| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究目标及研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 数学模型及PSO算法简介 | 第15-29页 |
| 2.1 空间谱估计的数学模型 | 第15-20页 |
| 2.1.1 空间谱估计的基本概念 | 第15-16页 |
| 2.1.2 空间谱估计的数学模型 | 第16-18页 |
| 2.1.3 空间谱估计的关键问题 | 第18-19页 |
| 2.1.4 空间谱估计的应用 | 第19-20页 |
| 2.2 WSF算法简介 | 第20-22页 |
| 2.2.1 WSF算法概述 | 第20页 |
| 2.2.2 WSF算法算子推导 | 第20-22页 |
| 2.3 PSO算法简介 | 第22-28页 |
| 2.3.1 PSO算法概述 | 第22-24页 |
| 2.3.2 PSO算法步骤 | 第24-26页 |
| 2.3.3 常见的PSO算法改进思路 | 第26-27页 |
| 2.3.4 PSO算法中的边界属性 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 常见的WSF低复杂度求解算法 | 第29-34页 |
| 3.1 经典的优化求解算法 | 第29页 |
| 3.2 智能优化算法 | 第29-32页 |
| 3.2.1 遗传算法 | 第30页 |
| 3.2.2 粒子群算法 | 第30-31页 |
| 3.2.3 遗传算法与PSO算法结合的PSO算法 | 第31-32页 |
| 3.3 根据问题本身修改算法机制 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于粒子群的WSF低复杂度求解算法设计 | 第34-50页 |
| 4.1 高复杂度原因分析及解决方案 | 第34-39页 |
| 4.1.1 WSF算法和PSO算法结合的角度 | 第34-38页 |
| 4.1.2 PSO算法的角度 | 第38-39页 |
| 4.1.3 WSF算法的角度 | 第39页 |
| 4.2 基于粒子群的二段式WSF低复杂度求解算法 | 第39-44页 |
| 4.2.1 粗略估计解空间 | 第40-42页 |
| 4.2.2 基于PSO优化的精细搜索 | 第42-44页 |
| 4.3 TSWSF算法的缺陷以及改进思路 | 第44-45页 |
| 4.4 基于限定解空间的WSF低复杂度求解算法 | 第45-49页 |
| 4.4.1 最优解位置估计 | 第46页 |
| 4.4.2 解空间的确定 | 第46-47页 |
| 4.4.3 选取解空间的结束条件 | 第47-48页 |
| 4.4.4 解空间内的搜索次数 | 第48页 |
| 4.4.5 算法流程 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于粒子群的WSF低复杂度求解算法的仿真结果及分析 | 第50-59页 |
| 5.1 数学模型仿真参数 | 第50-51页 |
| 5.2 仿真结果及分析 | 第51-57页 |
| 5.3 本章小结 | 第57-59页 |
| 总结与展望 | 第59-62页 |
| 1 主要工作 | 第59-60页 |
| 2 主要创新点 | 第60页 |
| 3 进一步工作 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的学术成果 | 第67-68页 |
| 致谢 | 第68页 |