-
公开(公告)号：CN108828503B
公开(公告)日：2022-08-02
申请号：CN201810589958.7
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G01S3/12
Abstract: 本发明公开了一种基于量子模因演化机理的波束空间测向方法，属于阵列信号处理领域。主要步骤为:对信号采样数据进行波束空间处理，得到波束空间的极大似然目标方程；初始化量子模因方法的种群；构造并计算适应度，记录优质量子个体；对量子个体进行演化，产生新的量子个体；将用演化后得到的新种群与原种群合并，并选择新种群；对优质量子个体进行局部搜索，寻找优质解；将全局最优量子个体映射到波达方向的角度空间，作为测向结果输出。本发明具有计算量小，稳定性高的优点，且能对相干源进行测向，解决了现有极大似然类测向方法计算量大，系统复杂，而特征分解类测向方法无法对相干信号源进行有效测向这一理论和技术难题。
-
公开(公告)号：CN107657098B
公开(公告)日：2021-01-05
申请号：CN201710834252.8
申请日：2017-09-15
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/18 , G06N10/00 , G06N3/00 , G06F111/04
Abstract: 本发明提供的是一种基于量子鸡群演化机制的环形天线阵列稀疏方法。1、建立环形天线阵列稀疏模型；2、设置初始参数；3、设计适应度函数；4、计算种群中每只鸡的适应度值，区分鸡的种类并划分子种群；5、6及7分别构建公鸡、母鸡和小鸡的量子矢量旋转角更新公式，更新量子矢量旋转角，更新的量子位置；8、过测量的方式转化为其{0,1}编码位置，计算该{0,1}编码位置的适应度值，并更新每只鸡的个体历史最优解和全局最优解；9：判断是否达到最大迭代次数。该方法具有更快的收敛速度和更高的收敛精度，并在解决环形天线阵列稀疏构建的问题中具有很好的稀疏效果，很大程度的降低了天线阵列系统的复杂度和成本，达到了预期的要求。
-
公开(公告)号：CN108173580B
公开(公告)日：2020-12-29
申请号：CN201810086133.3
申请日：2018-01-29
Applicant: 哈尔滨工程大学
IPC: H04B7/0426 , H04B7/0452
Abstract: 本发明公开了一种基于量子社会情感优化的Massive MIMO上行系统功率分配方法，属于5G关键技术领域。本发明通过建立Massive MIMO系统功率分配模型，在初始化量子社会群体及系统参数中输出初始历史最优解，并通过实数化处理量子个体输出初始全局最优解，之后不断更新量子个体，当迭代次数大于预先设定的最大迭代次数时输出全局最优解，经实数化处理得到最佳功率分配方案。本发明充分考虑了在Massive MIMO上行系统中，用户的发送功率不得超过其最大发送功率的限制，同时满足用户最低传输速率和系统最低传输速率等要求，所设计的功率分配方法保证了服务质量，具有搜索速度快、全局搜索能力强的优点，更能满足实际工程的需要，为Massive MIMO上行系统的功率分配提供了一种新方法。
-
公开(公告)号：CN107677273B
公开(公告)日：2020-09-25
申请号：CN201710810478.4
申请日：2017-09-11
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明属于无人机多航迹规划技术领域，具体涉及一种基于二维栅格划分的集群无人机多航迹规划方法。步骤为：用栅格法将二维空间规划为若干正方形网格；建立无人机威胁约束模型；初始化量子蚁群，初始化量子信息素并将所有量子蚂蚁置于初始节点；所有量子蚂蚁根据禁忌搜索和量子信息素更新节点选择概率等机制完成路径搜索；根据最优路径的综合代价更新量子旋转角；使用模拟的量子旋转门更新量子信息素；将输出的最优路径存入航迹集合；判断航迹集合中的航迹个数是否到达最大航迹个数；将航迹集合中的航迹依长度排序供无人机选择。将传统蚁群算法的启发式搜索机制与量子计算和禁忌搜索相结合，提供一种获取多条选择路径的集群无人机航迹规划方法。
-
公开(公告)号：CN109829237A
公开(公告)日：2019-05-31
申请号：CN201910103520.8
申请日：2019-02-01
Applicant: 哈尔滨工程大学
IPC: G06F17/50 , G06N3/00 , G06N99/00 , H04B17/391
Abstract: 本发明涉及一种基于量子海鞘群的无线信道衰减模型拟合方法，具体为：设置Nakagami-m分布的参数并获取Nakagami-m逆累积分布的准确数据集；初始化海鞘群的量子位置及位置；对所有海鞘位置进行适应度评价，并确定食物的量子位置与位置；根据策略一或策略二依次更新选定的海鞘的量子旋转角、量子位置与位置；依次对选定的海鞘按照策略三更新量子旋转角、量子位置与位置；对所有海鞘位置进行适应度评价，并更新食物的量子位置与位置；最终输出的食物位置即为拟合方程的最佳系数，即可得到Nakagami-m逆累积分布函数的最佳拟合方程。本发明具有更高的拟合精度、更快的拟合速度以及更广的适用范围。
