-
公开(公告)号：CN116559768A
公开(公告)日：2023-08-08
申请号：CN202310354436.X
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/23213 , G06N10/20
Abstract: 本发明公开了一种强冲击噪声下非相干分布源测向方法，步骤一、获取快拍采样数据，进行去冲击预处理后构造广义Capon空间谱函数；步骤二、初始化每支箭量子位置并设定参数，构造适应度函数；步骤三、将箭群分为子箭群，并对所有箭进行适应度函数评价，选择每个子箭群中具有最优适应度的箭的量子位置作为最优量子位置；步骤四、每支箭根据射箭机制更新量子位置；步骤五、将每支箭更新后量子位置映射为位置，计算更新后适应度函数值，更新每个子箭群最优量子位置；步骤六、返回步骤三，循环迭代至最大迭代次数，输出最优量子位置集合，经过映射变换为非相干分布源中心方位角和角度扩展估计值。本发明在强冲击噪声环境下具有鲁棒性和高性能。
-
公开(公告)号：CN114501428B
公开(公告)日：2023-07-21
申请号：CN202210091475.0
申请日：2022-01-26
Applicant: 哈尔滨工程大学
IPC: H04W12/02 , H04W16/22 , H04W72/044 , H04W72/51 , H04B7/0426 , G06F17/11 , G06F17/16
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：CN114510330B
公开(公告)日：2023-06-02
申请号：CN202210091586.1
申请日：2022-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于量子被囊群搜索机制的云计算任务调度方法，包括：根据任务与虚拟机的分配矩阵，构建任务在虚拟机上的执行时间矩阵和执行成本矩阵并构建数学模型；初始化被囊群搜索机制的量子位置并设定参数；计算每只被囊的适应度值，根据每只被囊的适应度值将全部被囊进行排序；根据被囊群搜索机制产生量子旋转角，使用模拟的简化量子旋转门更新被囊的量子位置；应用贪心策略，确定新一代被囊群的量子位置，根据适应度值将全部被囊进行排序；判断是否达到最大迭代次数G，若未达到，令g＝g+1，返回步骤四；若达到，则终止迭代循环，根据最后一代中的最优量子位置的映射位置所对应的任务与虚拟机的分配矩阵得到最终的任务调度策略。
-
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：CN118839118A
公开(公告)日：2024-10-25
申请号：CN202410809733.3
申请日：2024-06-21
Applicant: 哈尔滨工程大学
IPC: G06F18/15 , G06F18/2131
Abstract: 本发明涉及一种强冲击噪声环境下的盲源分离方法与系统，本发明提供了一种新的无需参数设置的压缩变换函数以抑制加在观测信号上的冲击噪声，将经过函数变换后的信号进行短时傅里叶变换，得到抑噪后的观测信号的时频矩阵，在各频点上使用特征矩阵联合相似对角化算法进行分离，得到各频点分离信号，再使用最小失真法解决各频点分离信号的幅度模糊性，使用相邻频点幅度相关性的排序算法解决各频点分离信号的排序模糊性，最后对处理后的分离信号的时频矩阵进行逆短时傅里叶变换即可得到估计的源信号。本发明可以实现在强冲击且低信噪比噪声干扰观测信号的情况下依然可以实现有效的盲源分离，具有精度高、鲁棒性强等优势，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN118276604B
公开(公告)日：2024-10-11
申请号：CN202410363847.X
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明提供了一种基于豆芫菁群机制的多无人机航迹规划方法及系统，属于无人机规划技术领域。为了解决在面对城市防护和调度任务时，现有无人机航迹规划方法复杂、搜索速度慢、威胁代价大、抗干扰和抗噪声能力差，且受不同威胁时判定不明确的问题。本发明仿生于豆芫菁群在捕食途中遇到外部威胁时分泌斑蝥素对后来群体的警示作用，引入分级制度，并结合威胁因子和弥散因子定义转移概率，平衡了最小威胁代价和最短路径条件下的从起点到终点的最优航迹，保证了在多威胁条件下路径规划的安全性和有效性，使得基于豆芫菁群的无人机集群航迹规划更倾向于综合威胁较小，航行代价较低的路径。
-
公开(公告)号：CN116500542A
公开(公告)日：2023-07-28
申请号：CN202310354676.X
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明公开了基于量子蜜獾搜索机制的非均匀线阵波达方向估计方法，步骤一：获取无穷范数归一化处理的特殊非均匀线阵接收信号快拍采样数据；步骤二：得到波达方向估计方程，得出角度估计值目标函数；步骤三：初始化量子蜜的量子位置、位置及相关参数；步骤四：计算量子蜜獾适应度值，获得初始全局最优量子位置；步骤五：确定量子位置更新策略，使用模拟的简化量子旋转门更新量子蜜獾量子位置；步骤六：将量子位置映射为量子蜜獾位置，并计算适应度值，更新全局最优量子位置；步骤七：若未达到最大迭代次数，返回步骤五；若达到则终止迭代，并输出量子蜜獾群体直到第ε+1代的最优量子位置。本发明具有鲁棒性、高精度的特点和更广泛的应用范围。
-
公开(公告)号：CN116256694A
公开(公告)日：2023-06-13
申请号：CN202310082026.4
申请日：2023-02-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种多无人机协同动态波达方向估计方法，使用多个无人机，每个无人机搭载一根接收天线，组成结构可变的信号接收阵列，根据待测信源数，选择合适的阵列结构，推导出该结构下接收数据的分数低阶协方差阵或虚拟分数低阶协方差阵列，进而推导出极大似然方程，通过文化候鸟机制求解该方程，得到一次快拍的波达方向估计结果，通过更新方程更新加权样本分数低阶协方差阵列，重复上述求解过程，可得到最终的动态波达方向估计结果，解决现有波达方向估计方法无法兼顾无人机机动性、动态波达方向估计、冲击噪声环境下波达方向估计难题，同时突破了固定阵列结构的局限。
-
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：CN115915420A
公开(公告)日：2023-04-04
申请号：CN202211218926.9
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: H04W72/0453 , H04W72/04 , H04W72/12
Abstract: 本发明提供一种量子乌燕鸥机制的多无人机协作频谱感知方法，建立基于量子乌燕鸥机制的多无人机频谱感知模型，以频谱感知技术的检测概率为目标，设计了量子编码的乌燕鸥量子位置演化机制，得到一种新的量子乌燕鸥机制方法，以量子乌燕鸥的位置作为认知无人机用户的权重向量，最终计算得到最优权重向量。量子乌燕鸥机制克服了以往经典算法收敛性能较差的弊端，并提升了寻优速率。本发明设计了一种量子乌燕鸥机制的多无人机协作频谱感知方法，该方法目的是求取认知无人机用户的最优权重向量，以确定认知无人机用户对全局感知的贡献大小，为后续对无人机进行频谱分配提供了优势条件。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.032 seconds)
