O filtro de Kalman é um método recursivo que tem sido utilizado em certas aplicações, tais como o posicionamento cinemático por GPS e a navegação por sistema inercial. A modelagem funcional básica desse método é composta por duas equações matriciais, a das observações e a do modelo dinâmico:

L_b = A . X + V

X₂ = T_1/2 . X₁ + W

Onde:

L_b é o vetor das observações;

A é a matriz dos coeficientes;

X é o vetor das variáveis aleatórias;

X₁ é o vetor das variáveis aleatórias em um tempo t₁ ;

X₂ é o vetor das variáveis aleatórias em um tempo t₂ ;

T_1/2 é a matriz de transição do tempo t₁ para o tempo t₂ ;

V é o vetor de ruídos na equação das observações e

W é o vetor de ruídos na equação do modelo dinâmico.

Considerando que E(x), denota a esperança matemática de uma variável x, e Cov(x), a covariância de uma variável x, a afirmação:

Para que se possa aplicar o filtro de Kalman, uma das injunções iniciais é que haja independência estatística entre os ruídos da equação das observações e o modelo dinâmico.

significa que