ردیابی هدف مستلزم تخمین توأم موقعیت، سرعت و شتاب آن است. روشهای مختلفی با الگوریتمهای متفاوت برای ردیابی هدف وجود دارند؛ فیلتر ذرهای روشی جدید برای به دست آوردن تابع توزیع احتمال پسین بر پایۀ تئوری بیزین است. الگوریتم فیلتر ذره بر مبنای روشهای مونت کارلوی زنجیرهای است که در آن از نمایش ذرهای چگالی احتمال برای تخمین پارامترهای توزیع دلخواهی استفاده میشود.
ردگیری هدف، تخمین تابع چگالی پسین در هر جاروب برای هدف موجود در محیط تحتمشاهده است. برخی امور این امر را مشکل میکنند که عبارتاند از: عدم آشکارسازی کامل هدف، وجود اهداف کاذب، عدم اطمینان در نحوۀ تخصیص دادهها به هدف موجود و معادلات غیرخطی و نویزهای غیرگوسی- که امکان بهکار گرفتن فیلتر کالمن و خانوادههای آن (کالمن توسعهیافته و غیرملموس) را محدود میکند.- اخیراً کارایی شیوههای مونت کارلو و فیلترهای ذرهای در رأس آنها در حل موارد ذکرشده، به اثبات رسیده است. شیوههای مونت کارلوی ردگیری چندهدفه جانشین شیوههای کلاسیک شدهاند؛ اما هنوز جا برای پیشرفت دارند. در روشهای مرسوم ردیابی اهداف هوایی، فاصله تا هدف و زاویۀ سمت هدف، که تابعی غیرخطی از حالتهای سیستم هستند، اندازهگیری میشوند؛ اما نویز دارند که استفاده از روشهای تخمین و فیلتر کردن، امری ضروری است. فیلتر کالمن تعمیمیافته عملکرد مناسبی برای مواجهه با سیستمهای غیرخطی و نویزهای گوسی دارد؛ اما در پیادهسازی عملی با نویزهای غیرگوسی (گلینت) مواجه هستیم که فیلترهای ذرهای عملکرد مناسبی دارند.
عملکرد فیلتر ذرهای، با وجود مزایای زیاد، نقطهضعفهایی نیز دارد؛ زیرا با انتخاب اولیۀ تعداد زیادی ذره ممکن است هیچ ذرهای در نزدیکی حالت صحیح قرار نگیرد؛ این ضعف به مسئلۀ تباهیدگی معروف است. برای کاهش تباهیدگی در فیلتر ذرهای استاندارد از نمونهبرداری مجدد استفاده میشود. نمونهبرداری مجدد، ضمن حیاتی بودن، سبب پدیدۀ دیگری بهنام فقر نمونهها میشود که تنوع میان ذرات از بین میرود و در بدترین حالت، همۀ ذرات به نقطهای از فضای حالت ریزش میکنند. محققان، نسخههای مختلف فیلتر ذرهای (کمکی، منظمشده و بیرد) را برای بهبود نمونهبرداری مجدد ارائه کردهاند.