使用过滤功能生成丢失的数据

| 我具有通过filter（）函数提供的数据向量-所述滤波器的构造是发出原始信号的合理近似值，然后将其用于识别原始数据中的“不良”元素（通常所说的元素由不频繁的短时传感器故障引起，与良好的数据完全不同）。在确定了这些不良因素之后，我想回过头来用合理的方法代替它们。 一种方法是用过滤后的输出替换不良值。但是，生成的输出具有错误的值，因此具有一些不希望的失真。 理想情况下，我希望有一种方法告诉filter（）假定丢失了错误的元素，而应该对丢失的值生成合理的插值（例如，基于周围的值和过滤器的属性），以便在构建输出时使用。 有人告诉我某些工具箱允许插入特殊值（例如NaN）来指示丢失（但假定行为良好）数据。 我查看了Octave的filter（）的源代码，但没有发现明显的问题–是否有一个特殊值（或其他机制）告诉filter（）假定行为良好的数据丢失了（并且应该根据需要插入）？