In this talk, the state estimation problem for a class of nonlinear uncertain systems is studied. A novel filter based on extended state 

is designed to achieve better estimation of states by estimating and compensating for the nonlinear dynamics. We prove that under certain 

conditions the augmented cost function, resulted from the extended state, is lower than desired bound in the presence of large initial 

estimation error as well as unknown nonlinear dynamics in system. Also, the proposed algorithm provides the solution of optimizing the 

augmented cost function. In addition, the comparison between the augmented cost function and the original cost function is rigorously 

analyzed. The simulation results validate the effectiveness of our filter.