以粒子滤波、UKF、高斯-厄米特滤波器为代表的采样型滤波方法是二十世纪九十年代中后期关于估计理论的重大突破，较传统方法而言，其精度高、普适性强、使用灵活，已在诸多领域迅速得到了广泛应用。近几年国内外研究的热点在于特定算法改进和寻求应用背景，相互参照和比较性研究较为缺乏，同时存在难以降低粒子滤波高计算负荷的缺陷，并且在软件工程方面缺乏新型滤波算法的公开的通用软件实现，对其推广应用造成了一定障碍。 本文重点研究了采样型滤波器中最为重要的方法——粒子滤波，及其在信号处理，图像去噪和状态估计等方面的应用，并在基于面向对象技术基础上的设计和开发了BefLib滤波算法软件库。主要贡献如下： 1．创新性地使用Google学术搜索和Google趋势工具对研究对象的研究现况进行统计比较和分析。 2．将粒子滤波，UKF和高斯-厄米特滤波统一在采样理论框架下，并对其各自理论依据、特点和适用原则进行分析论述。仿真结果表明三种新型滤波器精度均优于传统方法，基于随机采样的粒子滤波精度高，扩展性强，但基于确定采样的方法效率较优。 3．提出将粒子滤波应用于红外序列图像去噪，与其他滤波器对比的仿真结果表明对非线性模型下的红外图像序列去噪问题，粒子滤波具有更优的效果。 4．针对粒子滤波复杂度较高的缺点和实际电子系统资源的有限性，提出了基于机动残差和粒子权值系数的自适应粒子滤波方法。该方法可根据系统模型切变情况自适应调节粒子数目和采样间隔，从而有效降低算法复杂度，使其更适合在线估计；并对系统模型变化具有良好的自适应能力，从而消除滤波发散，减小峰值误差。 5．在对照REBEL Matlab工具集的基础上，基于跨平台开源软件的思路，在基于面向对象技术的基础上，引入多种软件设计模式，创新性地设计开发了一套针对粒子滤波等新型滤波算法的算法软件库BefLib。BefLib采用了多种第三方开源库，实现了跨平台，高性能，可授权验证，以及具有良好的数据IO和可视化等功能，可方便地被既存或新开发应用软件调用，并可根据应用领域需求进行二次开发，从而在保障应用软件系统质量的基础上加快开发进度，以及进一步促进粒子滤波等技术得到更好的推广和应用。基于BefLib的跟踪评估应用软件系统验证了其可用性和可靠性。