作为贝叶斯推断的低通滤波

我们提出了一种用于低通滤波的贝叶斯非参数方法，该方法能够自然地处理采样不均匀且被噪声破坏的观测数据。所提出的模型被构建为时间序列的潜在因子模型，其中潜在因子是具有非重叠谱的高斯过程。通过这种构造，时间序列的低通版本可以被识别为低频潜在分量，因此可以通过贝叶斯推断来找到它。我们表明该模型允许精确训练，并且可以用最少的数值近似来实现。最后，在合成和真实世界时间序列上，将所提出的模型与标准线性滤波器进行了对比验证。