-
公开(公告)号：CN104714224B
公开(公告)日：2017-06-20
申请号：CN201510109574.7
申请日：2015-03-13
Applicant: 哈尔滨工程大学
IPC: G01S13/66
Abstract: 本发明属于天线通信领域，具体涉及一种基于文化猫群搜索机制的双基地MIMO雷达动态跟踪方法。本发明包括：对空间P个目标信号进行快拍组采样和匹配滤波；对文化猫群搜索机制的每只猫进行位置初始化；计算第i只猫的位置的适应度函数值；随机选取MR×D只猫进行跟踪模式；判断是否达到最大迭代次数；接收新数据；如果跟踪终止，输出的形势知识h(k)代表根据第k次快拍组数据估计目标的波离方向和波达方向；做出MIMO雷达动态目标跟踪曲线。本发明提高了方法的精度和鲁棒性，最终解决了双基地MIMO雷达相干目标的动态跟踪问题，且在低信噪比情况下性能依然良好。
-
公开(公告)号：CN103902826B
公开(公告)日：2017-02-01
申请号：CN201410131481.X
申请日：2014-04-02
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种冲击噪声环境下的多移动目标跟踪方法。该方法先设置特殊的非均匀线阵的阵列结构，将目标锁定在一个变化的搜索范围之内，再设计量子文化雁群方法，利用其搜索机制在搜索空间搜索扩展加权信号极大似然方程的最优角度值。通过逐渐减小搜索的范围以及运用智能搜索机制，有效解决了搜索方法的计算量问题。仿真结果表明这种冲击噪声环境下的多移动目标跟踪方法能够保证所设计方法的实时性，而且具备阵列扩展的能力和较好的跟踪精度，在强冲击噪声等恶劣噪声环境下同样具有较好的性能。
-
公开(公告)号：CN103901395B
公开(公告)日：2016-08-17
申请号：CN201410123140.8
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明涉及一种冲击噪声环境下相干信号波达方向动态跟踪方法。本发明包括：获取信号采样数据；对接收到的信号数据矢量进行类归一化预处理；将均匀线阵划分为若干个子阵；将经过前后向空间平滑的接收数据矢量带入PAST算法，得到信号子空间；对信号子空间的数据使用MUSIC算法进行处理，经谱峰搜索获得目标信号波达方向；令t=t+1，得到下一块拍数对应的信号波达方向角度，直到达到最大快拍数，实现冲击噪声环境下相干信号源的DOA动态跟踪。本发明的方法采用投影子空间逼近跟踪算法，能对入射信号的信号子空间进行实时地跟踪，然后采用MUSIC方法对信号波达方向进行精测，该方法稳健性高，跟踪效果好。
-
公开(公告)号：CN103795436B
公开(公告)日：2016-01-27
申请号：CN201410061839.6
申请日：2014-02-24
Applicant: 哈尔滨工程大学
IPC: H04B1/7105 , G06N3/00 , G06N3/02
Abstract: 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。
-
公开(公告)号：CN103824291B
公开(公告)日：2017-01-11
申请号：CN201410062126.1
申请日：2014-02-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉模式识别、图像理解领域，涉及一种连续量子雁群算法演化脉冲耦合神经网络系统参数的自动图像分割方法。本发明包括：建立演化脉冲耦合神经网络系统参数的自动图像分割的最小组合加权熵模型；初始化连续量子雁群种群空间；利用模拟量子旋转门对每个大雁位置进行更新；每个大雁新位置都对应一个脉冲耦合神经网络系统参数，激活脉冲耦合神经网络系统进行图像分割，计算第i个大雁新位置的适应度值；对所有大雁历史最优量子位置和历史最优位置进行更新；检查是否到达最大迭代代数；代入脉冲耦合神经网络模型对图像进行分割并输出分割后的图像。本发明具有计算量小，收敛速度快，寻优能力强的优点。
-
Patent Agency Ranking
公开(公告)号：CN103901394B
公开(公告)日：2016-07-06
申请号：CN201410108082.1
申请日：2014-03-21
