卡尔曼滤波算法(KF)是序贯数据同化的一种，是由Kalman针对随机过程状态估计提出的。KF的基本思想是利用前一时刻的状态估计值和当前时刻的观测值来获得动态系统当前时刻状态变量的最优估计，包括预报和分析两个步骤。

基本概念

在预报阶段，根据前一时刻的模式状态生成当前时刻模式状态的预报值。在分析阶段，引入观测数据，利用最小方差估计方法对模式状态进行重新分析。随着模式状态预报的持续进行和新的观测数据的陆续输入，这个过程不断向前推进。即模式随着时间向前积分进行状态预报，当出现观测数据时,根据模式预报误差的协方差矩阵(已知)和观测误差的协方差矩阵(已知)之间相对大小导出状态的最小方差估计。