1、目前，基本粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的方法對(duì)收斂速度和精度提高起到了一定作用，但是并沒有很好的解決陷入局部極值和全局搜索能力差的問題。針對(duì)這些問題，本文在粒子群算法的算法基礎(chǔ)之上提出了一種改進(jìn)方法，即將人工免疫機(jī)制引入到算法中的免疫粒子群優(yōu)化算法。通過(guò)進(jìn)行一系列的對(duì)比仿真實(shí)驗(yàn)，證明將此算法用來(lái)優(yōu)化小波神經(jīng)網(wǎng)絡(luò)可以很好的解決陷入局部極值問題，對(duì)網(wǎng)絡(luò)的收斂速度的提高也有很大的幫助，還能減小輸出結(jié)果的誤差精度，并提高算法搜索能力?？偟膩?lái)說(shuō)，對(duì)于小

2、波神經(jīng)網(wǎng)絡(luò)整體性能的提高是有很大幫助的。
　　 本文首先介紹了小波神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、國(guó)內(nèi)外情況和一些目前常用訓(xùn)練方法。接著，介紹了小波神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)和一些常用的母小波，并對(duì)目前常用的一些訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)的方法做了相關(guān)介紹。
　　 然后重點(diǎn)討論了粒子群優(yōu)化算法的相關(guān)理論研究和一些常用的改進(jìn)方法，借此引出了本文所使用的改進(jìn)方法，具體來(lái)說(shuō)就是，在粒子群優(yōu)化算法的基礎(chǔ)上，引入了人工免疫算法中的免疫機(jī)制，從而形成了免疫粒子群

3、優(yōu)化算法，該算法不僅有利于提高粒子群的種群多樣性，而且對(duì)算法的收斂速度和精度的提高也有著顯著作用。通過(guò)使用免疫粒子群算法來(lái)優(yōu)化小波神經(jīng)網(wǎng)絡(luò)，可以有效的解決制約小波神經(jīng)網(wǎng)絡(luò)發(fā)展的缺陷，像收斂速度慢、容易陷入局部極值等。
　　 接下來(lái)，本文分別使用基本粒子群算法和免疫粒子群算法來(lái)分別訓(xùn)練函數(shù)進(jìn)行訓(xùn)練，通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析，證明了免疫粒子群算法性能上的優(yōu)越性。接著將其應(yīng)用到了簡(jiǎn)單的機(jī)動(dòng)單目標(biāo)跟蹤模型中，以驗(yàn)證其在實(shí)際應(yīng)用中性能。經(jīng)過(guò)對(duì)