我有一个物体在二维空间（表面）中的轨迹。(x,y)轨迹以坐标序列的形式给出。我知道我的测量结果很嘈杂，有时我有明显的异常值。所以，我想过滤我的观察结果。

据我了解卡尔曼滤波器，它正是我所需要的。所以，我尝试使用它。我在这里找到了一个 python 实现。这是文档提供的示例：

from pykalman import KalmanFilter
import numpy as np
kf = KalmanFilter(transition_matrices = [[1, 1], [0, 1]], observation_matrices = [[0.1, 0.5], [-0.3, 0.0]])
measurements = np.asarray([[1,0], [0,0], [0,1]])  # 3 observations
kf = kf.em(measurements, n_iter=5)
(filtered_state_means, filtered_state_covariances) = kf.filter(measurements)
(smoothed_state_means, smoothed_state_covariances) = kf.smooth(measurements)

我在解释输入和输出时遇到了一些麻烦。我想这measurements正是我的测量值（坐标）。虽然我有点困惑，因为示例中的测量值是整数。

我还需要提供一些transition_matrices和observation_matrices. 我应该把什么值放在那里？这些矩阵是什么意思？

最后，我在哪里可以找到我的输出？应该是filtered_state_means还是smoothed_state_means。这些阵列具有正确的形状(2, n_observations)。但是，这些数组中的值离原始坐标太远了。

那么，如何使用这个卡尔曼滤波器呢？