狀態空間參數學習（EM／最大似然）

狀態空間解碼器的矩陣——動力學 A 與 W、觀測模型 C 與 Q——必須先擬合至資料，濾波器才能運行。當狀態於校準期間被觀測到時（如監督式 BCI 校準，使用者追蹤已知目標，故將意圖運動學視為真值），這些可由最小平方以封閉形式估計。當狀態為隱含或僅部分已知時，期望最大化演算法在一個給定當前參數推論狀態分布的平滑器（E 步驟）與一個給定該分布更新參數的封閉形式（M 步驟）之間交替，沿似然攀升至局部最佳。

在 BCI 中，編碼模型與動力學先驗即以此學習與再學習，而誠實的困難也在於此：似然非凸，故結果取決於初始化；短的校準區塊給出充滿雜訊且過擬合的估計；而監督式擬合所用的真值意圖本身也僅是一個假設（這正是 ReFIT 試圖修正者）。對估計共變異數施以正則化與收縮，通常是擬合後濾波器能於線上良好運作的關鍵。