简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（化自回归数据处理算法）”。对于解决很大部分的问题，他是，高甚至是用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及追踪等等。 线性滤波理论起源于40年代美国科学家wiener和前苏联卡尔曼滤波的结果
科学家kолмогоров等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点，60年代kalman把状态空间模型引入滤波理论，并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计的准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。