英文：Kalman Filter 分类：embodied
线性高斯系统的最优递推滤波器：交替执行"预测（模型传播）→ 更新（测量修正）"，融合先验与观测得到最小方差状态估计。
公式：预测（x=P·F·x、P=F·P·F′+Q）→ 更新（卡尔曼增益 K=P·H′(HPH′+R)⁻¹、x=x+K(z−Hx)）；前提：线性+高斯噪声；扩展：EKF（线性化）、UKF（无迹变换）、误差状态（惯导）。
用于机器人定位（融合 IMU+里程计+GPS）、自动驾驶目标跟踪、无人机姿态估计与金融滤波；卡尔曼滤波是"传感器融合"的黄金算法。