-
公开(公告)号：CN107677988B
公开(公告)日：2021-05-11
申请号：CN201710810481.6
申请日：2017-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于阵列信号处理领域，具体涉及一种基于特殊非均匀线阵的高效压缩感知测向方法。本方法利用特殊非均匀线阵的结构进行阵列扩展，结合无穷范数在冲击噪声环境下对目标进行压缩感知测向，从而获得其最优角度估计值。本方法的适用环境包括冲击噪声、高斯噪声和强冲击噪声，适用于多样、恶劣的测向环境，此外所设计的无穷范数压缩感知测向方法能够对冲击噪声环境下的目标进行高精度测向，同时也可以保证测向的鲁棒性，而且本方法所设计的特殊非均匀线阵在不影响测向性能的同时具有多种天线摆放方法，适用于更苛刻的摆放位置要求，最后本方法大幅度提高了压缩感知测向方法的分辨率和测向精度，具有更广阔的应用范围。
-
公开(公告)号：CN108663654A
公开(公告)日：2018-10-16
申请号：CN201810668563.6
申请日：2018-06-26
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于连续量子鸽群的360度全方位动态测向方法，属于阵列信号处理技术领域。实现步骤如下：获取阵列接收的快拍数据，计算阵列信号经模式空间变换后的协方差矩阵；计算适应度值，更新全局最优量子位置；判断是否达到要求迭代次数：若未达到继续迭代；进入地标算子操作，选择适应度值较优的前一半作为当前鸽群并计算当前鸽群的量子位置中心；更新每只鸽子的量子位置及其相应映射态，计算适应度值，更新全局最优量子位置；判断是否达到要求的迭代次数，若未达到继续迭代；否则输出鸽群全局最优位置；更新搜索区间；判断是否达到最大快拍数，输出动态测向结果。本方法搜索速度快，跟踪精度高，可360度全方位动态测向，应用前景广泛。
-
公开(公告)号：CN108344968A
公开(公告)日：2018-07-31
申请号：CN201810015222.9
申请日：2018-01-08
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多峰量子布谷鸟搜索机制的正交传播算子测向方法，本发明包括通过采样数据获得协方差矩阵和传播算子的估计值；初始化参数和量子鸟蛋，并计算映射后鸟蛋的适应度；初始化记忆池；利用莱维飞行更新量子鸟蛋并计算映射后鸟蛋的适应度；利用记忆算子更新记忆池；利用选择算子进行选择；利用重筑新巢更新量子鸟蛋并计算映射后鸟蛋的适应度；利用记忆算子更新记忆池；利用选择算子进行选择；判断是否达到当前阶段迭代次数：若达到则利用净化算子删除相似记忆元素，进入下一阶段；判断是否达到最大迭代次数：若未达到则继续迭代，否则输出记忆池所有量子鸟蛋，映射后为波达方向。本发明具有运算量低、收敛速度快和测向精度高的优点。
-
公开(公告)号：CN108173580A
公开(公告)日：2018-06-15
申请号：CN201810086133.3
申请日：2018-01-29
Applicant: 哈尔滨工程大学
IPC: H04B7/0426 , H04B7/0452
CPC classification number: Y02D70/10 , Y02D70/12 , 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：CN107864507A
公开(公告)日：2018-03-30
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。
-
Patent Agency Ranking
公开(公告)号：CN107677988A
公开(公告)日：2018-02-09
申请号：CN201710810481.6
申请日：2017-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于阵列信号处理领域，具体涉及一种基于特殊非均匀线阵的高效压缩感知测向方法。本方法利用特殊非均匀线阵的结构进行阵列扩展，结合无穷范数在冲击噪声环境下对目标进行压缩感知测向，从而获得其最优角度估计值。本方法的适用环境包括冲击噪声、高斯噪声和强冲击噪声，适用于多样、恶劣的测向环境，此外所设计的无穷范数压缩感知测向方法能够对冲击噪声环境下的目标进行高精度测向，同时也可以保证测向的鲁棒性，而且本方法所设计的特殊非均匀线阵在不影响测向性能的同时具有多种天线摆放方法，适用于更苛刻的摆放位置要求，最后本方法大幅度提高了压缩感知测向方法的分辨率和测向精度，具有更广阔的应用范围。
-
公开(公告)号：CN109190978B
公开(公告)日：2021-11-23
申请号：CN201811017379.1
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 一种基于量子鸟群演化机制的无人机资源分配方法，属于无人机自主控制领域。本发明方法的步骤为：建立无人机资源分配模型；确定无人机执行任务的种类，初始化量子鸟群；根据适应度函数进行适应度计算，并确定群体的全局最佳位置；通过量子旋转门和量子非门更新量子位置并测量；根据适应度函数进行适应度计算；更新每只量子鸟的局部最佳位置和整个群体的全局最佳位置；判断是否达到最大迭代次数，若达到则输出群体全局最佳位置，并映射为任务资源矩阵。本发明充分考虑到无人机执行不同任务时对资源的需要不同，以较少的时间代价获取资源配置比最优的无人机资源分配方案，同时满足无人机性能要求，得到更加合理的无人机资源分配方案。
-
公开(公告)号：CN107944133B
公开(公告)日：2021-01-12
申请号：CN201711172473.X
申请日：2017-11-22
Applicant: 哈尔滨工程大学
IPC: G06N3/00 , G06F30/20 , G06F111/06
Abstract: 本发明提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，建立环形天线阵列稀疏模型，设置恰当的系统参数，并初始化种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置。设计多目标适应度函数。计算种群中每只蜘蛛的重量，根据重量划分蜘蛛的性别。根据初始种群，生成初始精英解集。从精英解集中选取全局最优解和次优解。然后分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置。更新精英解集，并更新种群中所有蜘蛛的重量。最后判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则返回迭代。本发明解决了多目标环形天线阵列稀疏构建这样的高维度离散多目标问题。
-
公开(公告)号：CN107396375B
公开(公告)日：2020-12-22
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：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
45
records
(took 0.059 seconds)
