一个观察结果，代码就会失败：

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

有以下错误：

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

如何使用pykalman仅使用一个观察来更新初始状态和初始协方差？

Answer 1

来自于：http://pykalman.github.io/#kalmanfilter的文档

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)

这将在t时输入filtered_state_mean和filtered_state_covariance，并在t+1上进行观察，并返回t+1的状态均值和状态协方差(用于下一次更新)。

Answer 2

如果我正确理解卡尔曼滤波算法，你就可以用一个观察来预测状态。但是，增益和协方差相差很远，预测结果与实际状态也不太接近。你需要给一个卡尔曼滤波器一些观察，作为训练集，以达到一个稳定的状态。