粒子滤波算法是一种通过蒙特卡罗仿真方法来完成一个贝叶斯递推过程的滤波方法。作为一种基于贝叶斯估计的非线性滤波算法,粒子滤波算法在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势。粒子滤波算法已经在故障诊断、导航定位、无线通信、视觉跟踪和金融等领域得到了广泛的应用。本文详细分析了粒子滤波算法及其流程,总结了算法存在的问题,并基于以上问题提出了自己的改进算法。本文的研究和创新可以总结为以下方面：通过研究基于无迹卡尔曼滤波算法的粒子滤波算法(UKF-PF),针对算法存在的粒子贫化问题,首先提出了基于人工鱼群算法的UKF-PF算法,该算法利用人工鱼群算法优化UKF-PF算法的重采样过程,利用人工鱼的觅食、追尾和聚群行为使粒子向高似然区域移动,有效解决粒子贫化的问题。其次通过对基于人工鱼群算法的UKF-PF算法进行分析,针对其由计算量大导致的实时性问题,提出基于改进的人工鱼群算法的UKF-PF的算法,该算法对传统人工鱼群算法的行为、参数和过程进行改进,有效解决传统鱼群算法优化UKF-PF算法的实时性问题。实验表明本文提出的算法不仅有效解决UKF-PF算法存在的问题,而且使滤波精度提高了一个数量级。