免疫算法及其在数字滤波器设计中的应用
| 第一章 引言 | 第1-15页 |
| 1．1 研究背景和意义 | 第10-11页 |
| 1．2 目前主要的研究方向 | 第11-12页 |
| 1．3 本文所关注的问题和主要工作 | 第12-15页 |
| 第二章 免疫算法简介 | 第15-24页 |
| 2．1 生物学基础 | 第15-17页 |
| 2．2 算法分类 | 第17-20页 |
| 2．2．1 基于免疫网络型 | 第17-18页 |
| 2．2．2 基于免疫机制型 | 第18-20页 |
| 2．3 免疫算法的应用 | 第20-24页 |
| 第三章 免疫算法的性能分析 | 第24-41页 |
| 3．1 一般算法的框架 | 第24-28页 |
| 3．2 本文所做的改进 | 第28-33页 |
| 3．2．1 记忆细胞的改进 | 第28-29页 |
| 3．2．2 交叉变异的改进 | 第29页 |
| 3．2．3 算法具体实现 | 第29-33页 |
| 3．3 对TSP问题的求解 | 第33-39页 |
| 3．3．1 问题定义 | 第33页 |
| 3．3．2 算法实现 | 第33-37页 |
| 3．3．3 试验结果 | 第37-39页 |
| 3．4 小结 | 第39-41页 |
| 第四章 免疫算法在滤波器优化设计中的应用 | 第41-57页 |
| 4．1 LMS自适应陷波器 | 第41-48页 |
| 4．1．1 自适应信号处理 | 第41-43页 |
| 4．1．2 算法实现 | 第43-46页 |
| 4．1．3 实验结果 | 第46-48页 |
| 4．2 FIR滤波器的优化设计 | 第48-56页 |
| 4．2．1 频率抽样技术 | 第49-50页 |
| 4．2．2 问题分析 | 第50-52页 |
| 4．2．3 低通FIR的实现及结果 | 第52-54页 |
| 4．2．4 高通FIR的实现及结果 | 第54-56页 |
| 4．3 小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-62页 |
| 5．1 本文的创新及需要进一步做的工作 | 第57-59页 |
| 5．2 人工免疫系统的发展展望 | 第59-62页 |
| 参考文献 | 第62-64页 |
| 发表论文 | 第64-65页 |
| 致谢 | 第65页 |
