-
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：CN113095465A
公开(公告)日：2021-07-09
申请号：CN202110358000.9
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子大马哈鱼洄游机制演化博弈的水下无人集群任务分配方法，包括：建立水下无人集群任务分配模型；初始化量子熊群和人群位置；根据适应度函数计算量子熊群和人群的大马哈鱼密度；对量子熊群及人群的量子旋转角和位置进行更新；形成混合策略；判断是否到达最大迭代次数，如达到则终止迭代；如未达到，则令t＝t+1，并返回步骤三继续执行；输出所得最终混合策略G、G'、它们最大值所对应的策略即为收益期望最大的策略。本发明使用量子大马哈鱼洄游机制演化博弈论对水下无人集群进行任务部署分配，通过计算各部署所得到的损失比，调整部署分配方式，并通过混合策略优劣性判别所获得的混合策略的好坏，从而输出收益期望最高的部署分配方式。
-
公开(公告)号：CN112947506A
公开(公告)日：2021-06-11
申请号：CN202110468435.9
申请日：2021-04-28
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明提供一种基于量子鲨鱼机制的AUV全局路径规划方法，采用多Lamb涡流叠加技术和障碍物栅格等效技术来实现环境建模。本发明所提供的AUV全局路径规划模型包括决策变量设计、航行代价设计、约束条件设计和代价函数设计四部分，充分考虑了AUV航行路径的安全性、高效性和可靠性，将具有更好的实用性。本发明设计的量子鲨鱼优化机制，可以快速得到AUV全局路径规划路线，其仿生于鲨鱼捕食过程并结合模拟量子旋转门来演化鲨鱼量子态，收敛速度快、收敛精度高，且具有更好的鲁棒性。仿真实验证明了基于量子鲨鱼机制的AUV全局路径规划方法的有效性，且相对于传统的路径规划方法搜索速度更快、精度更高。
-
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。
-
Patent Agency Ranking
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。
-
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：CN115017934A
公开(公告)日：2022-09-06
申请号：CN202210279686.7
申请日：2022-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种种群熵量子雷莫拉鱼搜索机制的欠定盲源分离方法，构建源信号恢复模型；构造和计算量子雷莫拉鱼适应度，将初始估计信号转换为一个量子个体，将种群分为两个子种群，确定子种群全局最优量子位置；采用相同策略更新量子雷莫拉鱼量子位置；使用贪婪选择策略更新量子雷莫拉鱼量子位置，更新两个子种群全局最优量子位置；计算各个子种群种群熵，根据种群熵对子种群中部分量子个体迁移；迭代至最大次数，比较两个子种群全局最优位置适应度值，将适应度值最小位置作为整个种群全局最优位置，输出此位置作为新的初始估计信号根据设置对源信号进行恢复。本发明具有更高的有效性和鲁棒性，对目标函数进行快速高精度求解，收敛性能优越。
-
公开(公告)号：CN112014789B
公开(公告)日：2022-07-15
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。
-
公开(公告)号：CN112039820B
公开(公告)日：2022-06-21
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.043 seconds)
