卡尔曼滤波器是一种常用于优化控制与估量的理论和方式。它由卡尔曼在20世纪60年月初提出，经由多年的生长和应用，已成为现代控制理论和工程中不行或缺的工具。
卡尔曼滤波器主要用于处置具有噪声和不确定性的系统的状态估量问题。它通过融合来自传感器的丈量数据和系统模子的展望值，可以实时地估量出系统的真实状态，具有高精度和高效率的特点。
卡尔曼滤波器在人工智能、机械学习、自动驾驶、无人机、航天航空等领域有普遍的应用。它不仅可以用于跟踪移动目的的位置、速率和加速率，还可以用于矫正传感器数据的误差，提高系统的稳固性和鲁棒性。
卡尔曼滤波器的焦点头脑是通过最小化展望值与丈量值之间的差异，并思量系统模子和丈量噪声的统计特征，来实现状态估量的优化。它通过递归更新的方式，一直地凭证最新的丈量数据和系统模子的展望值，更新状态的估量值。
