随着计算机及信号处理技术的飞速发展，目标跟踪被广泛的应用于军事防空、交通管制、机器智能等领域。目标跟踪就是利用滤波算法估计目标的运动状态，核心部分就是滤波算法。传统的卡尔曼滤波、扩展卡尔曼滤波等算法在研究非线性、非高斯动态系统时，会导致精度下降甚至发散。粒子滤波算法理论上适用于任何非线性、非高斯系统，但存在严重的粒子退化问题。由此，本文在粒子滤波的基础上提出了一种改进的粒子滤波算法，实现对声源的动态跟踪。此外，针对机器人的最优轨迹文中提出了一种基于粒子群优化算法求解的方法。首先本文介绍了听觉感知的理论基础，重点介绍了声源的定位方法，推导了四元麦克风阵列的几何定位的公式；接着讲述了目标跟踪的原理，详细研究了三种非线性滤波算法，并进行了跟踪仿真实验，分析了各算法的优缺点。然后针对粒子滤波跟踪过程中存在的缺点，在粒子滤波的基础上提出了一种改进粒子滤波算法，即选取二阶中心差分滤波产生重要性密度函数，同时在重采样过程中加入马尔卡夫连移动步骤。将改进算法应用到移动机器人声源目标跟踪中，仿真结果表明改进算法具有更高的精度，更能准确的实现目标跟踪。最后针对机器人声源定位技术在实际应用中仅实现了对声源的定向，而没有获得距离信息。将声源定位技术与移动机器人的运动控制相结合，从机器人的主动运动出发利用粒子群优化算法求解机器人的最优探测点，从而使声源目标的定位跟踪更加准确。