Filtr śledzący to algorytm obliczeniowy lub technika stosowana w systemach przetwarzania i sterowania sygnałami w celu oszacowania bieżącego stanu obiektu dynamicznego lub systemu w oparciu o zaszumione lub niekompletne pomiary w czasie. W radarach i innych zastosowaniach śledzących filtr śledzący w sposób ciągły realizuje oszacowanie pozycji celu, prędkości i innych istotnych parametrów w miarę udostępniania nowych danych z czujników. Filtr integruje przychodzące pomiary z przewidywaniami z matematycznego modelu zachowania celu, aby zoptymalizować proces szacowania. Poprzez iteracyjne udoskonalanie szacunków poprzez etapy przewidywania i korygowania, filtr śledzący dostarcza w czasie rzeczywistym informacji o trajektorii i charakterystyce śledzonego obiektu, ułatwiając zadania takie jak śledzenie celu w zastosowaniach obserwacyjnych, nawigacyjnych i wojskowych.
Aktywny filtr śledzący oznacza filtr śledzący, który aktywnie dostosowuje swój proces szacowania w oparciu o pomiary w czasie rzeczywistym i informacje zwrotne z zewnętrznych czujników lub źródeł. W przeciwieństwie do pasywnych filtrów śledzących, które w celu aktualizacji swoich szacunków opierają się wyłącznie na przychodzących danych, aktywne filtry śledzące zawierają dodatkowe informacje, takie jak dane wejściowe sterujące lub informacje zwrotne z otoczenia, w celu poprawy dokładności i szybkości reakcji. W systemach radarowych i pokrewnych aktywne filtry śledzące mogą wykorzystywać strategie sterowania dynamicznego lub algorytmy adaptacyjne w celu adaptacyjnego dostosowywania modeli predykcyjnych i aktualizacji pomiarów w odpowiedzi na zmieniające się warunki lub cele. To proaktywne podejście poprawia zdolność filtra do utrzymywania dokładnego i niezawodnego śledzenia poruszających się obiektów, nawet w złożonych i nieprzewidywalnych środowiskach.
Filtr Kalmana w śledzeniu to specyficzny rodzaj filtra śledzącego oparty na algorytmie filtra Kalmana, który jest szeroko stosowany do estymacji stanu w układach liniowych i Gaussa. W zastosowaniach radarowych i podobnych filtr Kalmana modeluje dynamikę śledzonego obiektu jako system liniowy i przetwarza zaszumione pomiary, aby przewidzieć i udoskonalić stan obiektu w czasie. Równoważąc przewidywanie z korekcją pomiaru, filtr Kalmana optymalizuje estymację stanu poprzez minimalizację błędu średniokwadratowego pomiędzy stanami przewidywanymi i obserwowanymi. Takie podejście sprawia, że filtr Kalmana jest szczególnie skuteczny w śledzeniu ruchomych celów o przewidywalnych zachowaniach i charakterystykach pomiarowych. Jest szeroko stosowany w systemach radarowych do zastosowań takich jak kontrola ruchu lotniczego, naprowadzanie rakiet, autonomiczna nawigacja i lokalizacja z użyciem robotów, gdzie precyzyjne i niezawodne śledzenie ma kluczowe znaczenie dla powodzenia operacyjnego.
