第1章绪论1

1.1仿生智能优化算法的特点及优势1

1.2基于仿生智能优化的智能信号处理框架2

第2章仿生智能优化算法8

2.1粒子群优化算法8

2.2人工蜂群算法9

2.3细菌趋药性优化算法11

2.4细菌觅食优化算法12

2.5回溯搜索优化算法15

2.6蝙蝠算法16

2.7微分搜索算法17

2.8布谷鸟搜索算法18

2.9樽海鞘群算法19

2.10鲸群优化算法21

2.11蝗虫优化算法24

第3章基于仿生智能优化的盲信号分离技术31

3.1线性混合盲信号分离模型31

3.1.1数学模型31

3.1.2假设条件与不确定性32

3.1.3盲信号分离前的预处理33

3.2盲信号分离的独立性判据34

3.2.1最小互信息判据35

3.2.2极大似然判据36

3.2.3最大化峭度判据36

3.2.4最大化负熵判据37

3.3盲信号分离算法的性能评判38

3.3.1主观定性评判方法38

3.3.2客观定量评判方法39

3.4基于粒子群优化的有序盲信号分离算法39

3.4.1目标函数的选取40

3.4.2参数编码与初始粒子群体的确定41

3.4.3消源与新混合信号的形成41

3.4.4实验分析43

3.4.5算法在工频干扰消除中的应用50

3.5基于细菌群体趋药性的有序盲信号分离算法57

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58

3.5.2基于DPBCC算法的有序盲信号分离算法63

3.5.3实验分析65

3.5.4在工频干扰消除中的应用72

3.6基于细菌觅食优化的盲信号分离算法73

3.6.1盲信号分离的目标函数73

3.6.2菌群位置编码与优化分离过程73

3.6.3基于改进BFO的分离算法76

3.6.4实验分析77

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84

3.7.1后非线性混合盲分离模型85

3.7.2改进的人工蜂群算法85

3.7.3基于样条插值与MABC的后非线性分离算法87

3.7.4实验分析90

3.8基于回溯搜索优化的卷积盲信号分离算法99

3.8.1卷积混合盲分离模型100

3.8.2独立向量分析100

3.8.3基于回溯搜索优化的分离算法原理101

3.8.4实验分析104

第4章基于仿生智能优化的高光谱图像解混技术109

4.1高光谱图像解混技术概述110

4.1.1基于几何学的方法111

4.1.2基于统计学的方法113

4.2高光谱图像解混模型113

4.2.1线性光谱混合模型114

4.2.2非线性光谱混合模型114

4.2.3高光谱图像解混评价指标116

4.3基于仿生智能优化的高光谱图像线性解混方法117

4.3.1基于布谷鸟搜索的高光谱图像线性解混算法117

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122

4.4基于仿生智能优化的高光谱图像非线性解混方法127

4.4.1基于微分搜索的高光谱图像非线性解混算法127

4.4.2基于回溯优化的高光谱图像非线性解混算法136

第5章基于仿生智能优化的三维点云拼接技术145

5.1点云拼接的数学表示145

5.2基于仿生智能优化的三维点云拼接方法146

5.3基于哈希表和飞蛾火焰优化的点云拼接算法147

5.3.1飞蛾火焰优化算法148

5.3.2哈希优化策略148

5.3.3HMFO算法150

5.3.4实验分析152

5.4基于色彩信息的自适应进化点云拼接算法154

5.4.1彩色点云模型及特征点采样155

5.4.2带色彩约束的目标函数157

5.4.3种群编码及优化求解158

5.4.4实验分析158

5.5基于重采样策略与人工蜂群优化的点云拼接算法161

5.5.1重采样策略161

5.5.2改进的人工蜂群搜索策略163

5.5.3编码方案和拼接算法流程163

5.5.4实验分析164

参考文献172