粒子滤波能够有效的解决强非线性、非高斯的状态值估计问题，而这些正好是在目标跟踪中所面临的问题。本论文主要围绕粒子滤波及其在目标跟踪中的应用开展相关研究工作，具体的研究内容体现在以下几个方面：1）对目标跟踪的基本理论进行分析与讨论。不同的目标系统适用不同的状态空间模型，状态空间模型不同其适用的滤波算法也不一样。针对线性与非线性系统介绍了经典滤波算法和粒子滤波算法的基本原理，分析了其各自的特点，以及算法在实际应用中存在的问题。2）设计了一种基于粒子滤波的滑模变结构控制方案应用于电机伺服控制系统。将粒子滤波应用于电机伺服控制系统，利用粒子滤波器对带有随机扰动的位置信息进行状态估计，可以有效抑制白噪声干扰和不确定性干扰，从而解决因采用滑模变结构控制而引起的系统抖振问题。基于粒子滤波器的指数趋近律滑模控制器有效地改善了系统的跟踪精度以及系统到达运动的动态品质。3）给出了一种带调整因子和自适应因子的改进型粒子滤波算法。针对系统噪声和量测噪声的统计特性不准确而产生估计精度下降的问题，基于Lee的思想提出了一种改进的系统噪声方差调整方法，并将此引入到粒子滤波中，结合NUPF得到一种带调整因子的自适应粒子滤波算法。该算法能够有效地解决由于系统噪声统计特性不准确而导致的估计精度下降的问题，并且增加的计算量和存储量较少，实时性较好。