MATLAB实现基于KF-Transformer卡尔曼滤波器（KF）结合 Transformer编码器进行多变量时间序列预测
MATLAB 实现基于 KF‑Transformer 的多变量时间序列预测的完整框架。该方案的核心思路是：
- Transformer 编码器提取时序特征并生成初步预测值；
- 卡尔曼滤波器（KF）对 Transformer 的输出进行最优状态估计，抑制噪声、提升预测稳定性。
该方法适用于带有过程噪声和观测噪声的真实序列，尤其在信号处理、金融预测、传感器融合等场景中效果显著。
关键说明
Transformer 编码器：上述网络使用了因果注意力掩码（
AttentionMask="causal"），确保预测未来时不泄漏信息。可根据任务选择是否保留因果性。卡尔曼滤波器参数：
- Q（过程噪声）反映状态模型的信任度，值越大滤波器越依赖观测。
- R（观测噪声）通常用 Transformer 在验证集上的预测误差协方差估计。
- 可加入自适应噪声协方差（如 Sage‑Husa 算法）进一步提升性能。
多步预测：若需预测未来多步，可将 Transformer 输出设为
M * horizon，KF