Kalman-Filter werden in sensorbasierten ADAS als Teil von Radarnachführern benutzt, um Positions- und Geschwindigkeitsmessungen der Radarsensoren zu glätten. Die Entwicklung des EnSilica Kalman-Filter IP folgt den Richtlinien für die Integration von Geräten gemäß Standard ISO 26262: Funktionale Sicherheit für Straßenfahrzeuge. Es unterstützt sowohl klassische Kalman-Filter als auch erweiterte Kalman-Filter; die letzteren werden eingesetzt, wenn der Zusammenhang zwischen dem Zielzustand des Filters und der Radarmessung nicht linear ist.
Die Architektur des EnSilicas Kalman-Filters erlaubt es Matrixoperationen von der CPU auf die Hardware zu übertragen. Es benutzt Entfernungs- Geschwindigkeits- und Richtungsmessungen, um die Position des Ziels im nächsten Zeitintervall vorherzusagen. Es kombiniert die Radarmessung mit einem dynamischen Bewegungsmodell mit forward prediction, um die Positions- und Geschwindigkeitsschätzung zu verbessern, indem false-alarm Messungen verworfen werden. Der Kalman-Filter-IP–Block stellt auch einen generischen Algorithmus zur Verfügung, um Messungen von verschiedenen Sensoren in eine einzige Zielrichtung vereinen zu können.
Für ein typisches automotives Radarsystem kann das EnSilicas Kalman-.Filter den nächsten Zustand laut Hersteller in etwa 10µs bestimmen.
Das Filter führt 5 Rechenschritte durch: Setzen der Anfangswerte, Vorhersage der Zustands- und Fehler-Kovarianzen, Berechnung des Kalman-Gewinns, Durchführung der Schätzung und Berechnung der Fehler-Kovarianz. Alle Berechnungen werden in Gleitkomma-Arithmetik ausgeführt, um identische Ergebnisse gegenüber einer Softwarelösung zu erreichen. Zum Speichern der Matritzen werden abhängig von deren Größe typischerweise 8Kbit RAM-Blöcke benutzt.