基于智能优化的低复杂度的随机最大似然算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-14页 |
| 1.1 课题的背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要内容及章节安排 | 第13-14页 |
| 第2章 空间谱估计的理论基础 | 第14-30页 |
| 2.1 空间谱估计的基本模型 | 第14-16页 |
| 2.2 子空间分解类算法 | 第16-21页 |
| 2.2.1 多重信号分类算法（MUSIC） | 第16-19页 |
| 2.2.2 旋转不变子空间算法（ESPRIT） | 第19-21页 |
| 2.3 最大似然算法 | 第21-25页 |
| 2.4 基于随机最大似然的解析方法 | 第25-29页 |
| 2.4.1 交互最小化算法（AM） | 第25-27页 |
| 2.4.2 人工遗传算法（GA） | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于改进粒子群的SML算法研究 | 第30-45页 |
| 3.1 基本粒子群算法 | 第31-32页 |
| 3.2 基于PSO的随机最大似然算法 | 第32-33页 |
| 3.3 基于改进PSO的随机最大似然算法 | 第33-40页 |
| 3.3.1 用ESPRIT和CRB对DOA预估计 | 第34-37页 |
| 3.3.2 对惯性因子W的改进 | 第37-38页 |
| 3.3.3 基于改进PSO的DOA估计步骤 | 第38-40页 |
| 3.4 基于改进PSO的测向实验结果及分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于膜计算的SML算法研究 | 第45-61页 |
| 4.1 膜计算的原理 | 第46-48页 |
| 4.2 基于膜计算的随机最大似然算法 | 第48-55页 |
| 4.2.1 解空间的膜划分 | 第48-50页 |
| 4.2.2 基于改进PSO的膜内搜索算法 | 第50-53页 |
| 4.2.3 全局优化策略 | 第53-55页 |
| 4.2.4 基于膜计算的DOA估计步骤 | 第55页 |
| 4.3 基于膜计算的的测向实验结果及分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
