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。CDMA系统具有频谱利用率高、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多用户检测方法研究。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。本文对现有改进算法和改进策略进行了总结，并从建议分布的智能优化方面实现了对粒子滤波算法改进。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的遗传算法、粒子群优化算法，本文提出了粒子群优化粒子滤波。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有效地提高估计精度。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。