容积卡尔曼滤波（cubature Kalman filtering；CKF），工学-控制科学与工程-导航-〔导航术语〕-〔导航算法〕-最优估计方法，建立在基于高斯假设的迭代贝叶斯估计框架下的非线性系统状态估计算法。容积卡尔曼滤波（cubature Kalman filter; CKF）从数值积分的角度来近似非线性高斯滤波中的5个高斯积分，采用容积规则来近似非线性函数传递的后验均值和协方差，将非线性函数与高斯概率密度的积分求解问题转化为容积点的求和问题。基本CKF的滤波过程是首先通过三阶球面径向（spherical-radial）容积规则，根据状态先验均值和协方差来选取容积点和对应权重，再将这些容积点经非线性函数传递，最后对传递后的容积点进行加权处理得到近似的状态后验均值和协方差。由此可见，它与中心差分滤波和无迹卡尔曼滤波方法一样，也属于确定采样型的滤波算法。CKF不依赖非线性函数的具体形式，可以用来处理任何非线性系统，无须像扩展卡尔曼滤波那样对非线性函数进行线性化，计算非线性函数的雅可比矩阵，从而避免对非线性函数具体形式的依赖，算法较为独立。