粒子滤波是近年来出现的新算法，适用于非线性、非高斯系统的参数估计和状态滤波问题。目前它仍有许多问题需要解决。例如，重要性密度函数的选择、粒子滤波的收敛性、拓展粒子滤波的应用领域等问题。因此，对粒子滤波算法进行研究具有重要的理论意义。粒子滤波在混沌信号降噪处理中的应用研究刚刚起步，这一研究将为混沌信号及水声混沌信号的降噪处理提供一种新的方法，具有一定的理论价值和较强的应用前景。　　本论文以粒子滤波和混沌理论为基础，围绕粒子滤波及其在混沌信号降噪处理中的应用开展相关研究工作。主要研究内容及创新点如下：　　1.针对中心差分卡尔曼滤波方法的估计精度不高这一问题，提出了一种基于迭代测量更新的中心差分卡尔曼滤波方法。针对高斯-牛顿优化方法稳定性较差这一问题，利用列文伯格-马夸尔特方法调整预测协方差阵，优化迭代过程，从而增加了算法的稳定性。通过迭代可以得到系统状态的最大后验概率密度函数的估计，估计精度要优于扩展卡尔曼滤波和中心差分卡尔曼滤波。因此，利用迭代测量更新的中心差分卡尔曼滤波产生重要性密度函数，提出了一种基于迭代测量更新中心差分卡尔曼滤波的粒子滤波。仿真实验结果表明，提出的基于迭代测量更新中心差分卡尔曼滤波的粒子滤波的估计性能要优于标准粒子滤波和中心差分卡尔曼粒子滤波。　　2.针对无迹卡尔曼滤波测量更新方法的不足，提出了一种对无迹卡尔曼滤波进行迭代更新的方法。改进后的测量更新方法，可以得到更高的估计精度。利用迭代无迹卡尔曼滤波的最大后验概率密度函数产生粒子滤波的重要性密度函数，提出了一种基于迭代无迹卡尔曼滤波的粒子滤波。仿真实验结果表明，提出的基于迭代无迹卡尔曼滤波的粒子滤波不仅具有很好的稳定性，而且具有优于标准粒子滤波和无迹粒子滤波的估计性能。　　3.针对Sigma点粒子滤波的跟踪精度不太高这一不足，提出了一种基于辅助模型的粒子滤波。该方法采用辅助模型与平方根无迹卡尔曼滤波共同来产生重要性密度函数，有效地利用了最新的观测信息，使重要性密度函数能更好地逼近后验概率密度函数。仿真实验结果表明，提出的基于辅助模型的粒子滤波不仅具有很好的稳定性，而且用较少的粒子数目就可以达到很高的估计精度，滤波性能优于标准粒子滤波、无迹粒子滤波和Sigma点粒子滤波。通过比较基于迭代测量更新的中心差分卡尔曼粒子滤波、基于迭代无迹卡尔曼滤波的粒子滤波和基于辅助模型的粒子滤波对状态估计的均方根误差，可以发现基于辅助模型的粒子滤波的估计精度最高。　　4.在Lorenz系统的基础上，提出了一个新混沌系统。从对称性、不变性、平衡点、稳定性、耗散性、存在性、混沌吸引子、初始值敏感性、Lyapunov指数、Lyapunov维数、庞加莱截面、关联维数和Kolmogorov熵等方面分析了该系统的基本动力学特性，验证该系统确实存在混沌吸引子。研究发现，提出的新混沌系统拓扑结构简单，仅仅具有两个平衡点；在这个新混沌系统中存在着复杂的混沌动力学行为。它具有混沌系统的共有特性，在电子测量、保密通信和图像加密等方面有着潜在的应用价值。　　5.推导了混沌系统的状态空间描述，给出了Lorenz混沌系统和新混沌系统的状态空间描述。结合粒子滤波和混沌系统的状态空间描述，提出了一种基于粒子滤波的混沌信号降噪方法。将粒子滤波及基于辅助模型的粒子滤波用于Lorenz混沌信号和新混沌信号的降噪处理，给出了降噪前后的信号时域波形及相空间吸引子轨迹，计算了降噪前与降噪后的噪声强度，Lyapunov指数，关联维数，Kolmogorov熵等特征参数，从定性和定量两个方面分析了该方法的降噪效果。结果表明，不管是经典的Lorenz混沌系统混沌信号，还是新混沌系统混沌信号，使用粒子滤波及基于辅助模型的粒子滤波进行降噪都是可行的，也是有效的。　　6.针对水声混沌信号形成机理较为复杂，难以建立准确的模型这一问题，提出了一种基于遗传算法的水声混沌信号建模方法。首先，选择一个基本模型框架。其次，对每一个可能的模型进行遗传编码。第三，建立模型评价标准。第四，设计遗传算法操作，包括交叉、繁殖和变异。最后，分别建立四种不同类别的实测水声信号的数学模型。通过计算水声信号预测的均方根误差与信误比，进一步验证了该方法的有效性。　　7.根据粒子滤波及基于辅助模型的粒子滤波的算法原理和实际水声信号建立的模型，提出了一种基于粒子滤波及辅助模型粒子滤波的水声混沌信号降噪方法。对实测的四类水声信号分别进行了降噪处理，给出了降噪前后的信号时域波形及相空间吸引子轨迹，计算了降噪前与降噪后的噪声强度，Lyapunov指数，关联维数，Kolmogorov熵等特征参数，从定性和定量两个方面分析了该方法的降噪效果。结果表明，该方法对舰船辐射噪声具有较明显的降噪效果。