-
公开(公告)号：CN113608546B
公开(公告)日：2022-11-18
申请号：CN202110783634.9
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供一种量子海狮机制的无人机群任务分配方法，针对无人机群实际环境中任务分配效能较低的难题，设计了量子海狮机制求取最优任务分配矩阵，以无人机执行任务所获得的价值以及其对应付出的代价设计出效能函数，并利用无人机航程限制、任务限制、弹药限制等约束条件设计出惩罚函数，最终将效能函数与惩罚函数结合得到适应度函数。本发明考虑了设计无人机路径问题，并引入了多种无人机并分别执行多种任务，如侦察机执行侦察和战场评估任务，轰炸机执行攻击目标任务，战斗机执行侦察、攻击目标和战场评估任务。同时，利用量子海狮机制计算最优解，提高无人机群的任务分配效能。
-
公开(公告)号：CN114510330A
公开(公告)日：2022-05-17
申请号：CN202210091586.1
申请日：2022-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于量子被囊群搜索机制的云计算任务调度方法，包括：根据任务与虚拟机的分配矩阵，构建任务在虚拟机上的执行时间矩阵和执行成本矩阵并构建数学模型；初始化被囊群搜索机制的量子位置并设定参数；计算每只被囊的适应度值，根据每只被囊的适应度值将全部被囊进行排序；根据被囊群搜索机制产生量子旋转角，使用模拟的简化量子旋转门更新被囊的量子位置；应用贪心策略，确定新一代被囊群的量子位置，根据适应度值将全部被囊进行排序；判断是否达到最大迭代次数G，若未达到，令g＝g+1，返回步骤四；若达到，则终止迭代循环，根据最后一代中的最优量子位置的映射位置所对应的任务与虚拟机的分配矩阵得到最终的任务调度策略。
-
公开(公告)号：CN114172770A
公开(公告)日：2022-03-11
申请号：CN202111423647.1
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子根树机制演化极限学习机的调制信号识别方法，利用加权Myriad滤波器抑制冲击噪声，提出一种量子根树机制进行高效求解，突破了现有基于演化极限学习机的调制信号识别方法的一些应用局限。本发明设计的量子根树机制演化极限学习机的调制信号识别方法设计了量子根树机制，能对冲击噪声下的极限学习机权值和阈值进行高精度求解，有效提高调制识别率。仿真实验证明了冲击噪声下量子根树机制演化极限学习机的调制信号识别方法的有效性，突破了传统方法在冲击噪声和低信噪比环境下性能恶化甚至失效的应用局限，相对于传统方法识别率大幅提高。
-
公开(公告)号：CN113783809A
公开(公告)日：2021-12-10
申请号：CN202111026332.3
申请日：2021-09-02
Applicant: 哈尔滨工程大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提供基于二进制人工藻类机理的Massive MIMO信道估计方法。本发明针对现有的毫米波稀疏信道估计，提出了一种基于二进制人工藻类机制优化StOMP的信道估计方法，以解决估计性能不佳的问题。传统的StOMP信道估计方法在基站侧发射角发生变化时需要手动调整门限参数，基于二进制人工藻类机制的StOMP信道估计方法能够实现对参数的自适应调整，从而达到自适应信道估计的目的。仿真结果表明，当实际环境中基站侧发射角和发射功率发生变化，基于二进制人工藻类机制的StOMP信道估计方法能够自适应搜索出最佳门限参数，取得了较好的估计性能。
-
公开(公告)号：CN113504793A
公开(公告)日：2021-10-15
申请号：CN202110783268.7
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供一种基于Voronoi图的无人机集群路径规划方法，本发明为解决二维栅格环境建模路径规划速率较慢，计算复杂度较大的问题，基于Voronoi图进行战场环境建模，通过减少路径中间节点，降低了算法进行节点遍历时所需的时间，同时设计出一种基于量子松鼠觅食的离散优化算法应用于路径规划，通过量子旋转门对量子松鼠的位置进行更新，更好的平衡了全局寻优能力与局部寻优能力，保证了路径规划结果的有效性。同时本发明为了适应战场环境的变化可能造成的路径失效问题，提供多条备选航迹，保证了路径的可选择性。
-
Patent Agency Ranking
公开(公告)号：CN113239628A
公开(公告)日：2021-08-10
申请号：CN202110611609.2
