针对条件线性高斯状态空间模型, 提出cubature 卡尔曼滤波-卡尔曼滤波算法(CKF-KF), 分别应用CKF 和KF 估计模型中的非线性和线性状态. 该算法对非线性与线性状态均进行cubature 采样, 并将两种样本通过线性方程和量测方程进行传播, 以获得非线性状态估计. 机动目标跟踪仿真结果表明, CKF-KF 的估计精度比Rao-Blackwellized 粒子滤波器(RBPF) 略低,但算法运行时间不到其1%; 与无迹卡尔曼滤波器(UKF-KF) 相比, 估计精度相当, 但算法运行