-
Patent Agency Ranking
公开(公告)号：CN109358313A
公开(公告)日：2019-02-19
申请号：CN201811310188.4
申请日：2018-11-06
Applicant: 哈尔滨工程大学
IPC: G01S3/28
Abstract: 本发明属于阵列信号处理领域,具体涉及一种基于量子带电系统搜索演化机制的宽带测向方法。本发明步骤为：建立宽带信号采样模型；量子带电系统搜索演化机制参数初始化；计算所有带电粒子的适应度，按照降序方式排序；创建带电粒子的量子记忆库；更新带电粒子的带电量以及它们之间的距离；更新带电粒子的移动概率和所受合力；更新带电粒子的量子旋转角度、量子位置和速度；计算带电粒子的适应度，并按照降序方式排序，更新量子记忆库；判断是否达到最大迭代次数；输出量子带电系统全局最优量子位置映射成最优位置。本发明以量子带电系统搜索演化机制对宽带信号进行测向，减少了运算量和运算时间，提高了收敛速度和收敛精度，实现快速高精度测向。
-
公开(公告)号：CN108983142A
公开(公告)日：2018-12-11
申请号：CN201810498139.1
申请日：2018-05-23
Applicant: 哈尔滨工程大学
IPC: G01S3/16
Abstract: 本发明提供一种基于量子鲸鱼优化机制的近场源测向方法，首先建立近场源测向模型；其次初始化鲸群中的鲸鱼，构造适应度函数且计算每头鲸鱼量子位置的适应度，确定全局最优量子位置；每头鲸鱼依概率从螺旋更新、收缩包围机制以及随机寻找食物三种量子演化规则中选择一种更新自身量子位置；将更新后的鲸鱼量子位置映射为鲸鱼位置，计算每头鲸鱼量子位置的适应度并使用贪婪选择策略选择量子位置，更新全局最优量子位置；最后输出全局最优量子位置，经过映射变换获得相应方位角和距离的极大似然估计值。本发明可以对相干近场源进行高精度测向，并且通过量子鲸鱼优化机制，获得了高精度的测向方法。
-
公开(公告)号：CN107396375A
公开(公告)日：2017-11-24
申请号：CN201710606778.0
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明针对在求解目标覆盖中最佳等效工作传感器分布的问题时，现有方法的寻优结果差、收敛速度慢以及联合感知概率更高时失效的缺点，提出了一种新的异构传感器网络最佳目标覆盖方法。本发明解决了当前头脑风暴优化算法无法应用于离散问题的缺点，拓宽了头脑风暴算法的应用范围。仿真结果表明，与现有的经典目标覆盖方法相比，本发明的收敛速度与收敛精度更优，从而证明了本发明的有效性。在相同条件下，联合感知概率约束更严格时传统方法将会失效，而本方法则仍然可行。本发明将头脑风暴过程中的方案交流融合体现在新方案的产生方式中，比原有头脑风暴算法的方案交流更广泛，更接近真实的头脑风暴过程。
-
公开(公告)号：CN107592674B
公开(公告)日：2020-12-22
申请号：CN201710810434.1
申请日：2017-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种信能协同传输的OFDM中继网络资源分配方法。步骤为：建立信能协同传输的OFDM中继网络资源分配方法模型；初始化量子蟑螂群的初始种群；构造食物浓度函数，获得全局最优量子位置；量子蟑螂根据两种量子演化规则进行量子旋转角更新，根据量子演化规则爬行获得新的量子位置；把每只量子蟑螂新产生的量子位置映射为位置，更新每只量子蟑螂记忆中的自身最优量子位置和全局最优量子位置；判断是否达到最大迭代次数，若没有达到最大迭代次数，迭代次数加1，返回到第四步继续迭代，否则进入到下一步骤；结束迭代，输出资源分配结果。本发明将量子计算与蟑螂搜索机制相结合，具有搜索速度快和全局搜索能力强的优点。
-
公开(公告)号：CN107864507B
公开(公告)日：2020-09-11
申请号：CN201711173666.7
申请日：2017-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于量子猴群搜索机制的认知无线电功率控制方法，建立非合作博弈的认知无线电功率控制模型，计算认知用户效用函数和，引入功率代价机制，选择需要优化的目标函数的形式；受猴群活动启发，设计量子猴群搜索机制，产生量子猴群中猴子的量子位置和数量，映射系统用户发射功率与猴群的量子位置一一对应，计算适应度值；经猴群活动中攀爬的过程更新每只猴子的最优量子位置；把猴子爬过程的最优量子位置映射为发射功率，通过猴群活动的望‑跳与空翻的过程对猴子的最优位置进行更新；经数次迭代求得猴子的最优位置为最优解。本发明有更广泛的使用范围，能保证现有认知无线电系统中用户效用的提升，且用户功率的发射减少。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.056 seconds)
