Eines gleich vorweg: Zur Kaffeezubereitung taugt der Kalman-Filter nicht. Er ist aber eine beliebte und bekannte Methode zur Analyse von dynamischen, d.h. zeitveränderlichen Systemen, die einerseits zufälligen Störungen unterworfen sind, deren aktueller Zustand aber nur indirekt oder nur teilweise direkt beobachtet werden kann. Die Anwendungen des Kalman-Filters reichen von der Analyse von ökonomischen Zeitreihen über die Beobachtung und Kontrolle von Flugkörpern bis zur Schätzung von Spuren geladener Teilchen in der Datenanalyse unserer Experimente.
Für diese Anwendung ist der Kalman-Filter sogar besonders gut geeignet, da die Dynamik eines geladenen Teilchens im Magnetfeld des Experiments wohlbekannten Gesetzen unterliegt. Auch gibt es für die zufälligen Störungen der Bahn im Material des Detektors recht genaue Modelle. Dadurch hat sich der Kalman-Filter als eine Standardmethode in der Spurrekonstruktion etabliert. Übrigens können auch Zerfalls- und Wechselwirkungspunkte, sogenannte Vertizes, als dynamische Systeme interpretiert und mit dem Kalman-Filter geschätzt werden.
Seit der grundlegenden, im Jahr 1987 erschienen Arbeit wurden verschieden Varianten und Modifikationen entwickelt. Mit dem kombinatorischen Kalman-Filter werden die passenden Messpunkte zu einem bereits existierenden Spursegment gesucht. Die adaptive Variante erlaubt es, zwischen konkurrierenden Messpunkten zu entscheiden und falsch zugeordnete Messpunkte zu unterdrücken. Im Gaußsummen-Filter laufen mehrere Kalman-Filter parallel, wodurch auch Störungen mit komplizierteren Modellen effektiv behandelt werden können. Von der ungebrochenen Bedeutung der Methode zeugen schließlich neuere Forschungsarbeiten über die Parallelisierung des Filters sowie die Implementierung in Vektorprozessoren und in ultraschneller Hardware.
Publikation: Application of Kalman filtering to track and vertex fitting