对非线性非Gauss 系统, 粒子滤波是一种有效的状态估计方法。粒子滤波的关键是建议分布的选择, 好的 建议分布会改进粒子贫化和样本耗尽等粒子滤波存在的普遍问题。该文用迭代无迹Kalman 滤波产生粒子滤波的 建议分布, 提出了一种新的粒子滤波算法—— 迭代无迹Kalman 粒子滤波。给出的建议分布将最新的观测融入样本 过程并修正该过程, 从而改进了滤波性能

备注： 无迹卡尔曼滤波算法 仿真场景为三维雷达目标跟踪 并与容积卡尔曼滤波算法比较了性能 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 输出：三维跟踪轨迹，各纬度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE. 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501