针对滤波跟踪问题的复杂性以及日益提高的滤波精度要求，传统的非线性滤波方法已经难以满足实际的应用需求。作为一种新的非线性滤波方法，粒子滤波不受系统模型特性和噪声分布的限制，更符合实际滤波任务的要求，因此在非线性、非高斯动态系统的滤波问题中受到了广泛关注。然而，粒子滤波在快速发展的过程中仍然存在一些有待解决的问题。因此，对粒子滤波方法进行优化和改进具有重要的理论意义及实际的工程价值。本文在目标跟踪应用的背景下，对粒子滤波方法中的若干关键技术问题开展研究，主要包括以下几方面的研究内容：首先在递推贝叶斯估计理论的统一框架下，基于系统的状态空间模型，针对非线性动态系统的滤波估计问题，深入研究了三类具有代表性的非线性滤波方法：扩展卡尔曼滤波、无迹卡尔曼滤波以及粒子滤波。对各种方法的适用条件、优点及不足进行了分析比较；重点研究了粒子滤波方法的基本原理、建议分布的设计，以及重采样算法等内容，分析了粒子退化和贫化问题，为后续章节奠定了基础。针对如何从建议分布的优化设计解决粒子退化和贫化问题出发，研究了基于非线性滤波修正的建议分布设计方法。提出了将RTS最优平滑思想扩展到非线性系统中，通过与迭代EKF滤波方法结合，设计了一种新的粒子滤波建议分布函数——RTS-IEKF，由于融入了最新的观测信息，提高了所产生预测粒子的精度和稳定性，从而能够有效避免粒子退化、保持粒子的多样性，在观测噪声较大的环境下具有更好的状态估计精度。仿真结果验证了所提出算法的可行性和有效性。重采样算法的研究改进是粒子滤波中的重要问题，在深入研究当前多种重采样算法的基础上，提出一种能够适用于普遍情况的基于精细重采样的粒子滤波改进算法(PF-FR)。通过引入距离比较过程和优化组合策略，所提出算法克服了当前通用重采样算法的不足，改善了粒子集的组成结构，从而能够更有效地表达系统状态的后验概率分布，在克服粒子退化现象的同时避免了样本贫化问题。一维及二维非线性模型的仿真结果验证了所提出算法的有效性。针对目标跟踪的应用，为建立鲁棒的目标观测模型，提出将ASIFT仿射不变特征融入目标颜色模型，从而建立了一种新的基于仿射不变颜色特征的目标模型；并将其融入粒子滤波跟踪框架，提出一种基于仿射不变颜色模型的粒子滤波跟踪算法，有效解决了场景中出现颜色相近干扰而导致的目标丢失现象，实现了目标的鲁棒准确跟踪。图像序列的跟踪结果验证了所提出算法是可行有效的。最后，结合傅里叶望远镜系统未来用于低轨道快速运动目标成像的跟踪需求，探索研究了一种在发射端设计控制校正器，通过粒子滤波跟踪结果反馈实现目标跟踪的方法流程。