粒子滤波是一种适用于非线性、非高斯系统的滤波方法,它在各个领域中都发挥着不可替代的作用。但是,由于粒子滤波引入的重采样技术产生了粒子多样性匮乏的问题,使状态估计的精度受到严重影响。因此如何改进粒子滤波的重采样步骤,使粒子均匀分布在高概率区域以提高估计精度,成为粒子滤波中一个不可回避的研究难点和热点。本文主要针对上述问题进行研究,主要工作如下:(1)提出了一种基于自适应M-H重采样的粒子滤波方法。首先通过一个包含两种建议分布的M-H重采样策略重新抽取低权值粒子,一种建议分布为随机抽取高权值粒子进行高斯变异,另一种建议分布为高、低权值粒子进行交叉操作,促进低权值粒子向高概率区域移动。然后根据低权值粒子占所有粒子的比例构造了这两种建议分布选择概率的自适应函数,进一步提高粒子的整体质量,并通过仿真分析验证了该方法的有效性。(2)针对粒子贫乏问题和对初值敏感的问题,提出了一种多种群协同重采样的粒子滤波方法。该方法首先将粒子划分为多个种群,分别独立的完成重要性采样,然后采取环形传递模型将各种群中的低权值粒子进行包含两种建议分布的M-H抽样,一种建议分布为从前一种群随机抽取高权值粒子进行高斯变异,另一种建议分布为随机抽取本种群中的高权值粒子与低权值粒子进行交叉操作。仿真结果表明该方法能够改善初始值偏离真值情况下的状态估计,使得粒子更加均匀地分布在状态后验概率密度周围。(3)结合硅晶体生长液位标定实验中获得的硅熔液液位的实际测量数据,分别采用上述两种粒子滤波方法对硅熔液的液位进行状态估计,实验结果表明本文方法在工程实际中的有效性和优越性。