粒子滤波是近年来非线性非高斯信号处理领域中的研究重点。它是基于贝叶斯理论的蒙特卡罗方法，采用大量带有权值的粒子来逼近后验概率密度分布，当粒子数量足够大时，其理论估计精度可达到最优。目前被广泛应用于目标跟踪，参数估计，系统辨识，导航与定位等领域。多载波CDMA系统是未来高速无线通信系统最有前途的方案之一，它同时结合了OFDM和CDMA系统的优点，具有频谱利用率高、抗频率选择性衰落能力强和系统实现简单等特点。本文以多载波CDMA系统作为应用背景，采用一阶AR模型模拟瑞利衰落信道，将Alpha稳定分布作为系统非高斯噪声模型，实现粒子滤波及其改进算法的研究。粒子滤波具有适用范围广、估计精度高等优点，但同时也存在粒子退化、多样性缺失、计算量大等缺点。目前对粒子滤波算法的改进主要从两方面进行：一是重采样技术的优化；二是选择恰当的建议分布。本文对现有改进算法和改进策略进行了总结，并从以上两方面对粒子滤波进行了改进。针对重采样技术的改进，本文首先介绍为改善粒子退化、增加粒子多样性而提出的粒子滤波改进算法，包括：辅助粒子滤波、正则粒子滤波和高斯粒子滤波；同时介绍了四种常用重采样算法，包括：多项式重采样、分层重采样、残差重采样和系统重采样。通过仿真对以上改进算法和重采样算法的估计精度和计算量进行了比较。通过深入分析现有重采样算法中存在的弊端，本文提出了自适应重采样粒子滤波算法。该算法引入两个参数，通过改变参数取值可以调整粒子滤波算法的计算量和估计精度。通过仿真结果分析给出引入参数在不同信噪比条件下的计算方法，使参数随噪声能量的不同而自适应调整，由此实现自适应重采样算法估计精度达到最优。改进算法在一定程度上避免了重采样过程中出现的问题，因此提高了估计精度，同时也降低了计算量，更有利于实时应用。针对建议分布的改进，本文首先总结现有建议分布改进算法，同时介绍了最具代表性的改进算法无迹粒子滤波。无迹粒子滤波将观测噪声近似为高斯分布，采用无迹卡尔曼滤波来估计建议分布的均值和方差，由于考虑了最新观测值，估计结果更接近后验概率分布，因此提高了估计精度，同时也增加了计算量。针对这一问题，本文提出最大似然粒子滤波，构造似然函数并采用最大似然法对粒子进行优选。与无迹粒子滤波相比较，最大似然粒子滤波实现了提高精度同时降低了计算量。群智能算法是从生物进化机理中受到启发而提出的用以解决复杂优化问题的新方法，具有适用范围广、优化性能高效、无需问题特殊信息等优点，近年来受到各个领域研究人员的广泛关注。通过分析群智能算法中遗传算法、粒子群优化和人工蜂群算法的特点，并结合粒子群优化和人工蜂群算法的优点提出了改进人工蜂群粒子滤波。仿真结果表明改进算法具有更快的收敛速度，将其应用于优化粒子滤波的建议分布可以提高估计精度。但群智能算法计算较为复杂，这也是此类算法需要改进的方向之一。