本周早些时候，麻省理工学院技术审查发表文章"一个你可能从未听说过的发明家是如何塑造现代世界的，描述了鲁道夫Kálmán对现代科学技术的贡献，这是一种递归估计算法，即使在最嘈杂的环境中也能准确预测方向、速度和位置等变量。

Rudolf Kálmán在1960年的技术论文中首次描述了卡尔曼滤波器，仅仅在NASA成立2年后。卡尔曼滤波器最早的应用之一是阿波罗计划的导航。它被用来估计载人飞船载着第一批宇航员往返月球的轨迹。从那时起，它已经被用于许多影响我们日常生活的技术中，或者在不久的将来。

下面是一些使用卡尔曼滤波器的现代技术:

全球定位系统(GPS)

整个基于卫星的全球定位系统(GPS)在工程学教科书中被描述为“一个巨大的卡尔曼滤波器”全球定位系统，惯性导航和集成．根据IEEE的文章关于卡尔曼滤波在航空航天中的应用，“这个卡尔曼滤波器有一个大的系统状态向量，包括24个以上卫星的轨迹，所有系统时钟的漂移率和相位，以及数百个与大气传播延迟有关的参数，作为时间和位置的函数。”

风力涡轮机

绿色技术是许多研究和商业投资的重点。在欧洲，风能正在迅速普及，卡尔曼滤波器正在帮助提高这项技术的效率。

Phys.org最近我分享了一篇文章叫做用于风力发电的软件“侦探”，他们描述了一种通过探测风切变和极端阵风等风异常来延长风力涡轮机寿命的新方法。智能控制软件Windtrust项目利用扩展卡尔曼滤波器进行回归分析。

天气预报

四月，华盛顿邮报》据报道，美国国家气象局正在对其全球预报系统(GFS)预报模型进行两项改进。第一种方法在用于运行模型的数据点上建立时间戳，去掉了同时收集数据点的假设。第二次升级使用了卡尔曼算法的变体。“第二项增加的是集合卡尔曼滤波器，即EnKF，它基本上会抛出导致糟糕预测的坏数据。”

先进驾驶辅助系统(ADAS)

虽然自动驾驶汽车在许多新闻推送中名列榜首，但ADAS的简化视图是一种道路导航系统，类似于阿波罗在太空中使用的系统。ADAS系统最终将负责为自动驾驶汽车提供导航指导。根据Paul Whytock的文章为什么汽车司机喜欢卡尔曼滤波“司机们喜欢它的原因很简单，它提高了高级驾驶辅助系统(ADAS)的效率，使车辆控制操作，如盲点检测、稳定性和牵引力控制、车道偏离检测以及紧急情况下的自动制动，更加安全有效。”

虚拟现实(VR)

在虚拟现实中，预测跟踪用于预测物体的位置及其轨迹。卡尔曼滤波器是这种应用程序的常用选择。一个麻省理工学院出版社一篇追踪在VR应用中使用卡尔曼滤波器历史的文章指出，“近年来，卡尔曼滤波器在VR/AR中的使用出现了爆炸式增长。事实上，在最近与VR相关的技术会议上，很难看到一篇关于跟踪的论文没有使用某种形式的卡尔曼滤波器，或者与那些使用卡尔曼滤波器的论文进行比较。”

MATLAB和卡尔曼滤波器

卡尔曼滤波器有很多应用，有多种MATLAB资源可以向您展示如何在设计中使用它们。

• 计算机视觉系统通常依赖卡尔曼滤波器进行目标跟踪，特别是在需要跟踪多个目标时。这里有一个简短的视频关于这个话题。
• 这里有一个示例，显示如何执行自动检测还有移动摄像机的跟踪。该示例包含几个额外的算法步骤，包括人员检测、定制的非最大抑制以及识别和消除虚假警报轨迹的启发式方法。
• 卡尔曼滤波器通常用于GNC系统，例如在传感器融合中，它们通过融合GPS和IMU(惯性测量单元)测量来合成位置和速度信号。在控制系统中使用卡尔曼滤波器的案例研究可以看到在这里．
• 这里有一个例子利用卡尔曼滤波器估计车辆的位置和速度，使其可以在二维空间中不受任何约束地自由移动。

还有很多使用卡尔曼滤波器的例子．请发表评论，让我们知道你是如何在设计中使用卡尔曼滤波器的。