粒子滤波理论是近年来跟踪领域的热门研究课题。在该领域，传统的卡尔曼（Kalman）滤波器是非常经典的运动目标跟踪工具。然而经典亦有其弊端，卡尔曼滤波对于非线性及非高斯环境下的工作能力相当无力。为解决这一问题，本文提出了一种基于粒子滤波的目标跟踪方法。其核心为以粒子(一种随机样本，携带权值)来表示后验概率密度，从而得到基于物理模型的近似最优数值解，其优点在于能在追踪的过程中实现更高的精度和更快的收敛速度等。粒子滤波通过加权计算这些带有权重的随机样本来得到目标的近似的运动状态，因此对于非高斯和非线性