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明涉及一种通过量子万有引力搜索机制和加权信号协方差极大似然方程的动态更新共同来实现的考虑在冲击噪声环境下对动态目标的波达方向进行鲁棒跟踪的冲击噪声环境下的量子万有引力搜索动态DOA估计方法。本发明包括：对空间D个信源信号进行快拍采样和加权处理；量子万有引力搜索机制的所有物体初始状态确定；确定最好目标函数值和最差目标函数值；计算在t次迭代的每个物体质量；计算目标函数值；判断是否达到最大迭代次数；对采样数据进行加权处理；判断最大跟踪次数；输出动态跟踪结果。本发明解决了冲击噪声环境下的动态目标方向跟踪问题，使用所设计的量子万有引力搜索机制作为搜索策略，所设计的方法具有快速和鲁棒性高的优点。
-
公开(公告)号：CN103901395A
公开(公告)日：2014-07-02
申请号：CN201410123140.8
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G01S3/14
CPC classification number: G01S3/00
Abstract: 本发明涉及一种冲击噪声环境下相干信号波达方向动态跟踪方法。本发明包括：获取信号采样数据；对接收到的信号数据矢量进行类归一化预处理；将均匀线阵划分为若干个子阵；将经过前后向空间平滑的接收数据矢量带入PAST算法，得到信号子空间；对信号子空间的数据使用MUSIC算法进行处理，经谱峰搜索获得目标信号波达方向；令t=t+1，得到下一块拍数对应的信号波达方向角度，直到达到最大快拍数，实现冲击噪声环境下相干信号源的DOA动态跟踪。本发明的方法采用投影子空间逼近跟踪算法，能对入射信号的信号子空间进行实时地跟踪，然后采用MUSIC方法对信号波达方向进行精测，该方法稳健性高，跟踪效果好。
-
公开(公告)号：CN103824291A
公开(公告)日：2014-05-28
申请号：CN201410062126.1
申请日：2014-02-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉模式识别、图像理解领域，涉及一种连续量子雁群算法演化脉冲耦合神经网络系统参数的自动图像分割方法。本发明包括：建立演化脉冲耦合神经网络系统参数的自动图像分割的最小组合加权熵模型；初始化连续量子雁群种群空间；利用模拟量子旋转门对每个大雁位置进行更新；每个大雁新位置都对应一个脉冲耦合神经网络系统参数，激活脉冲耦合神经网络系统进行图像分割，计算第i个大雁新位置的适应度值；对所有大雁历史最优量子位置和历史最优位置进行更新；检查是否到达最大迭代代数；代入脉冲耦合神经网络模型对图像进行分割并输出分割后的图像。本发明具有计算量小，收敛速度快，寻优能力强的优点。
-
公开(公告)号：CN104090260B
公开(公告)日：2017-02-22
申请号：CN201410334035.9
申请日：2014-07-15
Applicant: 哈尔滨工程大学
IPC: G01S3/02
Abstract: 本发明涉及一种用于搜索DOA估计最优天线布放的方法，其特征在于:天线种群初始化，接收窄带信号，计算初始种群中每个个体的适应度；根据轮盘赌法则选择参与进化的个体；将父代最优个体作为疫苗母本，对选择出的个体经过杂交运算和变异运算，产生新个体，更新种群，计算种群更新后个体的适应度；根据混沌机制确定疫苗的基因个数，根据疫苗母本制作疫苗，将疫苗接种到个体中，所说的疫苗为父代最优天线阵列部分天线布放方式；对接种疫苗后的个体进行免疫退火选择，由选择出的优良个体构成新种群，并根据精英保留策略，用父代最优个体取代本代最差个体，更新种群。
-
公开(公告)号：CN104090260A
公开(公告)日：2014-10-08
申请号：CN201410334035.9
申请日：2014-07-15
Applicant: 哈尔滨工程大学
IPC: G01S3/02
CPC classification number: G01S3/74
Abstract: 本发明涉及一种用于搜索DOA估计最优天线布放的方法，其特征在于:天线种群初始化，接收窄带信号，计算初始种群中每个个体的适应度；根据轮盘赌法则选择参与进化的个体；将父代最优个体作为疫苗母本，对选择出的个体经过杂交运算和变异运算，产生新个体，更新种群，计算种群更新后个体的适应度；根据混沌机制确定疫苗的基因个数，根据疫苗母本制作疫苗，将疫苗接种到个体中，所说的疫苗为父代最优天线阵列部分天线布放方式；对接种疫苗后的个体进行免疫退火选择，由选择出的优良个体构成新种群，并根据精英保留策略，用父代最优个体取代本代最差个体，更新种群。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.044 seconds)
