我无法估算我的状态空间模型的参数，我想用它来在Matlab中构建我的卡尔曼滤波器：
S_t = S_(t-1)+e_t
Y_t = B*S_t+v_t
其中Y_t是包含大约20个时间序列的观察矩阵，而S_t应该是标量。我还没有找到任何估算我的B参数矩阵的示例代码，到目前为止我的所有测试都没有成功。
答案 0 :(得分：1)
我会用简单的语言向你解释你应该用卡尔曼滤波器做什么。如果您需要更好的建议，请询问并提供更多信息。
在卡尔曼滤波器中，您尝试估计动态系统的真实状态（随时间变化）。您的情况中的状态为S_t（可能是来自某个系统的电流，GPS位置或任何其他数字或一组数字）。在动态系统中，通常你有一个转换矩阵，它告诉你从状态S_(t-1)到状态S_t的变化。正如您所写的那样，您的转换矩阵似乎等于1.换句话说，只有添加了高斯噪声，您才能期望与前一个值相同的值。高斯噪声来自所有不同的来源，这些来源很难建模，与你的国家不相关。
现在，您的系统状态通常由某个传感器测量，并且您的传感器读数为Y_t。阅读与B观察矩阵的状态有关。每个传感器都有噪声v_t，它来自传感器的不完美。 Y_t是您想要估算的州的读数。
在您写的内容中，我可以理解您有Y_1到Y_20的20个读数。你想估计20读数后动力系统状态的真值，比方说20秒。首先，您需要考虑一下您的转换矩阵是否为A = 1且S_t=A*S_(t-1)+e_t与S_t=S_(t-1)+e_t相同。要建模A，您需要对动力系统有所了解，通常使用微分方程对其进行建模。在您建模之后，系统会考虑您要估算的内容与您的测量值（传感器上的内容）之间的关系，这会导致您的B。
卡尔曼滤波器是一个迭代滤波器，因此对于您的时间序列Y，您可以插入模型并迭代测量。您应该完成对Y-2，Y_3，...到Y_20的估算以及误差协方差，它会告诉您估算的效果。
考虑一下这个程序，如果您需要任何帮助，请按照评论中的建议提供更多详细信息，提出问题。
祝你好运