مسئله ردگیری به طور عام عبارت است از مکان یابی و موقعیت یابی هدفی با موقعیت متغیر در طول زمان های پیاپی. ازجمله ابزارهایی که به یاری آن مسئله ردگیری با هدف تعیین موقعیت جسم میسر می شود فیلتر ذره ای است که به عنوان فیلتری تخمین گر مطرح است. در این پروژه، هدف بررسی الگوریتم فیلتر ذره ای در ردگیری اهداف متحرک و بهبود عملکرد آن است. حوزه کاربردی این الگوریتم که حالت خاصی از الگوریتم تناوبی مونت کارلو است، بسیار وسیع تر از ردگیری اهداف متحرک است. از این الگوریتم می توان برای محاسبات ریاضی مثل تخمین امیدهای ریاضی، انتگرال ها، مساحت منحنی ها و بسیاری از محاسبات ریاضی دیگر استفاده کرد. این الگوریتم، همچنین در شاخه های دیگری از علم؛ مثل ژنتیک هم کاربرد دارد. اساس کار این الگوریتم بر نمونه برداری تصادفی از یک تابع چگالی احتمال و نمونه برداری مجدد از نمونه های گرفته شده استوار است. هدف این است که این الگوریتم را تغییر داده و به الگوریتمی بهتر ازنظر احتمال خطا برسیم. الگوریتمی که درنهایت حاصل می شود به مراتب از الگوریتم مونت کارلو بهتر است. علاوه بر این، یک مشکل اساسی موجود در نسخه های اصلی این الگوریتم این است که در همه ی الگوریتم های استاندارد در ردیابی، نرخ های نمونه برداری را برای فرآیند های اندازه گیری و حالت، یکسان و همزمان فرض می کنند. این مشکل را ذکر کرده و راه حلی برای آن بیان می شود.