我有通过filter（）函数提供的数据向量 - 所述过滤器被构造为发出原始信号的合理近似值，然后用于识别原始数据中的“坏”元素（所述元素是通常由不常见的短时传感器故障引起，并且与良好的数据完全不同）。在确定了这些不良元素之后，我想回去用合理的东西替换它们。
一种方法是用过滤后的输出替换坏值;但是，输出是使用坏值生成的，因此它会产生一些不希望的失真。
理想情况下，我想要一种方法告诉filter（）假设坏元素[s]丢失，而且应该生成缺失值[s]的合理插值（例如，基于周围在构造输出时使用的值和过滤器的属性。
我被告知某些工具箱允许插入特殊值（例如， NaN ）以指示丢失（但假设是表现良好）的数据。
我查看了Octave过滤器的源代码（）并没有明显的突然出现 - 是否有一个特殊值（或其他机制）告诉filter（）假设缺少行为良好的数据（并且应该根据需要插入？）
答案 0 :(得分：6)
插入NaN对此无效。 filter函数非常简单 - 它只是实现了一个IIR过滤器。
如果您的信号是平滑且缓慢变化的，那么您可能只需使用interp1根据两侧的良好数据为不良延伸插值新值即可。
如果您的信号具有更复杂的频谱内容，我认为“Wiener插值”是谷歌的阶段。对于外推，您可以使用linear predictive coding。