在处理非线性滤波问题时最常用的方法是卡尔曼滤波,然而卡尔曼滤波不能解决非线性非高斯问题。1993年,N.J.Gordon在中提出了用粒子滤波来对信号进行状态估计。该方法可以处理状态模型和观测模型均为非线性、非高斯的情况,有效克服了卡尔曼滤波的一些缺点,但是它也带来一些问题,如相对于卡尔曼滤波,算法复杂,运算量大,需要的存储空间大、实时性差。在硬件实现中粒子滤波算法面临的主要问题有:算法自身执行速度慢,硬件存储资源有限。本课题介绍了传统的粒子滤波算法原理与数字信号处理系统,分析了粒子滤波算法特点以及TI DSP硬件资源。对粒子滤波算法的复杂度、存储空间、实时性等进行了分析研究。针对粒子滤波算法运算量大,需要的存储空间大、实时性差等特点,提出了一些改进算法,将粒子滤波重要性计算中的权值归一化部分合并到重采样计算和输出计算,并且改进了硬件存储方式,对粒子滤波中的重采样步骤进行分析研究,总结出更适合于硬件实现的重采样算法。最后介绍了高斯粒子滤波算法,并从硬件实现的角度出发给出了改进算法。以二维纯方位目标追踪为例,在TI DSP TMS320VC5402系统上得到的仿真结果进一步表明,与普通粒子滤波算法相比,上述采用的几种改进算法更加适合于硬件实现,一定程度上节省了硬件存储资源的同时,提高了算法的运行速度。