-
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。
-
公开(公告)号:CN118777976A
公开(公告)日:2024-10-15
申请号:CN202410761211.0
申请日:2024-06-13
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种分布式阵列DOA估计方法与系统,通过将传统冠状病毒群体免疫搜索机制与量子计算理论结合,设计了一种量子冠状病毒群体免疫搜索机制,利用复Givens旋转变换降低计算量,在给出的搜索范围内对目标函数寻优,利用设计的量子冠状病毒群体免疫搜索机制在该范围之内搜索目标函数的最优解及其对应的最优矩阵,实现盲源分离。然后将构建的部分校正阵列多观测信号输入到新的盲源分离算法中,实现子阵间相位偏差的恢复。最后在子阵间相位偏差被恢复的情况下,引入Root‑Music算法实现在低信噪比且小快拍数情况下的分布式阵列高精度测向。在小快拍数、低信噪比且多目标情况下仍可以实现有效的误差校正和DOA估计,具有收敛速度快、精度高、性能稳定等优势。
-
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:CN115937493A
公开(公告)日:2023-04-07
申请号:CN202211544646.7
申请日:2022-12-03
Applicant: 哈尔滨工程大学
IPC: G06V10/20 , G06V10/28 , G06V10/762 , G06N3/006 , G06V10/26 , G06V10/74 , G06V10/774
Abstract: 本发明提供一种基于竹子定律和熵的哈里斯鹰机制图像分割方法,将竹子定律和哈里斯鹰机制相结合并用于设计哈里斯鹰机制过渡阶段的能量方程,使求解机制更符合大自然生物的猎捕规律,在全局探索和局部开采两个阶段更能达到有效的平衡。在全局探索阶段使用熵对哈里斯鹰种群进行变异,减小陷入局部最优解的可能。相较于一些基于已有传统群智能的图像分割方法,所设计基于竹子定律和熵的哈里斯鹰机制图像分割方法拥有更快的收敛速度、更高的收敛精度、更高的分割精度和更好的鲁棒性。
-
公开(公告)号:CN110490231A
公开(公告)日:2019-11-22
申请号:CN201910644369.9
申请日:2019-07-17
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据处理领域,公开一种有监督判别流形学习的Netflow数据降维方法,步骤(1):获取来自局域网路由器的Netflow数据包并存入数据库;步骤(2):建立Netflow数据矩阵X=[y1,y2,...,yn];步骤(3):建立近邻矩阵Hij,结合近邻矩阵Hij的近邻关系,构造有监督判别矩阵Sij;步骤(4):计算局部散度矩阵SL与全局散度矩阵SN;建立约束目标函数模型J(A),利用约束目标函数模型J(A)寻找一个同时具有最大全局散度矩阵和最小局部散度矩阵的低维投影子空间;步骤(5):特征分解:根据约束目标函数模型J(A),特征分解求得约束目标函数的解,并取前r个特征值所对应的的特征向量组成线性投影矩阵得到高维网络数据在低维空间的投影。本发明有效降低了输入样本的维度,降低Netflow数据量的大小减小了运算量。
-
-
-
-
-
-