מה הבעיה שהוא פותר: להעריך מצב לא-ידוע מתוך רעש
מסנן קלמן הוא אלגוריתם רקורסיבי שמעריך משתנים לא-ידועים של מערכת דינמית — למשל מיקום ומהירות של כלי-רכב — מתוך סדרת מדידות שכל אחת מהן נושאת רעש סטטיסטי ואי-דיוקים. במקום להסתמך על מדידה בודדת, הוא צובר את כל המדידות שנצפו עד כה לכדי הערכה אחת, שנוטה להיות מדויקת יותר מכל מדידה בפני עצמה. "רקורסיבי" פירושו שהוא אינו זקוק לזכור את כל ההיסטוריה: בכל צעד הוא מעדכן הערכה יחידה, ולא מחשב מחדש על סמך כל המדידות שקדמו לה. תחת ההנחה שהמערכת ליניארית ושרעש-המדידות מתפלג נורמלית, מסנן קלמן אינו רק ניחוש סביר: הוא האמדן הליניארי הטוב-ביותר האפשרי, במובן שהוא ממזער את השגיאה הריבועית הממוצעת מכל חלופה ליניארית אחרת.
1960: רודולף קלמן ומאמר-היסוד
קלמן, מהנדס ומתמטיקאי הונגרי-אמריקאי, פרסם את השיטה במאמרו "A New Approach to Linear Filtering and Prediction Problems", בכתב-העת Journal of Basic Engineering, ב-1960, בעת עבודתו במכון-מחקר פרטי בבולטימור. בניגוד לגישות-סינון קודמות, שהתבססו על ניתוח בתחום-התדר (כמו מסנן וינר), קלמן ניסח את הבעיה במרחב-המצב — ייצוג ישיר של מצב המערכת המשתנה בזמן — התאמה טבעית הרבה יותר לחישוב רקורסיבי במחשב. גרסאות דומות תוארו כבר קודם לכן — סוורלינג ב-1958, ולאחר קלמן, קלמן ובוצי יחד ב-1961, המכונה לעיתים "מסנן קלמן-בוצי". קלמן קיבל על עבודתו את מדליית-הכבוד של ה-IEEE ב-1974 ואת מדליית-המדע הלאומית של ארה"ב ב-2009.
המנגנון: מחזור של חיזוי ועדכון
האלגוריתם פועל במחזור דו-שלבי החוזר על עצמו בכל צעד-זמן חדש. בשלב-החיזוי הוא משתמש במודל של המערכת כדי לנחש את המצב הבא, לפני שהגיעה מדידה כלשהי. בשלב-העדכון, כשמגיעה מדידה חדשה, הוא משווה אותה לחיזוי ומתקן את ההערכה לפי משקל שנקבע ממידת אי-הוודאות של שניהם — "רווח-קלמן" (Kalman Gain). כשהמדידה אמינה יחסית לחיזוי, המשקל נוטה אליה; כשהחיזוי אמין יותר, המשקל נשאר קרוב אליו. לצד ההערכה עצמה שומר המסנן גם מטריצת-שונות-משותפת, שמתארת כמה ודאית ההערכה הנוכחית, ומתעדכנת יחד איתה בכל מחזור.
אפולו: מהמעבדה למחשב-הניווט
מסנן קלמן נותר תיאורטי בעיקרו עד שקלמן ביקר במרכז-המחקר איימס של נאס"א בסתיו 1960, שם פגש את סטנלי שמידט מענף-ניתוח-הדינמיקה. שמידט זיהה שאפשר להתאים את המסנן לבעיית-הניווט הלא-ליניארית של תוכנית אפולו על ידי ליניאריזציה סביב מסלול-ייחוס, ופיתח בעצמו את הגרסה הזו — התחלה של מה שיתפתח למסנן קלמן מורחב. הגרסה המורחבת אכן הוטסה במחשב-הניווט של אפולו 11, ומאז נחשבת לאחד הכלים שאפשרו את הנחיתה על הירח.
מגבלה ופתרונות: מסנן מורחב ומסנן חלקיקים
הגרסה המקורית אופטימלית רק כשהמערכת ליניארית ורעש-המדידות בעל התפלגות נורמלית — תנאי שכמעט אף מערכת אמיתית לא מקיימת במדויק. מסנן קלמן מורחב (Extended Kalman Filter) מקרב מערכות לא-ליניאריות באמצעות ליניאריזציה מקומית סביב ההערכה הנוכחית, ומאפשר להשתמש באותו מנגנון-בסיס. כשההתפלגות רחוקה מדי מנורמלית, או שהלא-ליניאריות חריפה מדי, נעשה שימוש במסנן חלקיקים — שמייצג את אי-הוודאות כאוסף השערות מתחרות במקום כהתפלגות-אחת יחידה, במחיר עלות-חישוב גבוהה יותר. גם מסנן קלמן בלתי-ריחני (Unscented Kalman Filter) פותח כדי לטפל בלא-ליניאריות, בלי לבצע ליניאריזציה מפורשת כמו ב-EKF.
שימושים היום: מניווט ועד היתוך-חיישנים
מסנן קלמן משמש כיום בכל מקום שבו נדרשת הערכת-מצב רציפה מתוך מדידות מורעשות: GPS, רובוטיקה, היתוך-חיישנים ברכב אוטונומי, מיפוי ואיכון בו-זמניים (SLAM), עיבוד-אותות ואף בכלכלנות. גם מערכות-הגנה אוויריות משתמשות בו למעקב אחר קליעים, ובישראל הוא ידוע בהקשר הזה כרכיב בעקיבה של מערכות כמו כיפת ברזל. בכל התחומים האלה הוא נשאר הכלי הבסיסי שממנו יוצאות ההרחבות המורכבות יותר לבעיות לא-ליניאריות.