En este documento, resolver el problema de la sintonización de los parámetros de la matriz de covarianza de ruido del filtro de Kalman extendido (EKF) y los algoritmos del filtro de Kalman insensato (UKF) es difícil. Se propone una estrategia de estimación de velocidad para un motor síncrono de imán permanente (PMSM) basada en la optimización por enjambre de partículas (PSO) de la serie de algoritmos del filtro de Kalman (KF) optimizados. Mediante el uso de MATLAB/Simulink, en este documento, se realizan 20 experimentos de simulación efectivos sobre el proceso de optimización de los parámetros de la matriz de covarianza de ruido para obtener los parámetros óptimos de la matriz de covarianza del filtro de Kalman extendido y del filtro de Kalman insensato. Además, EKF, PSO-EKF, UKF y PSO-UKF también se comparan para verificar la efectividad del algoritmo de optimización por enjambre de partículas en la optimización de los sistemas utilizando el filtro de Kalman extendido y el filtro de Kalman insensato. Para el error de estimación de velocidad, tomando 4000 rpm como referencia, el sistema que utiliza PSO-EKF ha mejorado en un 2.125% en comparación con el que utiliza EKF, y el sistema que aplica PSO-UKF ha mejorado en un 0.55% en comparación con el sistema que aplica UKF. Para el error de estimación del ángulo eléctrico, tomando los errores del sistema de los algoritmos originales como referencia, el sistema que adopta PSO-EKF ha disminuido en un 60% en comparación con el que adopta EKF, y el sistema que utiliza PSO-UKF ha disminuido en un 47% en comparación con el sistema que utiliza UKF.