-
公开(公告)号：CN114167347B
公开(公告)日：2023-07-21
申请号：CN202111421629.X
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种冲击噪声环境下互质阵列的幅相误差校正和测向方法，首先采用外加辅助源的校正算法得出幅相误差的粗估计值，再用量子哈里斯鹰算法在粗估计相位误差周围进行搜索，可以实现在极低信噪比下对幅相误差进行更精确的估计。同时，在冲击噪声下互质阵列的波达方向估计问题上，本发明所设计的基于量子哈里斯鹰机制的分数低阶协方差结合虚拟矩阵的极大似然测向方法，可在相同信噪比下取得比其他传统算法更低的均方根误差，其中引入的虚拟阵列和空间平滑算法，可有效提高互质阵列的空间自由度。
-
-
公开(公告)号：CN115617071A
公开(公告)日：2023-01-17
申请号：CN202211224098.X
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明设计了量子雪豹机制的多无人机对抗任务规划方法，每个目标都有三个任务：勘察，袭击和评估，三个任务严格按照时间顺序执行。为了实现三种任务的时间耦合，本发明设计了协同对抗和独立对抗并行使用的战斗方略，有效解决了时间约束问题。本发明设计的量子编码的雪豹量子位置演化机制，得到一种新的量子雪豹机制方法，量子雪豹中的移动追踪策略用于全局搜索，狩猎策略用于局部搜索，种群繁衍和灭绝策略用于淘汰劣等量子雪豹个体，三种策略协同优化适应度函数，克服了过去方法容易陷入局部收敛的弊端，也提升了演化机制的寻优速率。
-
Patent Agency Ranking
公开(公告)号：CN115600081A
公开(公告)日：2023-01-13
申请号：CN202211218909.5
申请日：2022-10-07
Applicant: 哈尔滨工程大学(CN)
Abstract: 本发明公开了一种冲击噪声下互质阵列的幅相误差自校正和测向方法，属于阵列信号处理领域。本发明不需要设置额外校正源，即可实现幅相误差校正和波达方向估计，提升了实际应用的实时性。传统的WF自校正方法对初次测向精度有较高要求，否则极易陷入局部最优值，本方法首先采取无穷范数加权结合分数低阶相关矩阵提升算法在冲击噪声下的稳定性，并采用精英学习量子麻雀搜索机理进行相位误差搜索，可以在初次测向精度较低的情况下搜索出精确的相位误差值，并将相位误差和幅度误差进行独立搜索与估计，可进一步提升自校正方法的稳定性。
-
公开(公告)号：CN113115456B
公开(公告)日：2022-07-12
申请号：CN202110357285.4
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于量子星系搜索机制的双层异构网络功率分配方法，包括：建立双层异构网络功率分配模型；初始化星体量子位置；更新量子旋转角，实现局部搜索的寻优搜索过程；判断是否达到最大循环次数K1，若未达到，返回步骤三；若达到，终止循环；选出更优的星系；判断是否达到最大循环次数K2，若未达到，返回步骤五；若达到，终止循环；判断标志变量flag；实现局部搜索的寻优搜索过程；判断是否达到最大循环次数K3，若未达到，返回步骤八；若达到，终止循环，将第g迭代中得到的作为最优结果，判断是否达到最大迭代次数G，若未达到，返回到步骤三；若达到，则终止迭代，将第G次迭代中的最优星体位置输出。本发明能获得比其他的智能求解机制更优秀的系统性能。
-
公开(公告)号：CN114501428A
公开(公告)日：2022-05-13
申请号：CN202210091475.0
申请日：2022-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种智能反射面的安全Massive MIMO系统资源分配方法，包括：建立基于智能反射面的安全Massive MIMO系统模型；初始化量子天牛群；确定量子天牛群中每只量子天牛的左须和右须的量子位置及适应度；更新量子天牛群中每只量子天牛的量子速度、速度和量子位置；更新每只量子天牛的局部最优量子位置、整个量子天牛群的全局最优量子位置，更新步长、惯性权重及左右须之间的距离；判断是否达到最大迭代次数，将最佳资源分配方法输出；本发明设计了量子天牛群搜索机制，应用智能反射面在限制窃听容量的同时最大化系统容量，提高Massive MIMO系统的安全性能以及资源利用率。
-
公开(公告)号：CN114167347A
公开(公告)日：2022-03-11
申请号：CN202111421629.X
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种冲击噪声环境下互质阵列的幅相误差校正和测向方法，首先采用外加辅助源的校正算法得出幅相误差的粗估计值，再用量子哈里斯鹰算法在粗估计相位误差周围进行搜索，可以实现在极低信噪比下对幅相误差进行更精确的估计。同时，在冲击噪声下互质阵列的波达方向估计问题上，本发明所设计的基于量子哈里斯鹰机制的分数低阶协方差结合虚拟矩阵的极大似然测向方法，可在相同信噪比下取得比其他传统算法更低的均方根误差，其中引入的虚拟阵列和空间平滑算法，可有效提高互质阵列的空间自由度。
-
公开(公告)号：CN113596951A
公开(公告)日：2021-11-02
申请号：CN202111027480.7
申请日：2021-09-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于量子礁鲨机制的无线传感器网络分簇路由方法。此方法采用与LEACH相同的按“轮”周期运行方式，每轮包括动态成簇、动态簇首竞争和稳定数据传输三个阶段，以优化节点监测及控制数据在网络中的路由传递，均衡网络能耗，延长网络生命周期。在动态成簇阶段，根据当前网络状态判断是否需要动态成簇，若需要则采用量子礁鲨优化机制实现WSN节点动态成簇，以避免“热区”，其仿生于礁鲨捕食过程并结合模拟量子旋转门来演化量子礁鲨量子态，收敛速度快、收敛精度高，且具有更好的鲁棒性；在动态簇首竞争阶段，综合考虑节点剩余能量、节点与基站距离、节点与簇内其他节点距离三个因素并结合当前轮的网络特征来选举最优簇首。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.035 seconds)
