目标跟踪系统是一种典型的非线性、非高斯随机系统，而且在这一系统中存在的系统状态及参数估计等问题历来是该领域研究的难点与热点。为此，本文探讨了一种基于粒子滤波算法对机动目标跟踪问题的求解方法。其中，在对机动目标跟踪系统的研究和对粒子滤波方法基本特性分析的基础上，针对机动目标跟踪系统的特点，研究适用于机动目标跟踪系统的粒子滤波算法。并针对当前一些粒子滤波算法所存在的一些缺陷，比如，粒子退化现象、无效粒子、粒子样本枯竭等，分析与探讨了一种基于知识板的协同进化理论，并将其应用到粒子滤波算法的改进工作中，从而在一定程度上弥补了原有粒子滤波算法的一些缺点。通过仿真研究发现，经改进后的粒子滤波算法可以更好的适应于机动目标跟踪系统的要求。　　本文的研究工作主要涉及如下几个方面:　　第一，针对机动目标跟踪系统所面临的主要问题进行了分析与探讨，其中包括机动目标跟踪原理的分析;当前普遍应用的一些运动模型的分析;和几种在机动目标跟踪问题中常用的估计算法的分析。　　第二，详细分析了当前一些主要的滤波算法及系统模型，其中包括Kalman滤波算法，粒子滤波算法，以及基于重采样技术的粒子滤波算法。在此基础上，对几种基于不同原理的改进型粒子滤波算法进行了简要阐述。　　第三，在前期分析工作的基础上，探讨了将基于知识板的协同理论引入到已有的经典粒子滤波模型中，从而在一定程度上解决了算法在面向机动目标跟踪问题时的可行性与有效性问题。针对该方法提出的背景和理论基础，特别是面向机动目标跟踪系统应用的知识板、协同思想、算法的行为控制，在论文中进行了重点分析与研究。　　第四，对新算法在机动目标跟踪系统中应用的有效性问题进行了研究，其中涉及对算法在机动目标跟踪系统应用中的性能分析，以及通过一些常用的机动目标运动模型验证了新算法的有效性。　　最后，在总结本文研究成果的基础上，对研究面向机动目标跟踪问题的粒子滤波算法在后期研究的方向进行了展望。