针对非合作目标的跟踪雷达在军民用中都有广泛的应用。目标跟踪算法是跟踪雷达中的核心技术,跟踪算法的稳健与否直接影响到跟踪雷达的性能。在实际中,非合作目标的运动较多地呈现出非线性特性,基于卡尔曼滤波的经典目标跟踪算法通常不能令人满意。近年来,基于蒙特卡罗和递推贝叶斯估计的粒子滤波在非线性非高斯噪声环境跟踪系统中表现出来的优异性能引起了广泛的关注,但巨大的计算量和复杂的结构限制了它在实时系统中的应用。本文针对实际雷达系统对非合作目标跟踪的要求,重点对粒子滤波的算法及其硬件实现展开研究,主要工作如下:论文在分析粒子滤波理论算法的本质的基础上,研究并改进了采样、权重计算、重采样三大步骤的执行顺序和实现结构,使之更适合于硬件的并行和流水实现,并应用于一个典型的非线性纯方位目标跟踪系统,在FPGA Xilinx Virtex-5的开发平台上,构成了一个闭环系统。实践结果表明,改进后的硬件结构节约了50%的硬件资源,具有良好的实时性能,更高效,更简洁。针对粒子滤波的退化问题,可采用重采样方法来解决,其思想是复制权重大的粒子,抛弃权重小的粒子。论文在对比研究了多种重采样方法的基础上,提出了一种简化的适合硬件实现的重采样方法,利用自适应的权重的阈值,既保证了重采样前后粒子总数不变,又保持了滤波效果的精确性,同时大大减小了硬件实现的计算量和复杂度。针对实际应用问题,论文还分析了粒子滤波预测算法与跟踪算法在原理、执行步骤、计算复杂度、硬件资源占用等方面的区别,针对实际雷达系统回波脉冲预测的问题,以匀速直线运动建立模型,利用粒子滤波的预测功能,有效地预测下一时刻有效回波出现的位置。提出并在Xilinx公司提供的硬件平台上实现了两种闭环跟踪的方案,验证了设计的思路。