В обновлении измерения регулярного Фильтра Калмана фильтр обычно только должен обновить состояние и ковариацию на основе одного измерения. Например, уравнения для обновления измерения дискретного расширенного Фильтра Калмана могут быть даны как

где x_{, k} ⁻ и x_{, k} ⁺ является априорным и по опыту утверждает оценки, соответственно, K _k, является усилением Кальмана, y, является фактическим измерением, и h (x _k ⁻) является предсказанным измерением. P _k ⁻ и P_{, k} ⁺ является априорным и по опыту утверждает ошибочные ковариационные матрицы, соответственно. Инновационная матрица S _k задана как

где H _k является якобиевской матрицей для функции измерения h.

В рабочем процессе средства отслеживания JPDA фильтр должен обработать несколько вероятных измерений y _i (i = 1, …, N) с отличавшимися вероятностями ассоциации β _i (i = 0, 1, …, N). Обратите внимание на то, что β ₀ является вероятностью, что никакие измерения не сопоставлены с фильтром. Уравнения обновления измерения для дискретного расширенного Фильтра Калмана, используемого для средства отслеживания JPDA,

где

и

Обратите внимание на то, что эти уравнения только применяются к trackingEKF и не являются точными уравнениями, используемыми в других фильтрах отслеживания.