移动目标定位技术在机器人技术、普适计算、智能感知、安全监测等众多领域有着广泛的应用前景，在提高人们的生活质量以及社会安全等各个方面发挥着积极的作用。但是，室内复杂环境所带来的非视距和多径效应导致室内定位精度下降，需要进一步提高移动目标定位的精度以满足生产、生活等方面的实际要求。因此，专家学者提出了各种新方法来提高目标跟踪定位的精度，其中具有代表性的有以贝叶斯理论为基础的粒子滤波器在移动目标定位方面的应用。粒子滤波器在处理非线性非高斯问题方面十分有效，但是传统的粒子滤波器滤波效果严重依赖于先验概率的准确性。另外，重采样算法在解决了粒子退化问题的同时，却导致出现了粒子贫乏问题，使得粒子种类不足以代表状态的后验概率密度。本文在研究移动目标跟踪定位技术的基础上，提出了一种改进的粒子滤波器方法。该方法在粒子预测及重采样的过程中均引入当前的测量值信息，改善了因预测估计模型不准而带来的目标位置估计误差的问题，同时在重采样的过程中引入当前测量值信息可以有效地保证粒子的多样性。文章将这种改进的粒子滤波器和非视距鉴别消除技术相结合，提高了非视距环境下的移动目标的定位精度。另外，文章使用nanoLOC定位开发板结合计算机搭建了试验平台，实施定位测距实验，对实验数据进行预处理，并将处理后的数据用于移动目标追踪定位中，通过实验数据对最小二乘法、标准粒子滤波器算法及改进的粒子滤波器算法的性能进行了比较，结果证明本文所提出的改进粒子滤波器的滤波性能确实更为有效。