Estimation, Filtering, and Smoothing in State Space Models with Incompletely Specified Initial Conditions
初始条件未完全指定的状态空间模型：估计、滤波与平滑AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究状态空间滤波、平滑及连续时间自回归过程。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
初始条件未完全指定的状态空间模型：估计、滤波与平滑
- 研究问题
- 当状态空间模型的初始条件未完全指定时，如何定义似然、估计状态，并对缺失观测进行预测与插值？
- 方法与思路
- 作者变换数据以消除未指定初始条件的影响，再建立与弥散先验的等价关系，推导修改后的 Kalman 滤波和平滑算法。
- 材料陈述的贡献
- 摘要称提供弥散初始条件下的精确数值程序，并将结果扩展至连续时间模型，包括平滑样条与连续时间自回归过程。
- 阅读关注点
- 应核对数据变换如何定义似然、弥散先验等价性的条件，以及滤波初始化、缺失值处理和连续时间扩展的细节。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未提供状态空间矩阵条件或算法步骤，“精确数值程序”不等于有限样本统计性质精确。
原文摘要
The likelihood is defined for a state space model with incompletely specified initial conditions by transforming the data to eliminate the dependence on the unspecified conditions. This approach is extended to obtain estimates of the state vectors and predictors and interpolators for missing observations. It is then shown that this method is equivalent to placing a diffuse prior distribution on the unspecified part of the initial state vector, and modified versions of the Kalman filter and smoothing algorithms are derived to give exact numerical procedures for diffuse initial conditions. The results are extended to continuous time models, including smoothing splines and continuous time autoregressive processes.