为了提高中心差分卡尔曼粒子滤波（CDKFPF）算法跟踪时的估计精度，提出了一种基于迭代测量更新CDKF的粒子滤波（ICDKFPF）新算法。该算法利用迭代中心差分卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数，并用Levenberg-Marquardt方法对状态协方差进行修正，使粒子的观测信息得到充分有效的利用，更加符合真实状态的后验概率分布。仿真结果表明，所提出算法的估计性能要明显优于标准的粒子滤波（PF）和中心差分卡尔曼粒子滤波（CDKFPF）。