随着科学技术的发展,需要准确的对机动目标进行跟踪。由于目标识别算法是基于像素的全局搜索,这种方法有如下两点明显的不足：在全局搜索中,不仅计算量大而且还要消耗大量的时间,无法满足机动目标跟踪的实时控制；在抗干扰能力方面,全局搜索是能被轻易干扰。传统的滤波方法并不能满足实际的应用,而卡尔曼滤波是一种非常有效的信号处理方法,甚至在测量噪声是非常小的情况下,卡尔曼滤波依然有效。标准卡尔曼滤波方法需要明确知道系统噪声和量测噪声的统计特性,然而由于各种因素对相关传感器影响很大,很难轻易得到噪声的统计特性,因此卡尔曼滤波方法受到了限制。但是,在实现对移动目标跟踪进行实时控制时,对算法的实时性和准确性的要求非常高。因此,本文提出了一种基于粒子群算法的改进卡尔曼滤波方法来预测运动目标的快速跟踪。本文在研究了卡尔曼滤波的基础上,引入粒子群优化算法,对卡尔曼滤波方法进行改进,提出基于粒子群优化的卡尔曼滤波器模型,从而提高目标跟踪的精度和传感器测量数据的处理精度,降低系统噪声和量测噪声所带来的误差。本文的主要研究内容如下：1.分析了卡尔曼滤波算法。包括卡尔曼滤波算法的基本原理、卡尔曼滤波的研究方法、卡尔曼滤波算法的发散问题的产生和解决,介绍了卡尔曼滤波算法在实际中的应用。2.研究了粒子群优化算法。主要包括粒子群优化算法的基本原理、粒子群优化算法的优缺点和其在实际中的应用。3.针对卡尔曼滤波算法存在的问题,提出了基于粒子群算法的改进卡尔曼滤波算法,并将改进后的卡尔曼滤波算法应用在机动目标跟踪中。实验结果表明,改进后的卡尔曼滤波算法能够有效降低计算时间,提高跟踪效率。