| 摘要 | 第12-14页 |
| ABSTRACT | 第14-15页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景和意义 | 第16-18页 |
| 1.2 研究现状 | 第18-27页 |
| 1.2.1 粒子群优化算法研究现状 | 第18-22页 |
| 1.2.2 数字滤波器研究现状 | 第22-26页 |
| 1.2.3 粒子群优化算法在数字滤波器中的应用研究现状 | 第26-27页 |
| 1.3 主要研究内容 | 第27-28页 |
| 1.4 组织结构 | 第28-29页 |
| 1.5 本章小结 | 第29-30页 |
| 第2章 粒子群优化算法及数字滤波器 | 第30-39页 |
| 2.1 粒子群优化算法 | 第30-35页 |
| 2.1.1 群智能算法 | 第30-31页 |
| 2.1.2 标准粒子群优化算法 | 第31-35页 |
| 2.2 数字滤波器 | 第35-38页 |
| 2.2.1 数字信号处理 | 第35-36页 |
| 2.2.2 数字滤波器 | 第36-38页 |
| 2.2.3 零相位数字滤波器 | 第38页 |
| 2.3 本章小结 | 第38-39页 |
| 第3章 基于三角函数因子的粒子群优化算法 | 第39-47页 |
| 3.1 引言 | 第39页 |
| 3.2 基于三角函数因子的粒子群优化算法 | 第39-43页 |
| 3.2.1 算法原理 | 第39-40页 |
| 3.2.2 基于三角函数因子的PSO算法模型 | 第40-41页 |
| 3.2.3 正弦三角函数因子的振动性分析 | 第41-43页 |
| 3.3 实验结果与分析 | 第43-46页 |
| 3.3.1 参数设置 | 第43页 |
| 3.3.2 测试函数 | 第43-44页 |
| 3.3.3 实验结果与性能分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于折射原理反向学习模型的粒子群优化算法 | 第47-64页 |
| 4.1 引言 | 第47-48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.2.1 反向学习策略 | 第48-49页 |
| 4.2.2 一般反向学习策略 | 第49页 |
| 4.3 反向学习统一模型 | 第49-52页 |
| 4.3.1 折射原理 | 第49-50页 |
| 4.3.2 基于折射原理反向学习统一模型 | 第50-52页 |
| 4.4 折射原理反向学习模型在PSO算法中的应用 | 第52-54页 |
| 4.5 实验结果与分析 | 第54-59页 |
| 4.5.1 参数设置 | 第54-55页 |
| 4.5.2 测试函数 | 第55页 |
| 4.5.3 实验结果与分析 | 第55-59页 |
| 4.6 算法收敛与时间复杂度分析 | 第59-62页 |
| 4.6.1 算法收敛性分析 | 第59-61页 |
| 4.6.2 算法时间复杂度分析 | 第61-62页 |
| 4.7 本章小结 | 第62-64页 |
| 第5章 基于极值优化算法和反向学习组合的自适应混合粒子群算法 | 第64-82页 |
| 5.1 引言 | 第64页 |
| 5.2 相关工作 | 第64-70页 |
| 5.2.1 极值优化算法 | 第64-67页 |
| 5.2.2 改进的EO算法 | 第67-70页 |
| 5.3 基于极值优化算法与反向学习的PSO算法设计 | 第70-74页 |
| 5.3.1 EO算法及OBL策略引入到PSO算法的可行性分析 | 第70-72页 |
| 5.3.2 自适应混合算法AHOPSO-CEO | 第72-73页 |
| 5.3.3 变异操作 | 第73页 |
| 5.3.4 组合EO算法与OBL策略 | 第73-74页 |
| 5.4 数值实验与分析 | 第74-78页 |
| 5.4.1 测试函数与参数设置 | 第74-75页 |
| 5.4.2 AHOPSO-CEO算法实验结果与分析 | 第75-78页 |
| 5.5 收敛性与时间复杂度分析 | 第78-81页 |
| 5.5.1 AHOPSO-CEO算法收敛性分析 | 第78-81页 |
| 5.5.2 AHOPSO-CEO算法时间复杂度分析 | 第81页 |
| 5.6 本章小结 | 第81-82页 |
| 第6章 粒子群优化算法在FIR数字滤波器中的应用 | 第82-107页 |
| 6.1 引言 | 第82-83页 |
| 6.2 相关工作 | 第83-85页 |
| 6.2.1 FIR数字滤波器设计 | 第83-85页 |
| 6.2.2 PM算法概述 | 第85页 |
| 6.3 基于反向学习的PSO算法设计FIR数字滤波器 | 第85-91页 |
| 6.3.1 概述 | 第85-87页 |
| 6.3.2 适应值函数 | 第87页 |
| 6.3.3 优化过程 | 第87-88页 |
| 6.3.4 实验结果与分析 | 第88-91页 |
| 6.4 基于折射反向学习的PSO算法设计FIR数字滤波器 | 第91-102页 |
| 6.4.1 概述 | 第91-92页 |
| 6.4.2 适应值函数 | 第92页 |
| 6.4.3 优化过程 | 第92-93页 |
| 6.4.4 实验结果与分析 | 第93-102页 |
| 6.5 OPSO、TFPSO及refrPSO设计FIR数字滤波器性能比较 | 第102-106页 |
| 6.5.1 概述 | 第102页 |
| 6.5.2 适应值函数 | 第102-103页 |
| 6.5.3 实验结果与分析 | 第103-106页 |
| 6.6 本章小结 | 第106-107页 |
| 第7章 总结与展望 | 第107-109页 |
| 7.1 本文的主要工作 | 第107-108页 |
| 7.2 下一步工作的展望 | 第108-109页 |
| 参考文献 | 第109-122页 |
| 攻读博士学位期间的科研成果 | 第122-124页 |
| 发表的学术论文 | 第122-123页 |
| 参与的科研项目 | 第123-124页 |
| 致谢 | 第124-126页 |
| 附录：测试函数 | 第126-127页 |
