-
公开(公告)号：CN110120926B
公开(公告)日：2022-01-07
申请号：CN201910388349.X
申请日：2019-05-10
Applicant: 哈尔滨工程大学
IPC: H04L27/00
Abstract: 本发明提供一种基于演化BP神经网络的通信信号调制方式识别方法，对获取的到已知不同调制方式的通信信号进行预处理和特征提取，提取结果作为神经网络的输入特征参量。利用复合搜寻模式的猫群演化机制以识别率为目标函数对BP神经网络初始的权值和阈值进行优化，获得最优参数作为之后进行识别的神经网络初始参数，之后利用输入特征参量和最优初始参数对BP神经网络进行训练，得到具有最优系统参数的BP神经网络。获取未知调制方式的通信信号，利用具有最优系统参数的BP神经网络对未知调制方式的通信信号进行识别得到识别结果。该方法与传统BP神经网络进行调制识别相比在相同信噪比下具有更高的识别率，尽可能的避免了训练过程中陷入局部最优解的情况。
-
公开(公告)号：CN113329490A
公开(公告)日：2021-08-31
申请号：CN202110611625.1
申请日：2021-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子虎鲨机制的无线传感器网络节点定位方法，包括建立基于跳距修正的距离估计模型；建立基于跳距修正的节点定位模型；初始化待定位的未知节点标号为1，对待定位的未知节点进行逐一定位；初始化量子虎鲨群并设定参数；定义并计算量子虎鲨与猎物的距离，确定量子虎鲨群的最优量子位置；量子虎鲨分别执行猎物追踪模式和游曳模式，并在执行过程中使用模拟量子旋转门来演化量子虎鲨的量子位置；更新量子虎鲨量子位置和量子虎鲨群最优量子位置；演进终止判断，实现定位；定位终止判断，输出所有未知节点定位结果。本发明未知节点到全网锚节点的估计距离更接近于真实距离，具有更好的鲁棒性，实现无线传感器网络中未知节点定位。
-
公开(公告)号：CN112926825A
公开(公告)日：2021-06-08
申请号：CN202110079047.1
申请日：2021-01-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多目标量子磷虾群机制的多无人机任务分配方法，针对当无人机任务分配过程中有多个目标需要同时被求解时，本发明设计了多目标量子磷虾群机制来解决多无人机作战任务的多目标联合求解问题，通过使用非支配解排序和拥挤度计算的方法对量子磷虾的位置进行评价，使整个量子磷虾群向有较高的非支配等级和较大拥挤度的量子磷虾位置演化，能够获得更好的性能，而且得到的Pareto最优解能够支配使用单目标优化算法求得的单目标解，实现了能够为同时考虑多个目标的任务分配提供不同的分配方案，决策者可以根据实际工程问题中目标的重要程度来选择合适的任务分配方案，拓宽了已有任务分配方法的应用范围，有更广阔的应用前景。
-
公开(公告)号：CN112039820A
公开(公告)日：2020-12-04
申请号：CN202010816144.X
申请日：2020-08-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子象群机制演化BP神经网络的通信信号调制识别方法，设计了加权Myriad滤波器结合所设计特征参数的数据集，进而利用量子象群机制来演化BP神经网络，获得神经网络的最优系统参数，使用具有最优权值和阈值的BP神经网络作为分类器对冲击噪声背景下的通信信号调制方式进行高效识别。所设计的方法可以在冲击噪声环境下得到最优的网络参数和分类识别效果，从而在冲击噪声和低混合信噪比等恶劣环境下获得较高识别率，突破现有神经网络调制识别的应用极限。
-
公开(公告)号：CN112014789A
公开(公告)日：2020-12-01
申请号：CN202010816137.X
申请日：2020-08-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于量子斑点狗机制的复合加权时频测向方法，设计了更具鲁棒性的复合加权时频测向方法，通过将快拍采样数据和时频分布矩阵复合加权实现了对冲击噪声较好的抑制，同时也可以在高斯噪声环境下测向，并利用了时频极大似然测向方法的优势，提高了对期望信号的增益且可以分辨相关信源，当接收机的工作环境中存在较强的大气噪声、地杂波、雷达散射回波和人工噪声等干扰时仍能获得较准确的测向结果，所设计的方案更贴合工程实际。本发明不需要噪声的先验知识和额外的参数选取，在强干扰环境下具有鲁棒性，并设计了量子斑点狗机制进行高效求解，突破了现有测向方法的应用局限。
