-
公开(公告)号：CN114020034B
公开(公告)日：2024-08-16
申请号：CN202111423642.9
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明提供一种基于任务切片的异构多无人机协同任务分配方法，包括：建立基于任务切片的异构多无人机协同任务分配模型；异构无人机对目标执行所分配子任务；建立异构多无人机协同任务分配评价指标函数；初始化量子镜像鲭鲨群并设定参数；定义并计算量子镜像鲭鲨与猎物的镜像距离；根据量子镜像鲭鲨与猎物的镜像距离对全部量子镜像鲭鲨排序；量子镜像鲭鲨依次执行围绕、追踪、游曳和沉浮模式，并在执行过程中使用模拟量子旋转门来演化量子镜像鲭鲨的量子位置；应用贪心选择策略，选择量子镜像鲭鲨的量子位置；演进终止判断，输出任务分配方案。本发明设计了量子镜像鲭鲨优化机制以高效实现异构多无人机协同任务分配方案的求解过程。
-
公开(公告)号：CN114158123B
公开(公告)日：2023-05-02
申请号：CN202111423632.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04W72/044 , H04B7/0426 , H04B7/0452
Abstract: 本发明提供一种智能反射面Massive MIMO系统资源分配方法，包括：建立一个基于智能反射面的Massive MIMO系统模型；初始化量子蝴蝶群；根据全局搜索或局部搜索规则更新量子蝴蝶群的量子位置；计算适应度，根据选择机制确定量子位置，更新感官模态和幂指数；判断迭代是否终止，输出最优分配方案，若迭代次数已经达到设定的最大迭代次数，即t＝T，则终止迭代，将量子蝴蝶群的全局最优量子位置输出；否则令t＝t+1，返回继续执行步骤三；根据量子位置与位置之间的映射规则得到全局最优位置，进而得到基于智能反射面的Massive MIMO系统资源分配方法。本发明实现最优反射系数充分发挥智能反射面的性能极限来实现Massive MIMO通信系统各种资源的最优分配，从而提高系统的资源利用率及系统的容量。
-
公开(公告)号：CN114020034A
公开(公告)日：2022-02-08
申请号：CN202111423642.9
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供一种基于任务切片的异构多无人机协同任务分配方法，包括：建立基于任务切片的异构多无人机协同任务分配模型；异构无人机对目标执行所分配子任务；建立异构多无人机协同任务分配评价指标函数；初始化量子镜像鲭鲨群并设定参数；定义并计算量子镜像鲭鲨与猎物的镜像距离；根据量子镜像鲭鲨与猎物的镜像距离对全部量子镜像鲭鲨排序；量子镜像鲭鲨依次执行围绕、追踪、游曳和沉浮模式，并在执行过程中使用模拟量子旋转门来演化量子镜像鲭鲨的量子位置；应用贪心选择策略，选择量子镜像鲭鲨的量子位置；演进终止判断，输出任务分配方案。本发明设计了量子镜像鲭鲨优化机制以高效实现异构多无人机协同任务分配方案的求解过程。
-
公开(公告)号：CN114172769A
公开(公告)日：2022-03-11
申请号：CN202111421628.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种进化长短时记忆网络的调制信号识别方法，包括：构造数据集；构造目标函数；初始化旗鱼捕食搜索机制的参数；计算适应度值，并确定精英旗鱼位置和受伤沙丁鱼位置；旗鱼攻击选择策略，更新旗鱼的位置；追捕猎物，更新沙丁鱼的位置；计算适应度值，确定被旗鱼捕食的沙丁鱼，确定精英旗鱼和受伤沙丁鱼位置；判断是否达到终止迭代条件，即达到最大迭代次数或者所有的沙丁鱼都被旗鱼捕获，若满足终止迭代条件，则继续向下运行，否则令g＝g+1，返回继续；使用训练集训练具有最优超参数的数字通信信号调制识别LSTM网络。本发明设计了文化旗鱼捕食搜索机制来获得最优的LSTM网络模型参数。
-
公开(公告)号：CN114172770B
公开(公告)日：2023-05-02
申请号：CN202111423647.1
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子根树机制演化极限学习机的调制信号识别方法，利用加权Myriad滤波器抑制冲击噪声，提出一种量子根树机制进行高效求解，突破了现有基于演化极限学习机的调制信号识别方法的一些应用局限。本发明设计的量子根树机制演化极限学习机的调制信号识别方法设计了量子根树机制，能对冲击噪声下的极限学习机权值和阈值进行高精度求解，有效提高调制识别率。仿真实验证明了冲击噪声下量子根树机制演化极限学习机的调制信号识别方法的有效性，突破了传统方法在冲击噪声和低信噪比环境下性能恶化甚至失效的应用局限，相对于传统方法识别率大幅提高。
-
Patent Agency Ranking
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：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：CN114158123A
公开(公告)日：2022-03-08
申请号：CN202111423632.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04W72/04 , H04B7/0426 , H04B7/0452
Abstract: 本发明提供一种智能反射面Massive MIMO系统资源分配方法，包括：建立一个基于智能反射面的Massive MIMO系统模型；初始化量子蝴蝶群；根据全局搜索或局部搜索规则更新量子蝴蝶群的量子位置；计算适应度，根据选择机制确定量子位置，更新感官模态和幂指数；判断迭代是否终止，输出最优分配方案，若迭代次数已经达到设定的最大迭代次数，即t＝T，则终止迭代，将量子蝴蝶群的全局最优量子位置输出；否则令t＝t+1，返回继续执行步骤三；根据量子位置与位置之间的映射规则得到全局最优位置，进而得到基于智能反射面的Massive MIMO系统资源分配方法。本发明实现最优反射系数充分发挥智能反射面的性能极限来实现Massive MIMO通信系统各种资源的最优分配，从而提高系统的资源利用率及系统的容量。
-
公开(公告)号：CN114172769B
公开(公告)日：2023-10-03
申请号：CN202111421628.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04L27/00 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种进化长短时记忆网络的调制信号识别方法，包括：构造数据集；构造目标函数；初始化旗鱼捕食搜索机制的参数；计算适应度值，并确定精英旗鱼位置和受伤沙丁鱼位置；旗鱼攻击选择策略，更新旗鱼的位置；追捕猎物，更新沙丁鱼的位置；计算适应度值，确定被旗鱼捕食的沙丁鱼，确定精英旗鱼和受伤沙丁鱼位置；判断是否达到终止迭代条件，即达到最大迭代次数或者所有的沙丁鱼都被旗鱼捕获，若满足终止迭代条件，则继续向下运行，否则令g＝g+1，返回继续；使用训练集训练具有最优超参数的数字通信信号调制识别LSTM网络。本发明设计了文化旗鱼捕食搜索机制来获得最优的LSTM网络模型参数。
-
公开(公告)号：CN114172770A
公开(公告)日：2022-03-11
申请号：CN202111423647.1
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子根树机制演化极限学习机的调制信号识别方法，利用加权Myriad滤波器抑制冲击噪声，提出一种量子根树机制进行高效求解，突破了现有基于演化极限学习机的调制信号识别方法的一些应用局限。本发明设计的量子根树机制演化极限学习机的调制信号识别方法设计了量子根树机制，能对冲击噪声下的极限学习机权值和阈值进行高精度求解，有效提高调制识别率。仿真实验证明了冲击噪声下量子根树机制演化极限学习机的调制信号识别方法的有效性，突破了传统方法在冲击噪声和低信噪比环境下性能恶化甚至失效的应用局限，相对于传统方法识别率大幅提高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
