针对无源定位中EKF方法的不足，Song提出另一种修正增益的扩展卡尔曼滤波(Modified Gain EKF，MGEKF)方法，即如果观测方程的非线性函数是“可修正的(Modifiable)”，那么就可以用测量值计算卡尔曼增益的修正函数，从而对卡尔曼滤波的增益进行修正更新。随后Galkowski用更加简单的方法重新推导了只测角条件下的MGEKF滤波方程，用仿真验证了这种算法确实要比EKF方法要优越。后来Guerci又提出一种目标初始状态选定的方法以改进EKF或MGEKF的缺陷。

由于MGEKF方法需要寻找观测量的修正函数，因此当所用的观测量不满足可修正条件时，寻找一种稳健、高精度的跟踪滤波方法也就成为一个备受关注的问题。本文对这个问题进行研究并提出了一种修正协方差的卡尔曼滤波(Modified coVariance EKF, MVEKF)算法，绕开了MGEKF方法中去寻找修正函数的问题，同时又保持了和MGEFK相近的性能，对于更一般的非线性滤波问题具有更广的实用性。