近年来,微弱信号的检测和跟踪技术被广泛的应用在工业、交通和国防等领域,但随着对检测和跟踪的精度要求越来越高,微弱信号分离的难题也日益突显。基于此,本文提出基于改进粒子滤波的检测前跟踪方法,在低信噪比下实现对微弱目标的精确跟踪。首先,本论文对检测前和检测后两种跟踪方法优势和不足进行论述,对无源传感器的观测模型和目标运动模型进行建模,并且详细的介绍了贝叶斯估计和在其框架下的粒子滤波理论,引出粒子滤波检测前跟踪方法的优越性,为后续研究提供了理论依据。其次,介绍了传统的粒子滤波检测前跟踪算法,并对模型进行验证。但是由于传统算法自身的缺陷导致粒子分布不均及多样性不足,介绍了几种常用的改进算法。并在改进算法的基础上,将进化计算中的交叉与变异操作引入到蒙特卡罗算法中,在重采样过程中引入Metropolis-Hastings (MH)重采样方法,该算法在一定程度上改善了粒子多样性匮乏的问题并降低了算法的运行时间。仿真结果证明改进后的拟蒙特卡罗智能粒子滤波算法的效率和追踪精确度都大幅度提高。最后,针对微弱目标做匀加速和转弯运动的检测与跟踪问题,在改进后的拟蒙特卡罗智能粒子滤波算法的基础上提出多模型结合的建模方法,并在此基础上提出基于改进的拟蒙特卡罗智能粒子滤波交互式多模型检测前跟踪算法对模型进行优化。仿真结果表明,该改进算法在保证跟踪精度的前提下能在一定程度上降低粒子数,能精确的对匀加速和转弯运动的微弱目标进行跟踪。证明了改进后的拟蒙特卡罗智能粒子滤波算法对微弱目标检测和跟踪的有效性和可靠性。