滤波技术作为系统状态估计方法可以应用到非线性、非高斯系统领域。粒子滤波运行效率的一个关键参数是粒子数量。算法运行使用的粒子数量越多,滤波器得到的分布越接近真实分布,然而计算成本会随着粒子数量增加而剧增。所以需要合理选择一定数量的粒子提高滤波运行效率。另外,目前粒子滤波重采样方法是解决粒子退化问题的一种重要技术方法,重采样方法能在一定程度缓解粒子退化,然而也会引起粒子多样性降低的问题。针对如何提高粒子滤波运行效率和改善粒子多样性降低的问题,本文在已有粒子滤波算法的研究基础上,提出了以下几个方面的改进:首先,针对提高滤波运行效率的问题,通过在线方法调整粒子数量,可以在不影响滤波器效果的条件下,降低计算成本,减少运行时间。本文用收敛性评估方法来调整滤波器的粒子数量。—然后优化增加和减少粒子数量的调整比率,即算法中调整粒子数量的步长变化率。本文在不同参数范围[p-ph]下,对不同步长变化率进行仿真模拟分析,找到最佳步长变化率和效果最佳的参数范围。其次,针对改善粒子多样性降低的问题,本文从粒子滤波的重要性概率密度方面考虑,提高粒子滤波中粒子分布概率密度的准确性,提出基于辅助状态变量的改进粒子分布概率密度方法与基于保持邻域关系的改进粒子分布概率密度方法,通过仿真结果,验证了所提方法的有效性。最后对上述方法进行仿真实验验证。使用MATLAB软件对基于辅助状态变量和基于邻域关系改进的算法与Bootstrap粒子滤波算法进行对比,证明了所提出方法的有效性。在算法参数的优化方面,从误差均值MSE、调整粒子数量-M算法执行时间三方面来评价算法,通过在不同的参数范围[Pfph]中选择不同的步长变化率进行分析,找到滤波器的最佳参数范围[Oc-Ph]和效果最好的步长变化率。论文中粒子滤波研究方法对缩短算法运行时间和提高算法估算精度具有一定参考价值。