随着系统规模变大,系统的复杂度不断增强,原有的粒子滤波算法在系统参数、状态估计以及目标跟踪方面存在不足,因此,设计新的粒子滤波算法,提高估计精度,减少计算复杂度显得至关重要。本文针对粒子滤波算法进行改进,主要工作如下：1.介绍了粒子滤波算法的基本原理以及标准粒子滤波算法的计算流程,同时分析了其存在的主要问题,对并本文改进算法中要用到的一些智能算法如：禁忌搜索、人工免疫以及权值选择算法予以说明。2.在粒子滤波算法基础上,针对粒子退化,样本集多样性低的问题,设计出基于禁忌免疫的粒子滤波算法。该算法利用人工免疫算法的寻优能力从众多粒子中挑选好的粒子,提高了样本集的多样性,并且通过禁忌搜索回避搜索陷入局部最优。利用该算法估计系统的参数和状态,并与人工免疫粒子滤波、标准粒子滤波算法进行对比,验证算法的估计性能。3.针对粒子滤波算法计算复杂度高的问题,提出了基于权值选择的边缘化粒子滤波算法。该算法通过利其模型中的线性子结构降低从标准粒子滤波算法中得到的估计方差,并能边缘化处理相应的线性状态变量,同时能利用最优线性滤波进行估计,从而降低了计算量。并且,粒子间的相互独立性使得粒子集包含更多相异的粒子路径,提升粒子集的多样性,具有较好的优化效果。4.以城市轨道列车制动模型为背景,将提出的两种改进算法用于列车制动率以及列车运行状态的联合估计,对两种改进算法进行了仿真对比。