卡爾曼平滑器（RTS／固定區間）

平滑器以該時刻之前與之後的觀測共同估計每個隱藏狀態，這與僅用過去的濾波器不同。Rauch–Tung–Striebel 演算法以一次前向卡爾曼傳遞、再接一次後向遞迴，對線性高斯模型高效地完成此事，後向遞迴以稍後到達的資訊校正每個濾波估計。由於利用了未來資料，平滑估計必定至少與濾波估計一樣準確，且明顯更平滑。

問題在於使用未來資料使平滑成為非因果，因此無法在即時控制迴路中運行——解碼器不能等待尚未收到的觀測。故在 BCI 中平滑器是離線工具：為分析重建軌跡、計算學習狀態空間參數所需的充分統計量（它們是 EM 演算法的 E 步驟），並提供一個最佳情況基準，衡量資料相對於因果濾波器所達成者含有多少資訊。