粒子滤波算法在非线性、非高斯的状态估计问题中具有广阔的应用前景,但庞大的计算量限制了其在实时系统中的应用,而硬件实现为此提供了有效的解决手段。本文针对粒子滤波集中式和分布式硬件设计中的速度和存储问题,提出了多种优化方案。在集中式结构中,为降低重采样的存储开销,提出了状态回写和权重存储器复用技术,避免了传统结构中粒子索引存储器和复制因子存储器的使用；为降低采样中粒子状态的存储需求,本文将粒子状态分解为一初始状态与状态编码表示的两状态之差,实现了状态的压缩；为提升处理的速度,在硬件中引入了有效粒子数的判断和间隔重采样方法,降低了重采样的发生次数,并进一步提出了一种局部权重均值比较机制,成倍提升了滤波的效率。在分布式结构中,提出了权重排序机制,包括权重全排序和部分排序,用以平衡各处理单元内的粒子权重和,避免了粒子的再分配过程；同时提出了分层重采样方法,包括粗粒度分层和细粒度分层,将重采样以层次形式展开,并在统计上获得了与集中式重采样相同的结果。相对于传统的结构,基于上述两种方法的分布式结构在处理速度、存储开销和滤波精度上均达到了更好的平衡。