本书是在国内外仿生智能优化相关理论与应用研究的基础上，结合多年的研究成果，介绍和阐述将仿生智能优化算法应用于信号处理相关问题的理论和方法。本书共分5章，系统地介绍了基于仿生智能优化的智能信号处理的基本理论和算法。书中分析了仿生智能优化算法的特点及优势，给出了基于仿生智能优化的智能信号处理框架，介绍了多种性能优良的仿生智能优化算法，系统地研究了基于仿生智能优化的盲信号分离技术、高光谱图像解混技术和三维点云拼接技术等三大类基于仿生智能优化的智能信号处理技术，针对算法的模型建立、目标函数的构造、参数编码方法及算法性能分析与验证等内容进行了详细的阐述。 全书着眼于学术前沿，视角新颖、深入浅出，循序渐进，既注重对基本原理的阐述，也对算法的提出与应用效果进行了系统分析验证，并力求语言表达精炼准确。 本书可供信息科学、计算机科学与技术、统计学、人工智能等领域的科研人员和专业人士参考。

第1章 绪论
1.1 仿生智能优化算法的特点及优势
1.2 基于仿生智能优化的智能信号处理框架
第2章 仿生智能优化算法
2.1 粒子群优化算法
2.2 人工蜂群算法
2.3 细菌趋药性优化算法
2.4 细菌觅食优化算法
2.5 回溯搜索优化算法
2.6 蝙蝠算法
2.7 微分搜索算法
2.8 布谷鸟搜索算法
2.9 樽海鞘群算法
2.10 鲸群优化算法
2.11 蝗虫优化算法
第3章 基于仿生智能优化的盲信号分离技术
3.1 线性混合盲信号分离模型
3.1.1 数学模型
3.1.2 假设条件与不确定性
3.1.3 盲信号分离前的预处理
3.2 盲信号分离的独立性判据
3.2.1 最小互信息判据
3.2.2 极大似然判据
3.2.3 最大化峭度判据
3.2.4 最大化负熵判据
3.3 盲信号分离算法的性能评判
3.3.1 主观定性评判方法
3.3.2 客观定量评判方法
3.4 基于粒子群优化的有序盲信号分离算法
3.4.1 目标函数的选取
3.4.2 参数编码与初始粒子群体的确定
3.4.3 消源与新混合信号的形成
3.4.4 实验分析
3.4.5 算法在工频干扰消除中的应用
3.5 基于细菌群体趋药性的有序盲信号分离算法
3.5.1 带探测判断和优势细菌随机扰动的细菌群优化算法
3.5.2 基于DPBCC算法的有序盲信号分离算法
3.5.3 实验分析
3.5.4 在工频干扰消除中的应用
3.6 基于细菌觅食优化的盲信号分离算法
3.6.1 盲信号分离的目标函数
3.6.2 菌群位置编码与优化分离过程
3.6.3 基于改进BFO的分离算法
3.6.4 实验分析
3.7 基于样条插值与人工蜂群优化的非线性盲信号分离算法
3.7.1 后非线性混合盲分离模型
3.7.2 改进的人工蜂群算法
3.7.3 基于样条插值与MABC的后非线性分离算法
3.7.4 实验分析
3.8 基于回溯搜索优化的卷积盲信号分离算法
3.8.1 卷积混合盲分离模型
3.8.2 独立向量分析
3.8.3 基于回溯搜索优化的分离算法原理
3.8.4 实验分析
第4章 基于仿生智能优化的高光谱图像解混技术
4.1 高光谱图像解混技术概述
4.1.1 基于几何学的方法
4.1.2 基于统计学的方法
4.2 高光谱图像解混模型
4.2.1 线性光谱混合模型
4.2.2 非线性光谱混合模型
4.2.3 高光谱图像解混评价指标
4.3 基于仿生智能优化的高光谱图像线性解混方法
4.3.1 基于布谷鸟搜索的高光谱图像线性解混算法
4.3.2 基于去噪降维和蝙蝠优化的高光谱图像线性解混算法
4.4 基于仿生智能优化的高光谱图像非线性解混方法
4.4.1 基于微分搜索的高光谱图像非线性解混算法
4.4.2 基于回溯优化的高光谱图像非线性解混算法
第5章 基于仿生智能优化的三维点云拼接技术
5.1 点云拼接的数学表示
5.2 基于仿生智能优化的三维点云拼接方法
5.3 基于哈希表和飞蛾火焰优化的点云拼接算法
5.3.1 飞蛾火焰优化算法
5.3.2 哈希优化策略
5.3.3 HMFO算法
5.3.4 实验分析
5.4 基于色彩信息的自适应进化点云拼接算法
5.4.1 彩色点云模型及特征点采样
5.4.2 带色彩约束的目标函数
5.4.3 种群编码及优化求解
5.4.4 实验分析
5.5 基于重采样策略与人工蜂群优化的点云拼接算法
5.5.1 重采样策略
5.5.2 改进的人工蜂群搜索策略
5.5.3 编码方案和拼接算法流程
5.5.4 实验分析
参考文献