-
Patent Agency Ranking
公开(公告)号：CN110120926A
公开(公告)日：2019-08-13
申请号：CN201910388349.X
申请日：2019-05-10
Applicant: 哈尔滨工程大学
IPC: H04L27/00
Abstract: 本发明提供一种基于演化BP神经网络的通信信号调制方式识别方法，对获取的到已知不同调制方式的通信信号进行预处理和特征提取，提取结果作为神经网络的输入特征参量。利用复合搜寻模式的猫群演化机制以识别率为目标函数对BP神经网络初始的权值和阈值进行优化，获得最优参数作为之后进行识别的神经网络初始参数，之后利用输入特征参量和最优初始参数对BP神经网络进行训练，得到具有最优系统参数的BP神经网络。获取未知调制方式的通信信号，利用具有最优系统参数的BP神经网络对未知调制方式的通信信号进行识别得到识别结果。该方法与传统BP神经网络进行调制识别相比在相同信噪比下具有更高的识别率，尽可能的避免了训练过程中陷入局部最优解的情况。
-
公开(公告)号：CN116707862B
公开(公告)日：2024-07-12
申请号：CN202310477858.6
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: H04L9/40 , H04L67/12 , G06F18/25 , G06F18/241 , G06F18/214
Abstract: 一种基于多网络融合模型的ADS‑B信号认证方法，它涉及一种ADS‑B信号认证方法。本发明为了解决航空环境所存在的非法入侵、辨识模糊的问题。本发明用航空器信号数据集对VAE模型进行训练，使模型能够在误差允许范围内对信号实现特征压缩与重构，并基于欧式空间误差度量方法，计算原始信号与重构信号之间的重构误差，在保证不高于10％的虚警概率下，确定重构误差门限，对信号重构误差高于门限的识别为异常设备，进行非法拦截，实现航空器信号的非法认证。本发明属于无线通信设备识别技术领域。
-
公开(公告)号：CN112954807B
公开(公告)日：2022-11-18
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
公开(公告)号：CN113111304B
公开(公告)日：2022-09-27
申请号：CN202110357999.5
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种强冲击噪声下基于量子射线机理的相干分布源测向方法，包括：建立相干分布源的广义阵列流型，构造基于加权无穷范数低阶协方差矩阵的极大似然测向方程；计算更新后所有射线的适应度函数值，更新全局最优量子位置和局部最优量子位置；每条射线依概率从斯涅尔折射定律演化和随机演化两种演化规则中选择一种更新其量子位置；计算更新后所有射线的适应度函数值，更新全局最优量子位置和局部最优量子位置；判断是否达到最大迭代次数，若未达到，返回步骤三；若达到则终止循环迭代，输出全局最优量子位置，经过映射变换为全局最优位置对应中心方位角和角度扩散的极大似然估计值。本发明在强冲击噪声环境下具有鲁棒性，突破现有应用局限。
-
公开(公告)号：CN113095464B
公开(公告)日：2022-08-02
申请号：CN202110357190.2
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种强冲击噪声下基于量子黏霉菌搜索机理的盲源分离方法，基于分离信号的最大化峰度这一独立性判据设计目标函数，该方法先利用Givens旋转变换降低计算量，再在给出的搜索范围内对目标函数寻优，利用所设计的量子黏霉菌搜索机理在该范围之内搜索目标函数的最优解及其对应的分离矩阵，从而实现盲源分离。所设计的方法可以实现在强冲击噪声环境下且低信噪比情况下混叠信号的盲源分离，具有收敛速度快、分离精度高、性能稳定等优势，拥有着广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
