-
公开(公告)号：CN104537185B
公开(公告)日：2017-11-28
申请号：CN201510012377.3
申请日：2015-01-09
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法，基于量子蝙蝠搜索机制，获得离散量子蝙蝠群体的全局最优位置，将其映射为一种稀疏天线阵列；在前述所构建的天线稀疏阵列的基础上，基于量子蝙蝠搜索机制，获得连续量子蝙蝠群体的全局最优量子位置及其映射的最优位置，从而获得天线阵的最优激励幅度。
-
公开(公告)号：CN104168569B
公开(公告)日：2017-11-17
申请号：CN201410334032.5
申请日：2014-07-15
Applicant: 哈尔滨工程大学
IPC: H04W16/10
Abstract: 本发明涉及一种认知异构网络的动态频谱分配方法，设置从量子和声集合中进行选择的概率HMCR，对基于量子和声的动态频谱方法进行初始化；对每个量子和声的量子音调进行测量得到和声库x和和声记忆库H，对每个和声进行适应度计算，对应的适应度值分别保存在Fit和Fit1中；若rand＜HMCR，则继承上一代量子和声的量子音调，启动量子旋转门产生新解；若rand＞HMCR，则随机生成一个Tent伪混沌序列，产生新的量子和声；依次对每个量子和声的量子音调进行测量得到其对应的和声，并进行适应度计算，替换Fit1中的对应适应度值；循环迭代输出和声记忆库H中的全局最优和声，全局最优和声映射得到的频谱分配矩阵A即为该认知异构网络的最优频谱分配方案。
-
公开(公告)号：CN103945391B
公开(公告)日：2017-11-17
申请号：CN201410145839.4
申请日：2014-04-11
Applicant: 哈尔滨工程大学
CPC classification number: Y02D70/00
Abstract: 本发明涉及一种通过膜结构下的混合量子雁群方法来实现同时使认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率达到最优的一种膜结构下的认知无线电系统参数优化方法。本发明包括：确定膜结构；产生量子位置和速度；将系统参数与混合位置一一对应；更新速度和量子位置；映射成系统参数，计算适应度值；更新每只大雁的局部最优混合位置和全局最优混合位置；对全局最优混合位置进行更新；把整个量子雁群的所有大雁所经历的全局最优混合位置映射为系统参数，从表层膜输出。本发明解决了离散和连续参量混合的系统参数优化问题，并设计膜结构下的混合量子雁群方法作为求解策略，所设计的方法具有收敛精度高和收敛速度快的优点。
-
公开(公告)号：CN104714224A
公开(公告)日：2015-06-17
申请号：CN201510109574.7
申请日：2015-03-13
Applicant: 哈尔滨工程大学
IPC: G01S13/66
CPC classification number: G01S13/726 , G01S13/003
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：CN103901394A
公开(公告)日：2014-07-02
申请号：CN201410108082.1
申请日：2014-03-21
Applicant: 哈尔滨工程大学
IPC: G01S3/00
CPC classification number: 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。
-
Patent Agency Ranking
公开(公告)号：CN103795436A
公开(公告)日：2014-05-14
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：CN104102791B
公开(公告)日：2017-05-24
申请号：CN201410374447.5
申请日：2014-08-01
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于量子萤火虫搜索机制的天线阵稀疏构建方法:建立天线稀疏阵模型，确定天线阵稀疏对应量子萤火虫搜索机制的关键参数；把量子萤火虫位置带入适应度函数，得到量子萤火虫所在位置的适应度值，确定局部最优位置和量子萤火虫群体中的全局最优位置；更新每只量子萤火虫的荧光素值，更新每只量子萤火虫的学习邻域；更新量子萤火虫量子位置和量子萤火虫位置；更新量子萤火虫动态决策域半径；计算量子萤火虫新位置下的适应度值，重新确定局部最优位置和量子萤火虫群体中的全局最优位置；如果达到最大迭代次数，输出全局最优位置，映射为一种稀疏天线阵的形式。
-
公开(公告)号：CN104102791A
公开(公告)日：2014-10-15
申请号：CN201410374447.5
申请日：2014-08-01
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于量子萤火虫搜索机制的天线阵稀疏构建方法:建立天线稀疏阵模型，确定天线阵稀疏对应量子萤火虫搜索机制的关键参数；把量子萤火虫位置带入适应度函数，得到量子萤火虫所在位置的适应度值，确定局部最优位置和量子萤火虫群体中的全局最优位置；更新每只量子萤火虫的荧光素值，更新每只量子萤火虫的学习邻域；更新量子萤火虫量子位置和量子萤火虫位置；更新量子萤火虫动态决策域半径；计算量子萤火虫新位置下的适应度值，重新确定局部最优位置和量子萤火虫群体中的全局最优位置；如果达到最大迭代次数，输出全局最优位置，映射为一种稀疏天线阵的形式。
-
公开(公告)号：CN103902826A
公开(公告)日：2014-07-02
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：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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.035 seconds)
