فیلتر ذره ای نسخه ویژه ای از فیلتر بیز است که بر اساس روش نمونه برداری مونت کارلو پایه ریزی شده است. تکنیک مونت کارلو نوعی روش نمونه برداری تصادفی است که هدف آن شبیه سازی سیستم های پیچیده و یا حل انتگرال هایی است که با روش های تحلیلی قابل حل نیستند. یکی از قابلیت-های روش مونت کارلو توانایی تخمین آنلاین مسائل پیچیده ای مانند انتگرال های عددی غیر قابل حل است که با ترکیب روش قدرتمند نمونه برداری مونت کارلو و قانون بیز صورت می پذیرد. در حالت خاص روش تکراری مونت کارلو که در تخمین پارامتر های سیستم و یا حالت سیستم به کار می رود، فیلتر ذره ای نامیده می شود. هنگامی که سیگنالی از فرستنده ارسال می شود، علاوه بر مسیر مستقیمی که تا گیرنده طی می کند، ممکن است با برخورد با موانعی همچون ساختمان ها و انعکاس به سمت گیرنده، مسیر های غیر مستقیم دیگری را نیز تا گیرنده طی کنند. این عامل سبب ایجاد اعوجاج در سیگنال می شود که isi نام دارد. کلمه همسان سازی ، در حالت کلی، به هرگونه پردازش سیگنال و یا عمل فیلترسازیی گفته می شود که با هدف از بین بردن و یا کاهش isi، بر روی سیگنال اعمال می شود. میزان کاهش تاثیر کانال به میزان شناخت ما از تابع تبدیل کانال بستگی دارد. عمل همسان سازی می تواند با دانستن ضرایب کانال و یا بدون دانستن آن و به صورت کور انجام شود. میزان موفقیت عمل همسان سازی کور به میزان اطلاعات ما از خصوصیات آماری ورودی کانال بستگی دارد و این که تا چه اندازه این اطلاعات در شناسایی کانال و فرآیند همسان سازی کور مفید است. یکی از روش های پیاده سازی عمل همسان سازی که در سال های اخیر مورد توجه قرار گرفته است، استفاده از فیلتر ذره ای می باشد. در این پایان نامه ابتدا در فصل اول مفهوم فیلترسازی را تعریف کرده، سپس به بیان نظریه ی بیز می پردازیم و در ادامه با روش بازگشتی تخمین بیز آشنا می شویم. در فصل دوم در مورد الگوریتم فیلتر ذره ای بحث خواهیم کرد. ابتدا نمونه برداری مونت کارلو را توضیح می دهیم و سپس با معرفی روش های کارآمدی چون importance sampling با مفهوم فیلتر ذره ای آشنا می شویم. در نهایت به حل چند مثال عملی خواهیم پرداخت. در فصل سوم به حل مسأله ای در زمینه ی رمزگشایی اطلاعات به کمک فیلتر ذره ای می پردازیم. برای انجام این کار ابتدا فضای حالت را برای مسأله تشکیل می دهیم. بر اساس فضای حالت انتخاب شده در این مسأله، ذرات شامل نمونه فعلی سیگنال ارسالی و دو نمونه ی قبل از آن می باشد. با محاسبه ی احتمالات مورد نیاز، تعداد 10000 ذره در هر بار دریافت سیگنال از کانال به روز می شوند. در نهایت رمزگشایی سیگنال بر اساس ذره ای که بیشترین احتمال را دارد انجام می شود. نتیجه حاصله به صورت نمودار ber بر حسب eb/n0 ارائه گردیده است. در فصل چهارم به تشریح عمل همسان سازی کور پرداخته و سپس زمینه ی اجرای این عمل را توسط الگوریتم فیلتر ذره ای فراهم کرده و در پایان شبیه سازی انجام شده در این زمینه را ارائه می-دهیم. در این مسأله فضای حالت، سیگنال ارسالی و تأخیر یافته های آن در کانال می باشد. با محاسبه ی احتمالات مورد نیاز، تعداد 2000 ذره در هر بار دریافت سیگنال از کانال به روز می شوند. با توجه به این که در همسان سازی کور ضرایب کانال نامعلوم فرض می شود، روشی جهت تخمین پارامترهای کانال در هر مرحله از تکرار الگوریتم ارائه گردید. در این پایان نامه با استفاده از خروجی کانال و تخمین ارائه شده به کمک ذرات، پارامترهای کانال در هر مرحله تخمین زده شدند. در نهایت نتیجه حاصل از شبیه سازی به-صورت نمودار ber بر حسب eb/n0 در کانالی با یک تأخیر و ضرایب نامعلوم ارائه گردیده است.