智能信号处理：基于仿生智能优化

本书是在国内外仿生智能优化相关理论与应用研究的基础上，结合多年的研究成果，介绍和阐述将仿生智能优化算法应用于信号处理相关问题的理论和方法。本书共分5章，系统地介绍了基于仿生智能优化的智能信号处理的基本理论和算法。书中分析了仿生智能优化算法的特点及优势，给出了基于仿生智能优化的智能信号处理框架，介绍了多种性能优良的仿生智能优化算法，系统地研究了基于仿生智能优化的盲信号分离技术、高光谱图像解混技术和三维点云拼接技术等三大类基于仿生智能优化的智能信号处理技术，针对算法的模型建立、目标函数的构造、参数编码方法及算法性能分析与验证等内容进行了详细的阐述。

全书着眼于学术前沿，视角新颖、深入浅出，循序渐进，既注重对基本原理的阐述，也对算法的提出与应用效果进行了系统分析验证，并力求语言表达精炼准确。

本书可供信息科学、计算机科学与技术、统计学、人工智能等领域的科研人员和专业人士参考。

仿生智能优化算法原理结构清晰、全局优化能力优异，有效克服了传统优化方法的一些固有缺点，已广泛应用于语音识别、分布参数估计、图像视频处理、遥感光谱处理和排序调度等多学科领域，在实际工程应用中发挥了重要而积极的作用。采用仿生智能优化算法替代传统的梯度类优化算法解决信号处理问题是一个非常可行且具有良好发展前景的研究方向。

本书是作者及其所指导或参与指导的研究生田雨、蔺悦、尹钧圣、甘士忠、韩大伟、孙彦慧、薛允艳、邹力、徐伟、李垚、穆青爽等自2008年开始，在国家自然科学基金项目“基于群智能优化的复杂混合盲信号分离算法研究”（61401307）、国家自然科学基金重点项目“大场景目标纹理特征的中远距离、高分辨率三维测量与定位研究”（61535008）、中国博士后科学基金项目“基于深度神经网络的高光谱图像非线性解混技术研究”（2014M561184）和天津市应用基础与前沿技术研究计划项目“基于仿生智能优化的并行高光谱图像解混技术研究”（15JCYBJC17100）等课题的资助下，将仿生智能优化算法与智能信号处理问题相结合，系统地研究了基于仿生智能优化算法的智能信号处理技术，一些研究成果已在国内外重要学术期刊和会议上发表。本书作为这些研究成果的总结和提炼，反映了目前国内外利用仿生智能优化算法解决语音信号处理、高光谱图像信号处理和三维点云数据处理的最新研究进展和前沿课题。

本书共分5章。第1章为绪论，介绍了仿生智能优化算法的特点及优势，给出了基于仿生智能优化的智能信号处理框架；第2章为仿生智能优化算法，介绍了粒子群优化算法、人工蜂群算法、细菌优化算法、蝙蝠算法、樽海鞘群算法和鲸群优化算法等多种性能优良的仿生智能优化算法的优化机制和原理；第3章为基于仿生智能优化的盲信号分离技术，分析了盲信号分离的模型、信号分离的判据及对信号分离算法性能评判的主客观方法；第4章为基于仿生智能优化的高光谱图像解混技术，分析了高光谱图像解混的模型，研究了基于仿生智能优化的高光谱图像线性解混方法和非线性解混方法；第5章为基于仿生智能优化的三维点云拼接技术，研究了基于哈希表和飞蛾火焰优化的点云拼接算法、基于色彩信息的自适应进化点云拼接算法及基于重采样策略与人工蜂群优化的点云拼接算法。

感谢天津商业大学张立毅教授、天津大学李锵教授、河北工业大学周亚同教授等多年来对作者进行仿生智能优化相关理论及其应用相关研究工作的大力支持，以及在本书编写过程中的热情帮助。本书编写过程中也参阅和引用了国内外学者的部分相关文献，在此致以诚挚的敬意。

由于作者水平有限，书中难免会出现一些疏漏和不妥之处，恳请读者和专家批评指正。

作者

2023年3月

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