칼만 필터를 사용하여 상태 변수를 추정하는 방법은 다양하게 연구되어 왔으며, 급격한 외란이 발생하는 상황에서 외란에 대한 영향을 적게 받으며 상태 변수를 추정하는 방법으로 최근의 관측치를 주로 이용하는 이동구간 칼만 필터가 제시되었다.

최근의 관측치를 사용하여 상태 변수를 추정하는 법으로 유한 기억 추정법(Finite memory estimation)이나 이동 구간 추정법(sliding window estimation)등이 존재하며 이러한 추정자는 일종의 FIR(Finite impulse response) 추정자로 사용자가 설정한 임의의 구간에 해당하는 최근의 관측치를 사용하여 상태 변수를 추정한다. FIR 필터에 대비되어 최초의 측정치부터 추정하고 있는 현재까지의 측정치를 모두 사용하여 상태 변수를 방법으로는 IIR(Infinite impulse response)이 있다.

다음 그림은 현재의 상태 변수를 추정하기 위해 사용하는 측정치 영역을 비교하여 나타낸 것이다.

아래 그림은 동일한 측정치와 외란 구간에 대하여 IIR 필터와 FIR 필터로 추정하였을 때 상태변수의 추정 오차를 나타낸 것으로 IIR 필터와 FIR 필터 성능을 비교할 수 있고 위에서 제시한 각 필터의 특성을 확인할 수 있다.

위 그림과 같이 IIR 필터는 초기 측정치부터 현재까지 측정치를 모두 사용하여 상태변수를 추정하므로 초기 측정치가 현재까지 영향을 미치게 되고 FIR 필터는 임의의 구간에 해당하는 최근의 측정치를 사용하여 임의의 구간에 속하는 측정치만 상태변수의 추정에 영향을 미친다.
상태변수를 추정하는데 사용하는 측정치 영역의 차이는 외란에 대한 영향에서도 서로 다르게 나타난다.
일반적으로 FIR 필터는 IIR 필터에 비해 추정 오차 및 일시적 외란에 강인한 특성을 갖는데, 이는 계측치가 속한 구간이 외란의 영역을 벗어나게 되면 현재의 상태 변수는 구간 초기치(horizon initial state)만이 외란의 영향을 받기 때문이다.

따라서 외란의 영향이 계속 남아 있는 IIR 필터에 비하여 상대적으로 빠른 시간에 외란의 영향에서 벗어나 상태변수를 추정할 수 있다.
그러나 FIR은 현재의 상태 추정에 사용하는 측정치의 값이 계속 변하므로 복잡한 구조를 가지며 계산량도 많다.
반면, IIR은 초기 측정치부터 추정하고자 하는 상태의 바로 전까지 측정치 값이 현재 추정값에 반영되어 있으므로, 상태변수를 추정할 때 전체 측정치를 모두 반영하는 바로 전 단계의 추정치를 이용하여 계산량이 적고 간단한 구조를 가진다.