El remuestreo es un algoritmo estadístico bien conocido que se aplica comúnmente en el contexto de Filtros de Partículas (PFs) para realizar estimaciones de estado en modelos dinámicos no lineales no gaussianos. A medida que los modelos se vuelven más complejos y precisos, el tiempo de ejecución de las aplicaciones de PF se vuelve cada vez más lento. La computación en paralelo puede ayudar a abordar esto. Sin embargo, el remuestreo (y, por lo tanto, los PFs también) implica necesariamente un cuello de botella, el paso de redistribución, que es notoriamente difícil de paralelizar si se utilizan técnicas de computación en paralelo convencionales. Una redistribución de última generación se realiza en arquitecturas de Memoria Distribuida (DM), que adoptan la mayoría de los supercomputadores, mientras que la redistribución se puede realizar en arquitecturas de Memoria Compartida (SM), como GPU o CPU convencionales. En este documento, proponemos una redistribución paralela novedosa para DM que logra una complejidad temporal. También presentamos resultados empíricos que indican que nuestro enfoque novedoso supera al enfoque.