根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点，设计了合适的惯性项、认知项与社会项表达式，并将之应用于组合自适应滤波器的子自适应滤波器更新中，提出了基于PSO算法思想的组合自适应滤波算法，分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明，新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力，其收敛性能优于其它几种较新的LMS算法。

是一种基于粒子群优化算法思想的组合自适应滤波算法，关于粒子群的一种滤波算法

SSD（single shot multibox detector）翻译，含原论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作 所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 位论文作着(笔)签名分2y年D月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学

对数字全息再现像存在对比度低、边缘纹理不清晰、含散斑噪声等问题，提出了基于均匀搜索粒子群优化的Contourlet域数字全息再现像自适应增强方法。利用中值滤波算法抑制再现像中的散斑噪声，经Contourlet分解后，对带通方向子带利用非线性增益函数进行边缘增强；低通子带系数的调整则依据基于灰度级变换和局部均值的增益函数，其中灰度级变换使图像暗区扩展，利用均匀搜索粒子群优化搜寻待定参数，适应度函数兼顾了图像的对比度、清晰度及峰值信噪比。大量实验结果表明，与现有的三种增强方法相比，该方法能更有效地提