Este documento propone un método de filtro Bayesiano de núcleo de importancia reponderado iterativamente (IRe-KBF) para manejar datos de alta dimensionalidad o complejos en problemas de filtrado bayesiano. Este enfoque innovador incorpora pesos de importancia y un esquema de reponderación iterativa inspirado en Mínimos Cuadrados Reponderados Iterativamente (IRLS) para mejorar la robustez y precisión de la inferencia bayesiana. El método propuesto no requiere una especificación explícita de distribuciones previas y de verosimilitud; en su lugar, aprende las representaciones medias de núcleo a partir de los datos de entrenamiento. Los resultados experimentales demuestran el rendimiento superior de este método sobre los métodos tradicionales de KBF en conjuntos de datos de alta dimensionalidad.