随着计算机技术的飞速发展,滤波技术在近年来也取得了巨大的进步,但是由于系统模型的复杂、干扰的多样性的影响,非线性非高斯系统模型滤波问题仍然是研究过程中所要面临的挑战。尽管粒子滤波能够有效的解决强非线性、非高斯系统的状态值估计问题,但其依然存在不足需要改进,针对粒子退化的现象,本文采用选取更为有效的重要密度函数来实现算法的改进,并且就目标跟踪领域中所面临的一些问题做了研究和改进。　　本文主要研究的是非线性系统的滤波问题,针对非线性非高斯系统模型,研究了多种滤波算法,分析了各滤波算法的适应性,具体的研究内容体现在以下几个方面:　　(1)研究了递推贝叶斯估计理论,细致讨论各种基于贝叶斯理论的非线性滤波算法,包括扩展卡尔曼滤波、Unscented卡尔曼滤波算法以及其改进算法。　　(2)研究针对强非线性、非高斯系统提出的粒子滤波方法,在总结其优缺点和适应性的基础上,针对粒子滤波的难点,提出有效的非线性非高斯系统滤波算法,就粒子退化现象限进行了改善,经过仿真试验得出算法的可靠性。　　(3)研究了目标跟踪的基本理论,介绍了多种常用的目标跟踪模型,并用各种滤波算法对目标跟踪系统模型进行实验分析,得出基于EKF和UKF融合的改进粒子滤波算法性能最好。