红外目标跟踪技术是根据红外探测器感应的红外图像，通过将背景和目标区分开从而实现对物体的跟踪。该项技术目前广泛应有于精确制导以及红外预警系统中，在国防军事上具有战略性意义，是重要的研究课题。目标跟踪的状态空间一般是非线性非高斯系统，而粒子滤波作为贝叶斯状态估计的最优解，能较好地解决非线性非高斯系统中目标跟踪问题，因此是目标跟踪领域的重要研究方向。本文以红外目标跟踪为研究背景，对基于粒子滤波的红外目标跟踪进行深入研究，围绕红外目标跟踪系统中粒子滤波算法存在的相关问题展开讨论，主要工作归纳如下：首先，对红外目标相关跟踪研究现状进行详细的分析，根据红外目标跟踪系统非线性非高斯特性，选取粒子滤波作为红外目标跟踪的算法。并且对红外图像以及目标的主要特点，以及红外目标与背景的区分方法进行了深入的研究。然后，通过分析粒子滤波算法，发现现有重采样过程中存在的问题，并以此为基础提出了一种基于改进重采样的粒子滤波算法。通过实验验证和分析表明改进算法能在一定程度上提高算法的跟踪精度。此外，粒子滤波作为非线性非高斯系统下目标估计的最优解，需要较大的采样样本，因而算法实时性较差。针对这一问题，提出了基于假设检验的自适应粒子滤波红外跟踪算法。通过在粒子滤波框架下引入假设检验方法，得到最佳的粒子数决策，从而提高了算法实时性。实验表明该算法在保证跟踪性能的基础上具有较好的实时性。最后，对于红外目标跟踪系统的硬件平台进行了分析设计。