本周早些时候,麻省理工学院技术审查发表了一篇文章一个你可能从未听说过的发明家如何塑造了现代世界它描述了Rudolf 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。

1960年，NASA成立仅仅两年之后，Rudolf Kálmán在技术论文中首次描述了卡尔曼滤波器。卡尔曼滤波器的第一个应用是阿波罗计划的导航。它被用来估计载人宇宙飞船的轨道，载人飞船载着第一批宇航员往返月球。从那时起，它已经被用于许多技术，影响我们的日常生活，或将在不久的将来。

以下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、惯性导航和综合．据一位IEEE的文章“这个卡尔曼滤波器有一个很大的系统状态向量，包括24个以上卫星的轨迹，所有系统时钟的漂移率和相位，以及与大气传播延迟相关的数百个参数，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焦点。在欧洲，风能正在迅速得到采用，卡尔曼过滤器正在帮助提高这一技术的效率。

Phys.org最近分享了一篇文章叫做一款风力发电“侦探”软件他们描述了一种新的方法，通过检测风的异常，如风切变和极端阵风，来延长风力涡轮机的寿命。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

今年4月,华盛顿邮报》报道称，美国国家气象局正在对其全球预报系统(GFS)的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一个时间戳，消除了数据点是同时收集的假设。第二次升级利用了卡尔曼算法的一个变化。“第二个新增的功能是集成卡尔曼滤波器(EnKF)，它本质上抛弃了会导致糟糕预测的糟糕数据。”

高级驾驶辅助系统(ADAS)

虽然自动驾驶汽车在许多新闻推送中高居榜首，但ADAS的简化视图是一种用于道路的导航系统，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。根据保罗·惠托克的文章为什么汽车司机会喜欢卡尔曼滤波，“司机们喜欢它的原因很简单，它提高了先进的驾驶辅助系统(ADAS)的效率，使盲点检测、稳定性和牵引力控制、车道偏离检测和紧急情况下的自动刹车等车辆控制操作更加安全有效。”

虚拟现实(VR)

在虚拟现实中，预测跟踪用于预测物体的位置和轨迹。卡尔曼滤波器是这种应用的常见选择。一个麻省理工学院出版社期刊一篇追踪了在VR应用中使用卡尔曼滤波器的历史的文章说:“近年来，卡尔曼滤波器在VR/AR中的使用出现了爆炸性增长。事实上，在如今与VR相关的技术会议上，很少会看到一篇关于追踪的论文没有使用某种形式的卡尔曼滤波器，或者与使用这种滤波器的论文进行比较。”

MATLAB和卡尔曼滤波器

卡尔曼滤波器有许多应用程序，有多个MATLAB资源可用来展示如何在您的设计中使用它们。

• 计算机视觉系统通常依靠卡尔曼滤波器进行目标跟踪，特别是当需要跟踪多个目标时。这是一个短片视频在这个话题。
• 这里有一个显示如何执行自动检测的示例以及移动摄像头的追踪。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，以及识别和消除误报警轨迹的启发式算法。
• 卡尔曼滤波器通常用于GNC系统，如传感器融合，通过融合GPS和IMU(惯性测量单元)测量数据来合成位置和速度信号。一个案例研究使用卡尔曼滤波器控制系统可以看到在这里．
• 这里有一个例子利用卡尔曼滤波器估计在二维空间中可以自由移动的车辆的位置和速度。

还有很多例子使用卡尔曼滤波器．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。