针对高斯型非线性滤波器在大初始估计误差和/或小量测误差条件下的估计性能恶化问题,提出一种新的高斯型非线性滤波器设计方法。从优化角度出发,将当前时刻状态视为未知参数,以高斯假设下状态-观测联合概率分布密度的对数作为代价函数,基于一阶线性化和牛顿下降方法推导了迭代观测更新方程,在此基础上设计了一种迭代型高斯非线性滤波器。通过典型仿真算例将所提算法与几种经典滤波器及近期提出的几种迭代型高斯滤波器进行了性能对比。结果表明,算法具有更好的收敛性和准确性,适于大初始误差条件下的非线性滤波问题。