-
公开(公告)号：CN112954807B
公开(公告)日：2022-11-18
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
公开(公告)号：CN113784365A
公开(公告)日：2021-12-10
申请号：CN202111049475.6
申请日：2021-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种物联网通信资源管理方法，建立基于智能反射面协作机制的物联网通信模型；初始化量子海洋捕食者种群及参数，经映射得到量子海洋捕食者量子位置；计算量子海洋捕食者适应度，得到历史最优量子位置和顶级猎手对应的全局最优量子位置；根据探索和捕食策略更新量子海洋捕食者量子位置；对更新后的量子海洋捕食者量子位置进行映射，得到量子海洋捕食者位置并计算更新后的量子海洋捕食者适应度，更新每个量子海洋捕食者历史最优量子位置和顶级猎手对应全局最优量子位置至最大迭代次数，输出全局最优量子位置，得到协作智能反射面物联网通信资源管理方案。本发明提升物联网通信系统网络能量效率，收敛速度快、精度高、稳定性强。
-
公开(公告)号：CN113766492A
公开(公告)日：2021-12-07
申请号：CN202111050667.9
申请日：2021-09-08
Applicant: 哈尔滨工程大学
IPC: H04W12/02 , H04W72/04 , H04B7/0413
Abstract: 本发明公开了一种安全Massive MIMO网络资源配置方法，建立通信系统模型；初始化量子秃鹰群，经映射规则得到量子秃鹰的位置并计算适应度，选出全局最优量子位置；根据搜索演化规则更新量子秃鹰群量子位置；通过盘旋演化对量子秃鹰群量子位置进行更新；根据俯冲规则更新量子秃鹰群量子位置，经映射规则得到更新后量子秃鹰位置并计算适应度，更新量子秃鹰群全局最优量子位置；如果迭代次数小于最大迭代次数，返回步骤三；否则，迭代终止，输出量子秃鹰群全局最优量子位置，根据映射规则得到位置并得到网络资源配置方案。本发明提高系统的资源利用率，极大地提升Massive MIMO系统的保密容量。
-
公开(公告)号：CN109190978B
公开(公告)日：2021-11-23
申请号：CN201811017379.1
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 一种基于量子鸟群演化机制的无人机资源分配方法，属于无人机自主控制领域。本发明方法的步骤为：建立无人机资源分配模型；确定无人机执行任务的种类，初始化量子鸟群；根据适应度函数进行适应度计算，并确定群体的全局最佳位置；通过量子旋转门和量子非门更新量子位置并测量；根据适应度函数进行适应度计算；更新每只量子鸟的局部最佳位置和整个群体的全局最佳位置；判断是否达到最大迭代次数，若达到则输出群体全局最佳位置，并映射为任务资源矩阵。本发明充分考虑到无人机执行不同任务时对资源的需要不同，以较少的时间代价获取资源配置比最优的无人机资源分配方案，同时满足无人机性能要求，得到更加合理的无人机资源分配方案。
-
公开(公告)号：CN113595903A
公开(公告)日：2021-11-02
申请号：CN202110783612.2
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: H04L12/715 , H04L12/721 , H04L12/733 , H04W24/02 , H04W52/02 , H04W52/06 , H04W84/18 , G06K9/62
Abstract: 本发明提供一种基于FCM分簇拓扑的无线传感器网络节点休眠调度方法，规定网络按“轮”周期运行，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，若需要则采用模糊C均值聚类FCM实现成簇阶段；在冗余节点判断阶段，根据某节点覆盖区域内邻居节点的位置分布情况来判断该节点是否冗余；在动态簇首选举阶段，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网络状态来选举最优簇首；在冗余节点休眠调度阶段，调度非簇首冗余节点休眠、簇首冗余节点工作；在稳定数据传输阶段，本发明优化了数据转发传递路径，减少了网络能耗，延长了整个网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN113189558A
公开(公告)日：2021-07-30
申请号：CN202110469718.5
申请日：2021-04-28
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明提供一种冲击噪声环境下基于演化神经网络的雷达信号识别方法，包括：在冲击噪声环境计算训练集中第m个雷达辐射源信号序列的分数低阶协方差谱；提取四种特征参数，并将这四种特征参数组成特征向量判断是否所有雷达辐射源信号序列分数低阶协方差谱的四种特征参数都被提取完毕；利用训练集的特征矩阵和设计双链编码的量子水蒸发优化算法寻找概率神经网络的最优平滑因子σ，量子水蒸发优化算法记做QWEO；将寻找到的全局最优位置赋值给平滑因子σ，利用优化后的概率神经网络模型对测试集或实测数据集进行识别，给出识别结果。本发明降低了识别方法的计算复杂度，解决了特征指数0＜α≤2时冲击噪声环境下的雷达调制信号识别问题。
-
公开(公告)号：CN112954807A
公开(公告)日：2021-06-11
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
公开(公告)号：CN109669156B
公开(公告)日：2021-05-11
申请号：CN201910128412.6
申请日：2019-02-21
Applicant: 哈尔滨工程大学
IPC: G01S3/46
Abstract: 本发明涉及一种冲击噪声下基于量子帝王蝶的圆阵模式空间动态测向方法，在冲击噪声环境下，设计了一种指数核协方差矩阵，利用圆阵模式空间的指数核协方差矩阵极大似然动态测向方法，对信源进行动态测向，并使用量子帝王蝶搜索机制在搜索区间内搜索指数核协方差矩阵极大似然方程估计的最优角度，通过逐步缩小搜索空间进而减小计算量。本发明所设计的动态测向方法，在高斯噪声、弱冲击噪声和强冲击噪声等复杂环境下均能有效测向，在低信噪比，小快拍数和相干信源的情况下具有优越的DOA估计性能。
-
公开(公告)号：CN107333317B
公开(公告)日：2020-11-10
申请号：CN201710562235.3
申请日：2017-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子猫群搜索机制的多目标中继选择方法。一，建立中继系统模型。二，初始化三个量子猫群。三，对第1个量子猫群和第2个量子猫进行更新。四：对第3个量子猫群中的每一量子猫进行更新。五：将第3个量子猫群更新出的H个量子猫放入非支配解集中。对非支配解集中的量子猫进行非支配解排序和拥挤度计算，保留前H个量子猫作为非支配解。将第3个量子猫的解群替换为非支配解集中的解。六：对非支配解集和演化单目标的量子猫群进行操作。七：如果进化没有终止，返回步骤三，否则，终止迭代，输出非支配解集中的非支配解。本发明可以同时考虑输出端信噪比和网络能量效率来解决多目标中继选择问题，适用性强，应用范围广泛。
-
公开(公告)号：CN107578365B
公开(公告)日：2020-09-11
申请号：CN201710810395.5
申请日：2017-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于量子杂草寻优机制的小波数字水印嵌入和提取方法，属于信息隐藏技术领域。具体实现过程为：对水印图像进行二值化，并对二值化后的水印图像进行加密处理。把载体图像和加密后的水印图像变换到小波域中，在载体图像分成多个嵌入点，根据量子杂草寻优机制优化的不同参数，采用加性或者乘性规则嵌入水印，然后通过小波重构变换到时域完成水印的嵌入；水印的提取方法与嵌入方法对应，把含水印图像变换到小波域，在不同的嵌入点根据不同参数提取出置乱加密后的水印，整合成完整的水印，然后变换到时域中，通过置乱恢复得到提取出来的水印。和现有方法比较，该方法的不可感知性、鲁棒性及安全性都得到了提高，更具有实用性。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.036 seconds)
