-
公开(公告)号：CN107656239B
公开(公告)日：2020-12-04
申请号：CN201710722329.2
申请日：2017-08-22
Applicant: 哈尔滨工程大学
IPC: G01S3/782
Abstract: 本发明提出了一种极化敏感阵列下的相干信源测向方法，属于极化敏感阵列信号处理领域。本发明公开的方法的步骤为：(1)建立极化敏感阵列测向模型；(2)初始化种群中的量子花粉，确定全局最优量子花粉；(3)每个量子花粉依概率生成一个新的量子花粉；(4)把每个量子花粉映射为花粉，计算每个量子花粉的适应度并选择量子花粉；(5)使用量子差分演进机制产生新的量子花粉，并进行选择；(6)判断是否达到最大迭代次数：若达到最大迭代次数，执行步骤(7)；否则，令t＝t+1，返回步骤(3)继续迭代；(7)输出全局最优量子花粉的极大似然估计值。通过本发明提供的方法在信噪比低、快拍数小以及相干信源的情况下，都可以进行有效测向。
-
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：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。
-
公开(公告)号：CN117112996A
公开(公告)日：2023-11-24
申请号：CN202310762810.X
申请日：2023-06-27
Applicant: 哈尔滨工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06F17/16
Abstract: 本申请涉及海洋气象数据同化技术领域，尤其涉及一种基于自适应尺度分解的海洋气象数据同化方法。获取原始数据集并且进行预处理，得到二维矩阵。基于经验正交函数分析方法EOF，针对初始矩阵进行降维，得到不随时间变化的空间模态。利用空间模态上个点的相关性构建空间自适应降尺度模型。针对空间自适应降尺度模型进行网格设置，得到优化多重网络。确定目标泛函并且进行分尺度同化，得到分析场。确定精度计算公式和精度阈值。获取待分析样本的样本观测值和样本分析值，计算精度。本申请通过EOF针对二维矩阵进行提取处理，得到了空间自适应降尺度模型，实现了自适应匹配空间特征的分尺度同化。
-
公开(公告)号：CN107677273B
公开(公告)日：2020-09-25
申请号：CN201710810478.4
申请日：2017-09-11
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明属于无人机多航迹规划技术领域，具体涉及一种基于二维栅格划分的集群无人机多航迹规划方法。步骤为：用栅格法将二维空间规划为若干正方形网格；建立无人机威胁约束模型；初始化量子蚁群，初始化量子信息素并将所有量子蚂蚁置于初始节点；所有量子蚂蚁根据禁忌搜索和量子信息素更新节点选择概率等机制完成路径搜索；根据最优路径的综合代价更新量子旋转角；使用模拟的量子旋转门更新量子信息素；将输出的最优路径存入航迹集合；判断航迹集合中的航迹个数是否到达最大航迹个数；将航迹集合中的航迹依长度排序供无人机选择。将传统蚁群算法的启发式搜索机制与量子计算和禁忌搜索相结合，提供一种获取多条选择路径的集群无人机航迹规划方法。
-
Patent Agency Ranking
公开(公告)号：CN106385702B
公开(公告)日：2019-08-06
申请号：CN201610811066.8
申请日：2016-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种通过对中继选择的组合目标使用量子教与学搜索机制来实现的均衡考虑最大平均网络效益和公平性折中的量子教与学搜索机制的中继选择方法。本发明包括：(1)建立多用户中继系统模型，(2)初始化班级，(3)教阶段，(4)学阶段，(5)对于新的量子学员，根据前述映射规则将其映射为整数解，(6)从更新后的量子学员，(7)得到中继选择方案。本发明解决了整数规划的中继选择问题，并设计新颖的基于量子教与学算法的中继选择方法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。
-
公开(公告)号：CN106443621B
公开(公告)日：2018-08-17
申请号：CN201610821208.9
申请日：2016-09-13
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明提供的是一种冲击噪声条件的基于正交匹配稀疏重构的相干信源动态DOA追踪方法。针对的是冲击噪声条件下相干信源动态DOA估计问题。在基于去冲击预处理和秩‑1更新处理动态数据的基础上，稀疏重构方案克服了冲击噪声条件下的波达角度估计无法利用二阶及二阶以上统计量求解的问题。通过利用非相干测量矩阵稀疏重构的思想，所提方案可以在不进行解相干预处理的前提下直接求解相干信号的动态波达角度，并能够在低快拍采样条件下实现对动态目标的准确跟踪，适用于强、弱冲击噪声环境下的动态DOA估计问题，避免了复杂计算量。结果表明本发明跟踪效果良好，可在强冲击噪声、低信噪比、低快拍采样的条件下实现相干信源的快速跟踪、准确重构。
-
公开(公告)号：CN107396375A
公开(公告)日：2017-11-24
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：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。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.031 seconds)
