Cómo encontrar el óptimo de ruido de covarianza de las matrices Q y R

Question

Estoy tratando de usar el filtro de Kalman discreto para la previsión y me pregunto lo que comúnmente se considera como la mejor manera de determinar la medición de ruido de covarianza constantes (Q y R) para una serie de tiempo dada? ¿Te recomendamos algunos de los enfoques basados en su investigación/experiencia?

Answer 1

Recientemente me escribió en su blog acerca de este tema.

Básicamente, hay 3 formas de calcular Q y R.

1. aproximado
   • calcular la variable aleatoria estimación de error en un entorno controlado
   • si z no cambia, calcular la varianza de la estimación de z
   • si z no cambia, calcular la varianza de la regresión estimación de z
2. supongo
   • el uso de una constante multiplicada por la matriz identidad
   • mayor sea la constante, mayor es el ruido
3. MLE
   • pykalman de la em
   • por desgracia, no convexa problema => locales optima

Retirar el resto de mi post aquí