20世纪60年代初，卡尔曼(R．E．Kalman)和布塞(R． S．Bucy)发表了一篇著名的论文《线性滤波和预测理论的新成果》，提出了一个全新的线性滤波和状态估计理论，被称之为卡尔曼滤波(KF)[6]。卡尔曼滤波的特点是在线性状态空间表示的基础上对有干扰信号的输入和观测信号进行处理，求取实际信号或系统状态。这标志着现代滤波理论的建立。这是一种时域的滤波算法，对于具有高斯噪声的线性系统，可以得到实际系统的递推最小均方差估计（RMMSE）[7]。卡尔曼滤波算法第一次把现代控制理论中的状态空间模型的概念运用到最优滤波算法中去。用状态空间方程来描述系统的运动状态模型，用观测方程来描述系统的观测模型，而且可以处理多文度信号、非平稳系统、还有时变稳定系统。因为卡尔曼滤波方法采取了递推计算的思想，所以特别适合运用计算机来辅助处理。近年来，由于计算机科学领域高新技术的迅猛发展，论文网卡尔曼滤波在航空宇航、空间探测技术方面得到了广泛的应用[9]。在现实工作中碰到的问题使得对卡尔曼滤波经典算法的研究更加深入，更加透彻。一些完善的卡尔曼滤波算法也陆续被学者提出来。自适应滤波算法的算法思想就是在滤波的时候，不停地对未知的或者无法确定的系统结构以及干扰特性，状态增益矩阵进行实时评估更新，以获得目标状态的最佳估计值。28082
还有更加接近实际的滤波算法α—β滤波以及α—β—γ滤波[10]。他们在单目标追踪的情况下不需要计算协方差矩阵的预测以及更新。其算法特点就是状态增益矩阵的离线计算，同时其要处理的计算量对比卡尔曼滤波算法来说也比较小。 线性滤波算法发展研究现状:http://www.youerw.com/yanjiu/lunwen_22799.html