传统的信号处理主要研究线性、时不变、最小相位、平稳信号以及物理可以实现的系统。这些我们在通信专业的本科课程《信号与系统》和《通信原理》中都已经有所学习。这也和我们目前所掌握的处理信号的方法或者说工具有关，主要是微分方程、差分方程、积分、傅里叶变换、卷积等相对比较重要却基本的工具。正是因为如此，我们对一些时变系统、非平稳信号等很难有所突破。
当时间进入20世纪中叶时，这些传统的通信工程和统计学、小波分析、维纳滤波器、ARMA等结合了起来，诸如利用信号和噪声的统计特性等信息来建立最佳判决的数学理论，针对非平稳信号的卡尔曼滤波器、现代谱估计等一大批现代信号处理技术层出不穷，使传统通信又一次爆发出了无尽的光芒。下面本文主要就一些对信号处理有重大作用的滤波器做一些总结，比如FIR、IIR、CIC、匹配滤波器、维纳滤波器、卡尔曼滤波器等等……
1.卡尔曼(kalman)滤波
卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文:measurement)中，估计动态系统的状态。
应用实例
卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度. 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影. 同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题.
比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波),也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑).
命名
这种滤波方法以它的发明者鲁道夫.E.卡尔曼（Rudolf E. Kalman）命名. 虽然Peter Swerling实际上更早提出了一种类似的算法.
斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表.
目前,卡尔曼滤波已经有很多不同的实现.卡尔曼最初提出的形式现在一般称为简单卡尔曼滤波器.除此以外,还有施密特扩展滤波器,信息滤波器以及很多Bierman, Thornton 开发的平方根滤波器的变种.也行最常见的卡尔曼滤波器是锁相环，它在收音机,计算机和几乎任何视频或通讯设备中广泛存在.
