52、切换线性动态系统：原理、挑战与高斯和滤波解决方案

切换线性动态系统：原理、挑战与高斯和滤波解决方案

1. 引言

在动态系统建模领域，隐马尔可夫模型假设底层过程是离散的，而线性动态系统则假设底层过程是连续的。然而，现实中存在一些场景，底层系统可能会从一个连续状态跳跃到另一个连续状态。为了应对这种情况，我们引入了一类特殊的模型——切换线性动态系统（Switching Linear Dynamical Systems，SLDS）。

复杂的时间序列数据，如果不能用单一的线性动态系统进行全局描述，就可以将其分割成多个片段，每个片段用一个可能不同的线性动态系统（LDS）来建模。这种模型能够处理底层模型从一个参数设置“跳跃”到另一个参数设置的情况。例如，在一个化工厂中，正常情况下的流体流动可以用一个单一的LDS来表示。但当管道发生破裂时，系统的动态特性会从一组线性流动方程转变为另一组。这种情况可以用两个具有不同参数的线性系统来建模，每个时间点的离散潜在变量 $s_t$ （取值为 {正常，管道破裂}） 表示当前时刻最合适的LDS。这种模型被广泛应用于从计量经济学到机器学习等多个领域。

2. 切换线性动态系统（SLDS）

2.1 模型定义

在每个时间步 $t$，一个开关变量 $s_t \in {1, \ldots, S}$ 描述了要使用的一组LDS中的哪一个。连续观测（或“可见”）变量 $v_t$ （维度为 $V$） 与连续隐藏变量 $h_t$ （维度为 $H$） 线性相关，具体关系如下：
[
v_t = B(s_t)h_t + \eta_v(s_t), \quad \eta_v(s_t) \sim N(\eta_v(s_t) \mid \bar{v}(s_t), \Sigma_