智能信息处理是模仿生物处理模式以获得智能信息处理功能的理论。其中,人工神经网络(ANN)模型是在现代脑科学对人脑神经元系统的认识和了解的基础上提出来的,它通过大量神经元的连接,采用自学习、自组织和非线性动力学所形成的并行分布方式来处理信息。人工免疫系统(AIS)是在借鉴生物免疫系统的相关机制的基础上建立起来的信息处理系统。近年来,人工免疫系统发展迅速,已经成为智能信息处理领域继模糊逻辑、神经网络、进化算法之后的又一个研究热点。本文讨论了免疫优化算法和径向基函数(RBF)神经网络的实现原理和特点,并将采用免疫优化算法训练的RBF网络应用于雷达信号综合分选问题之中,取得了优良的效果。本文的主要工作可以概括如下:(一)免疫优化算法是人工免疫系统的一个重要分支,它借鉴生物免疫系统的进化机制,结合标准进化算法的框架结构,为随机搜索提供了新的方法。本文研究了基于不同免疫学借鉴而提出的多种免疫优化算法,并以TSP问题为例比较了几种常用的免疫优化算法的性能,验证了免疫优化算法对进化算法的性能改进。(二)雷达信号综合分选是雷达侦察接收系统的基本信号处理过程。只有在信号分选的基础上,才能有效地对雷达类型和威胁的性质加以识别。本文将基于免疫优化算法训练的RBF网络应用于雷达信号综合分选系统,并通过在复杂雷达信号环境下的仿真实验证明了这种RBF网络信号分选系统的有效性。(三) OFDM信道估计是无线通讯中一项关键技术,信道估计的优良直接影响到通讯的质量。本文将OFDM信道估计问题等效为对信道的传递函数进行估计,利用RBF网络实现了信道估计。在RBF网络估计器的训练中,采用结合新型人工免疫算法确定RBF网络的隐层参数,能够使网络参数趋于全局最优,基于免疫机制的RBF网络有效提高了网络训练精度,改善进化训练算法的未成熟收敛问题。对WSSUS假设下的六束瑞利衰落信道估计的实验表明,这种基于人工免疫的RBF网络模型达到了较高的估计准确率。