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海鸥演化机制加权Myriad滤波器设计方法，包括：构造通过冲击噪声信道的信号，并划分训练集和测试集；确定加权滤波器最优参数的目标函数；初始化量子海鸥机制的参数；计算适应度值，确定量子海鸥的最优量子位置；量子海鸥执行迁移操作；量子海鸥执行攻击操作并更新其量子位置；更新量子海鸥的适应度值及最优量子位置；判断是否达到最大迭代次数，若达到最大迭代次数，则终止迭代，继续往下执行；否则返回；使用具有最优权值参数和线性度参数的加权Myriad滤波器对测试集中的信号或待滤波信号进行处理。本发明结合量子计算机制和海鸥优化机制，有更好的全局收敛性和收敛速度，具有鲁棒性强，编程简单等优点。
-
公开(公告)号：CN118487679B
公开(公告)日：2024-11-05
申请号：CN202410651288.2
申请日：2024-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种分布式阵列幅度相位误差校正方法及系统，涉及阵列信号处理技术领域。本发明的技术要点包括：设置辅助信源和分布式阵列，分布式阵列分为两个快拍周期接收辅助源信号；构造辅助信源精细定位的目标函数；初始化量子浣熊搜索机制，并根据目标函数给出量子浣熊搜索机制的适应度函数，并计算适应度值；执行量子浣熊搜索机制，选择不同更新公式更新量子旋转角；根据更新的量子旋转角使用模拟的量子旋转门更新量子浣熊的量子位置，更新最优量子位置和最优适应度值，并得到辅助源角度的最终估计结果，进而得到分布式阵列的幅度相位误差值。本发明在实际工程中更易实现，校正后的分布式阵列具有更高的测向精度，具有良好的普适性。
-
公开(公告)号：CN115562336B
公开(公告)日：2024-09-13
申请号：CN202211218923.5
申请日：2022-10-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于量子郊狼优化机制的多无人机协同任务分配方法，在原有任务时间、任务时序、机载性能和多机协同的要求下额外考虑三维场景和时间同步约束，并构建相应集中式多无人机协同任务分配模型及效能函数。为高效求解任务分配方案，本发明设计了量子郊狼优化机制，其受启发于北美郊狼群的社会组织性和环境适应性，仿生于郊狼成长、生死以及被驱逐或接纳等现象，并使用模拟量子旋转门来演化量子郊狼量子态，收敛速度快、收敛精度高。本发明所提方法可在三维场景和时间同步等约束下为编队各机分配合理任务目标，可应用于工程实际。
-
公开(公告)号：CN116559768A
公开(公告)日：2023-08-08
申请号：CN202310354436.X
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/23213 , G06N10/20
Abstract: 本发明公开了一种强冲击噪声下非相干分布源测向方法，步骤一、获取快拍采样数据，进行去冲击预处理后构造广义Capon空间谱函数；步骤二、初始化每支箭量子位置并设定参数，构造适应度函数；步骤三、将箭群分为子箭群，并对所有箭进行适应度函数评价，选择每个子箭群中具有最优适应度的箭的量子位置作为最优量子位置；步骤四、每支箭根据射箭机制更新量子位置；步骤五、将每支箭更新后量子位置映射为位置，计算更新后适应度函数值，更新每个子箭群最优量子位置；步骤六、返回步骤三，循环迭代至最大迭代次数，输出最优量子位置集合，经过映射变换为非相干分布源中心方位角和角度扩展估计值。本发明在强冲击噪声环境下具有鲁棒性和高性能。
-
公开(公告)号：CN114501428B
公开(公告)日：2023-07-21
申请号：CN202210091475.0
申请日：2022-01-26
Applicant: 哈尔滨工程大学
IPC: H04W12/02 , H04W16/22 , H04W72/044 , H04W72/51 , H04B7/0426 , G06F17/11 , G06F17/16
Abstract: 本发明提供一种智能反射面的安全Massive MIMO系统资源分配方法，包括：建立基于智能反射面的安全Massive MIMO系统模型；初始化量子天牛群；确定量子天牛群中每只量子天牛的左须和右须的量子位置及适应度；更新量子天牛群中每只量子天牛的量子速度、速度和量子位置；更新每只量子天牛的局部最优量子位置、整个量子天牛群的全局最优量子位置，更新步长、惯性权重及左右须之间的距离；判断是否达到最大迭代次数，将最佳资源分配方法输出；本发明设计了量子天牛群搜索机制，应用智能反射面在限制窃听容量的同时最大化系统容量，提高Massive MIMO系统的安全性能以及资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
