矿山建构筑物监测是保障矿山生产设施安全的重要内容,卡尔曼滤波(Kalman Filter)可以处理实时动态监测数据并进行预测,在估计状态参数时以状态方程的预测值作为估计参数的先验信息,并通过最小二乘法求得滤波解。本文在卡尔曼滤波方程和总体卡尔曼滤波现状的基础上,对滤波方程分析和滤波增益求解两部分展开工作。总结了变形监测、组合导航、GNSS动态定位以及建构筑物监测在应用卡尔曼滤波处理监测数据时的状态、观测和控制向量,在此基础上,对如何建立矿山建构筑物形变监测数据滤波的状态、观测和控制向量进行分析并给出了建议。利用总体最小二乘法求解卡尔曼滤波,通过增益矩阵的解算对比了卡尔曼滤波和总体卡尔曼滤波(Total Kalman Filter)两种方法。分析了总体卡尔曼滤波的算法原理,梳理了相应的算法流程,并重点讨论了增益矩阵的求解算法。将总体卡尔曼滤波的程序实现分为数据预处理,参数设置,初始化数组和列表,算法过程实现和滤波结果分析5个部分。利用Python语言定义了算法中各变量的数据结构和全局变量初始化函数、协因数矩阵、增益矩阵和Kronecker积计算方法模块,编程实现了总体卡尔曼滤波的算法过程。以某矿山选煤厂栈桥支撑柱为监测对象进行了实例计算。通过卡尔曼滤波和总体卡尔曼滤波对监测点位移和速度状态参数的滤波计算结果对比分析了两种方法,表明总体卡尔曼滤波在矿山建构筑物形变监测数据处理中具有一定实用价值。