一种基于噪声协方差更新的生物分子系统卡尔曼滤波方法

系统建模的一个重要部分是确定参数值，尤其对于生物分子系统，其中单个参数的直接测量通常很困难。虽然扩展卡尔曼滤波器已被用于此目的，但过程噪声协方差的选择 generally 不明确。在本章中，我们利用蒙特卡洛模拟与实验数据，借助 Langevin 框架下过程噪声协方差对状态和参数的依赖关系，解决生物分子系统的这一问题。我们改进了一种混合扩展卡尔曼滤波技术，基于估计值在每一步更新过程噪声协方差。我们将该框架与在生物分子系统模型（包括一个振荡子模型）以及负转录反馈回路的实验测量数据中采用不同固定过程噪声协方差值的性能进行比较。我们发现，具有此种过程噪声协方差更新的扩展卡尔曼滤波器更接近于最优性条件，体现为新息序列变为白噪声，并在均方估计误差与参数收敛时间之间取得平衡。本章结果可能有助于在过程噪声协方差依赖于状态和/或参数的系统中使用扩展卡尔曼滤波器。