快速同时定位与建图（fast　simultaneous　localization　and　mapping，FastSLAM）算法的采样过程会带来粒子退化问题，为了改进算法的性能，提高估计精度，从研究粒子滤波的建议分布函数出发，提出基于自适应渐消扩展卡尔曼滤波（adaptive　fading　extended　Kalman　filter，AFEKF）的　FastSLAM　算法。该算法基于　FastSLAM的基本框架，利用　AFEKF　产生一种参数可自适应调节的建议分布函数，使其更接近移动机器人的后验位姿概率分布，减缓粒子集的退化。因此在同等粒子数的情况下，该算法有效提高了　SLAM　精度，以此减少所使用的粒子数，降低算法的复杂度。基于模拟器和标准数据集的实验仿真结果验证了该算法的有效性。