Als Mathematiker tut man sich immer schwer mit so Formulierungen wie "bester Weg". Ich muss mal anmerken, dass ich mich mit dieser Form der "Folienvorlesungen" schwer tue. Viele Formeln, aber die Zusammenhänge dazwischen fehlen.
Was mich stutzen lässt, ob der "Kalman-Filter" hier wirklich die "optimale" Variante ist, ist die Tatsache, dass Luftdruck und GPS hier doch sehr unterschiedlich geartete fehlerbehaftete Messgrößen sind. Insbesondere ist der Fehler der Luftdruckmessung nicht Standardnormalverteilt, sondern je nach Luftdrucksituation hat man eine deutliche Verschiebung des Erwartungswertes aus der Null. Die Varianz ist hingegen ziemlich klein. Dem muss der "optimale Algorithmus", wenn man das implementieren will, irgendwie Rechnung tragen. Und ich sehe nicht, wo das in dem Verfahren steckt.
Außerdem weiß man beim Radfahren auch, dass man eben Rad fährt. Sprich die einzelnen Messzeitpunkte sind nicht wirklich unabhängig voneinander, sondern dazwischen führt der Radler eine in erster Näherung lineare (oder man nimmt eben noch mehr Terme dazu) Bewegung aus. Genauso ändert sich halt auch die Höhe in dieser Weise. Waren bis vor 1s alle Sensoren sich "einig", dass man sich auf 0m befand und sind sich dann alle Sensoren einig, dass man eine Sekunde später 20m höher ist, dann muss das trotzdem ein "kollektiver Messfehler" sein, weil das mit einer radtypischen Bewegung nicht zusammen passt. Soweit ich das überblicket habe, verwendet der Kolman-Filter nur zusätzlich die Daten vom letzten Messzeitpunkt - da wird definitiv zu viel Information "verschenkt".