-
公开(公告)号：CN106501801A
公开(公告)日：2017-03-15
申请号：CN201610859072.0
申请日：2016-09-28
Applicant: 哈尔滨工程大学
IPC: G01S13/68
CPC classification number: G01S13/68
Abstract: 本发明涉及一种基于混沌多种群共生进化的双基地MIMO雷达跟踪方法。本发明包括获取信号采样数据，并获得分数低阶协方差；初始化搜索区间；利用Sine混沌反向学习策略初始化个体的位置和速度，并根据适应度值确定每个种群的最优个体位置和整个生态系统的最优个体位置；利用Sine混沌多种群共生进化机制更新生态系统中各种群个体的速度；判断生态系统中的所有个体在经过σ次迭代后是否能搜寻到更好的位置；判断是否达到最大迭代次数；更新2P个角度的搜索区间。本发明既可以解决高斯噪声环境下双基地MIMO雷达的动态方向跟踪问题，又可以解决冲击噪声环境下双基地MIMO雷达的动态方向跟踪问题。
-
公开(公告)号：CN105954731A
公开(公告)日：2016-09-21
申请号：CN201610265227.8
申请日：2016-04-26
Applicant: 哈尔滨工程大学
CPC classification number: G01S7/41 , G01S13/003
Abstract: 本发明提供的是一种冲击噪声下基于免疫布谷鸟搜索的双基地MIMO雷达测向方法。实现步骤如下：获取采样数据；无穷范数归一化处理，获得加权信号协方差矩阵；设定参数并初始化信仰空间；初始化鸟蛋，计算适应度并降序排列，搜寻最优鸟蛋；文化机制制备疫苗；利用Lévy飞行更新鸟蛋，计算适应度并用贪婪选择策略选择；通过重筑新巢更新鸟蛋，计算适应度并用贪婪选择策略选择；根据适应度值降序排列，对较差鸟蛋接种疫苗，计算适应度并以模拟退火机制选择；根据适应度值降序排列，找到并记录最优鸟蛋；判断是否达到最大迭代次数：若未达到继续迭代，否则输出DOD与DOA的估计值。该方法收敛速度快、估计精度高、去相干能力强、抗冲击噪声能力佳，有广泛的应用前景。
-
公开(公告)号：CN107231214B
公开(公告)日：2020-07-28
申请号：CN201710436096.X
申请日：2017-06-12
Applicant: 哈尔滨工程大学
IPC: H04L1/00 , H04B1/7105 , G06N3/04 , G06N3/08
Abstract: 本发明提供的是一种基于演化混沌量子神经网络的最优多用户检测方法。建立最优多用户检测模型；初始化混沌量子神经网络的初始参数，激活混沌量子神经网络获得近似最优解；初始化量子个体，把第一个量子个体的二进制测量态赋值为混沌量子神经网络的输出值；构造适应度函数，计算适应度；使用模拟的量子旋转门演化量子个体的量子态和获得新的测量态；对于每个量子个体的二进制态，激活演化混沌加扰的量子神经网络演进机制产生一个次优解；计算每个量子个体的适应度函数值，找到全局最优解；输出全局最优解作为多用户检测的最优结果。本发明具有非常优秀的抗多址干扰能力和抗远近效应能力，且应用范围广，能够在短时间内获得最优的检测结果。
-
公开(公告)号：CN107290732B
公开(公告)日：2020-05-22
申请号：CN201710562238.7
申请日：2017-07-11
Applicant: 哈尔滨工程大学
IPC: G01S7/42
Abstract: 本发明提供了一种量子大爆炸的单基地MIMO雷达测向方法。(1)建立收发共置的窄带单基地MIMO雷达系统测向模型；(2)确定量子大爆炸算法中所有量子碎片，将量子碎片均匀分配到两个子集合；(3)计算每个量子碎片的适应度，确定第1个量子碎片集合的初始最优量子位置，第2个量子碎片集合的初始最优解量子质心和均匀解量子质心；(4)更新每个量子碎片的量子位置；(5)将每个量子碎片的量子位置映射到定义区间的位置，并计算适应度值；(6)更新全局最优量子位置；(7)输出全局最优量子位置，并将其映射为位置，位置对应所要估计的波达方向。本发明能够在冲击噪声等复杂环境下实现快速高精度的测向，测向性能优秀。
-
公开(公告)号：CN106658524B
公开(公告)日：2020-02-11
申请号：CN201610859145.6
申请日：2016-09-28
Applicant: 哈尔滨工程大学
IPC: H04W16/14
Abstract: 本发明涉及一种通过基于多目标量子花授粉搜索机制来实现的认知异构网络中基于量子花授粉搜索机制的多目标频谱分配方法。本发明包括：(1)基站中的无线接入网感知模块感知网络信息；(2)网络重构管理模块将频谱资源进行多粒度信道划分；(3)初始化含有P个量子花粉的量子花粉集合；(4)将花粉集合中每个花粉个体映射为频谱分配矩阵进行修正；(5)设置量子花授粉搜索机制中异花授粉和自花授粉的转换概率；(6)把新一代的花粉集合和前一代的花粉集合混合；(7)从Pareto前端解选出合适的花粉并映射为频谱分配矩阵；(8)网络重构管理模块将最优分配矩阵进行分块。本发明解决了多目标频谱分配问题，提高了频谱利用率。
