如何估算卡尔曼滤波器的参数

在上一个问题中，我询问了一些非高斯经验数据的拟合分布。

有人建议我离线，我可以尝试假设数据是高斯的，并且首先适合卡尔曼滤波器。然后，根据错误，确定是否值得开发更新颖的产品。这就说得通了。

因此，利用一组不错的时间序列数据，我需要估算几个变量才能使卡尔曼滤波器运行。

（当然，某处可能有一个R包，但我想亲自学习如何做。）

Max Welling的教程很好，描述了所有卡尔曼滤波和平滑方程以及参数估计。这可能是一个不错的起点。

通常的方法是使用最大似然估计。基本上，您需要一个似然函数，然后运行一个标准的优化器（例如optim）来最大化您的似然性。