在复杂战场环境中，检测前跟踪技术作为一种有效的检测与跟踪雷达弱目标的方法得到了国内外学者的广泛关注。由于自身需要或外部环境的影响，很多弱目标往往作强机动或瞬时机动运动，如何及时准确的检测到目标并获得其准确的运动轨迹对于取得战争的胜利具有决定性的影响。基于粒子滤波的检测前跟踪算法既不受系统线性或非线性的约束，适用范围广，又可以实现对弱目标的实时检测与跟踪，因此受到了广泛的应用。本文首先建立了弱目标的检测前跟踪模型，然后介绍了粒子滤波的原理并对基于拟随机辅助粒子滤波、基于反馈粒子滤波和基于交互式多模型的检测前跟踪算法进行了研究，主要研究成果如下：第一，针对复杂背景下匀速弱目标检测与跟踪问题，介绍了基于粒子滤波的检测前跟踪算法原理和实现方法，针对粒子滤波检测前跟踪算法中存在的计算量和存储量大的问题，提出了基于拟随机辅助粒子滤波的检测前跟踪算法，从粒子分布和滤波方法的改进两个方面对传统算法进行了改进。仿真对算法性能进行验证并着重讨论了粒子数和信噪比对各种算法检测与跟踪性能和单帧处理时间的影响。第二，针对复杂背景下短时机动的弱目标检测与跟踪问题，提出了一种基于反馈粒子滤波的检测前跟踪算法，该算法通过构造反馈项来修正粒子状态，能够避免粒子滤波算法中的重采样算步骤，降低了算法的复杂度，增强了算法的实时性。第三，针对复杂背景下强机动弱目标的检测与跟踪问题，研究了基于交互式多模型的粒子滤波检测前跟踪算法。该算法能够解决模型不匹配的问题。同时引入拟蒙特卡罗的思想，在保证算法相同性能的情况下，一定程度上减少了所用的粒子数，降低了计算量和存储量。