Le filtre SEEK (Singular Evolutive Extended Kalman) a été
récemment introduit ([41]) pour pallier à ces
difficultés. Il prend en compte à la fois les versions
linéarisées des opérateurs pour une application à un système
non linéaire (Extended) et une reduction d'ordre (Singular
Evolutive), généralement à l'aide d'une analyse EOF (Empirical Orthogonal
Functions). Au lieu de travailler sur l'espace d'état de dimension
trop élevée, le filtre SEEK travaille avec des matrices de
dimensions plus petites, représentées par des vecteurs décrivant
les modes dominants du système. Généralement on ne conserve que
quelques dizaines de modes propres, ce qui réduit considérablement
le rang des matrices, et permet d'envisager une mise en 
uvre
numérique.
Beaucoup d'autres évolutions du filtre de Kalman existent (Kalman ensemble, Kalman adaptatif,...), chacune apportant quelques simplifications au filtre de Kalman étendu de façon à le rendre numériquement programmable pour des problèmes de grande dimension, généralement en réduisant la taille des matrices de covariance.