-
Patent Agency Ranking
公开(公告)号：CN106452625B
公开(公告)日：2019-04-12
申请号：CN201610880914.0
申请日：2016-10-09
Applicant: 哈尔滨工程大学
IPC: H04B17/382
Abstract: 本发明提供的是一种多目标绿色认知无线电系统参数生成方法。建立多目标绿色认知无线电参数设计模型，确定需要优化的多目标问题所对应的适应度函数形式。设计量子多目标多种群共生进化方法，通过量子多目标多种群共生进化方法，对种群中所有量子粒子的量子速度和位置进行更新，并使用非支配位置排序和位置拥挤度计算。使用多目标多种群共生进化方法实现确保可靠性的多目标绿色认知无线电参数设计。根据所得到的最终的非支配位置集，确保可靠性的多目标绿色认知无线电系统根据用户的实际需要选取相应的参数设计方案。本发明的使用范围广泛，能应用在现有绿色认知无线电参数设计方法所不能很好解决的确保可靠性的绿色认知无线电系统。
-
公开(公告)号：CN107290732A
公开(公告)日：2017-10-24
申请号：CN201710562238.7
申请日：2017-07-11
Applicant: 哈尔滨工程大学
IPC: G01S7/42
Abstract: 本发明提供了一种量子大爆炸的单基地MIMO雷达测向方法。(1)建立收发共置的窄带单基地MIMO雷达系统测向模型；(2)确定量子大爆炸算法中所有量子碎片，将量子碎片均匀分配到两个子集合；(3)计算每个量子碎片的适应度，确定第1个量子碎片集合的初始最优量子位置，第2个量子碎片集合的初始最优解量子质心和均匀解量子质心；(4)更新每个量子碎片的量子位置；(5)将每个量子碎片的量子位置映射到定义区间的位置，并计算适应度值；(6)更新全局最优量子位置；(7)输出全局最优量子位置，并将其映射为位置，位置对应所要估计的波达方向。本发明能够在冲击噪声等复杂环境下实现快速高精度的测向，测向性能优秀。
-
公开(公告)号：CN107276559A
公开(公告)日：2017-10-20
申请号：CN201710333472.2
申请日：2017-05-12
Applicant: 哈尔滨工程大学
IPC: H03H17/00
Abstract: 本发明提供的是一种量子生物地理学演进机制的多约束FIR数字滤波器生成方法。初始化栖息地，计算适宜指数。将栖息地映射为量子栖息地，对量子栖息地进行降序排列，初始化每个量子栖息地。对量子栖息地进行迁移操作，再对量子栖息地的后50％进行两种变异操作。将量子栖息地映射为栖息地，计算栖息地的适宜指数，对量子栖息地进行降序排列，更新量子栖息地，更新量子信仰空间中的量子形势知识和量子规范知识。更新每个量子栖息地。循环迭代，最终输出量子形势知识中的最优量子栖息地，映射为栖息地，对应FIR数字滤波器的参数向量。本发明设计出的FIR数字滤波器具有收敛速度快，滤波器性能好和满足多约束要求等优点。
-
公开(公告)号：CN106257849A
公开(公告)日：2016-12-28
申请号：CN201610821207.4
申请日：2016-09-13
Applicant: 哈尔滨工程大学
IPC: H04B17/382 , H04B17/391
CPC classification number: H04B17/382 , H04B17/3911
Abstract: 本发明提供的是一种基于多目标量子萤火虫搜索机制的频谱感知方法。建立多目标频谱感知模型，确定搜索方法的参数。确定需要求解的多目标适应度函数形式。种群中的量子萤火虫的量子位置根据其适应度值进行非支配量子位置排序，非支配等级为1的量子萤火虫的量子位置放入精英量子位置集中。使用量子编码机制和量子演化行为更新量子萤火虫的量子位置，选择非支配量子位置，更新精英量子位置集。根据最终的Pareto前端量子位置集，认知无线电系统根据对最大化检测概率和最小化虚警概率的不同的需要选取相应的量子位置。本发明可解决多目标频谱感知这个技术难题,能应用在现有认知无线电频谱感知方法所不能应用的一些场景。
-
公开(公告)号：CN107658573B
公开(公告)日：2020-07-28
申请号：CN201710725355.0
申请日：2017-08-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子搜寻者搜索机制的圆环阵方向图综合方法。实现步骤为：建立圆环阵模型；初始化量子搜寻者群；计算量子搜寻者所在位置和量子位置的适应度值；更新量子搜寻者搜索机制的搜索步长和搜素方向；根据演化规则更新量子位置；计算量子搜寻者新位置下的适应度值，确定个体历史最优量子位置，并确定全局最优量子位置；如果达到最大迭代次数，输出全局最优量子位置；把全局最优量子位置映射为圆环阵的参数，带入方向图函数，得到其对应的归一化方向图。该方法结合了量子计算与搜寻者搜索机制的优势，具有搜索速度快、全局搜索能力强的优点。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.064 seconds)
