鲁道夫·卡尔曼于56年前发明的卡尔曼滤波算法，仍然持续地对现代技术发生着重要影响。

　　许多引发数字革命的发明家，像史蒂夫·乔布斯、比尔·盖茨、马克·扎克伯格，都对改变我们日常生活和社会的技术进步做出了巨大贡献，他们也理所应当地成为家喻户晓的大名人。

　　但是，有一位重要的发明家，如果不是专业的工程师，可能不会知道他的名字。他就是鲁道夫·卡尔曼（Rudolf Kálmán），一位出生于匈牙利的才华横溢的美国工程师和数学家。

　　卡尔曼最重要的发明是卡尔曼滤波算法（The Kalman Filter Algorithm），该算法促成了过去50年间的许多基础性技术发明，如把阿波罗号宇航员送上月球的航天计算机系统、把人类探索世界的触角伸向深海和外行星的机器人，以及几乎所有需要从噪声数据中估算现实世界状态的发明成果。

　　有人甚至把包括环绕地球的卫星系统、卫星地面站及各类计算机系统在内的整个GPS系统，统称为一个巨大的卡尔曼滤波器。

　　尽管在大众中寂寂无名，卡尔曼在其专业领域中却广为人知并备受赞赏，曾获得无数的奖项和荣誉，其中包括2009年由奥巴马总统授予的美国国家科学奖章。

　　如果你在过去40年间进行过机器人、控制论或航空航天工程学等方面的研究，那么卡尔曼滤波算法对你研究工作的作用，就如同勾股定理对准备SAT（美国学术能力评估测验——编者注）考试的高中生那样重要。

　　让我们来看看卡尔曼滤波算法到底有多重要吧。控制工程师都知道，我们只能控制我们能测量的东西，而且测量得越精确，控制得越好。

　　以19世纪60年代设计阿波罗飞行控制计算机的工程师们面临的挑战为例。当时，计算机从陀螺仪、加速度计和雷达等传感器获取的原始测量数据，atv，充满了包括随机错误和难以处理误差在内的固有噪声。当宇宙飞船高速飞向月球的岩石表面时，这些错误可是致命的。

　　我们必须以某种方式从测量结果中过滤噪声，并尽可能对宇宙飞船所处的位置和运动速度做出精确估算。我们还必须知道这些估算在统计意义上的好坏程度，因为过于乐观的估算结果可能是灾难性的——在宇宙飞船飞向月球、尝试登月或重返地球大气层时穿越狭窄入口通道的旅途中，所有这些都必须在几分之一秒内完成！

　　鲁道夫·卡尔曼就是在解决这些问题时大显身手的。他在1960年发布的这个巧妙的递归评估滤波算法，不仅能在噪声测量环境中达成精确估算的目标，并预测位置、距离、速度等关键变量，而且能估算噪声。控制论的创始人诺伯特·维纳（Norbert Wiener）以前曾解决过这个问题，但卡尔曼的解决方案更适用于新兴的数字计算机和实时处理。

　　当尼尔?阿姆斯特朗（Neil Armstrong）通过软件程序控制阿波罗11登月舱，降落在月球表面的宁静海（Sea of Tranquility）时，卡尔曼滤波器让来自地基雷达的实时位置跟踪数据与登月舱板载传感器协调一致地工作。

　　在当年的录音带中，你甚至能听到当阿姆斯特朗登月时，巴兹·奥尔德林（Buzz Aldrin）（续阿姆斯特朗之后踏上月球的阿波罗11号宇航员——编者注）调用卡尔曼滤波器进行位置估算的声音。

　　我们的手机每天都在利用更现代化的卡尔曼滤波器进行同样的计算。手机的GPS传感器给我们提供现实世界的地球表面坐标，其加速度计能感知快速的小运动。上述测量信息通常都充满噪声和各种类型的误差，但卡尔曼滤波算法能完美地将它们结合成准确的信息。

　　比如，当驾车驶入隧道时，车辆会丢失GPS信号。这时，卡尔曼滤波算法能进行相当不错的航位推算，直到你驶出到隧道另一侧并重新获得GPS信号。

　　这些还仅仅是鲁道夫·卡尔曼影响世界的开始。在下一个十年中，卡尔曼滤波算法将会在消费级技术中发挥作用，这些技术将会以同样深刻的方式改变我们的生活。