Як оцінити параметри фільтра Калмана

У попередньому запитанні я поцікавився питанням відповідності розподілів деяким емпіричним даним, які не є Гауссом.

Мені було запропоновано в автономному режимі, я можу спробувати припустити, що дані є гауссовими і спочатку підходять фільтром Калмана. Тоді, залежно від помилок, вирішуйте, чи варто розвивати щось фантазії. Що має сенс.

Отже, маючи хороший набір даних часових рядів, мені потрібно оцінити кілька змінних для запуску фільтра Калмана.

(Звичайно, десь є пакет R, але я хочу насправді навчитися робити це самостійно.)

Макс Веллінг має чудовий підручник, в якому описані всі рівняння Кальмана з фільтруванням та згладжуванням, а також оцінка параметрів. Це може бути гарним місцем для початку.

Звичайний метод полягає у використанні максимальної оцінки ймовірності . По суті, вам потрібна функція "Вірогідність", а потім запустити стандартний оптимізатор (наприклад optim), щоб максимально підвищити ймовірність.