Важной классической задачей обработки стационарных последовательностей в условиях непараметрической неопределенности является задача фильтрации в случае, когда распределение полезного сигнала неизвестно. В работе предполагается, что неизвестный полезный сигнал является марковским. Это позволяет построить оценку полезного сигнала $(S_n)_{n\geq1}$,
выражающуюся через характеристики наблюдаемых случайных последовательностей $(X_n)_{n\geq1}$, например их плотностей распределения. Уравнение для оптимальной байесовской оценки (уравнение оптимальной фильтрации) такого сигнала было получено А.В. Добровидовым. В данной работе доказано, что в случае, когда ненаблюдаемая марковская последовательность определена линейным уравнением с гауссовым шумом, уравнение оптимальной фильтрации совпадает с классическим фильтром Калмана.