-
公开(公告)号：CN115932714A
公开(公告)日：2023-04-07
申请号：CN202211467804.3
申请日：2022-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于双曲正切核相关熵的单快拍波达方向估计方法，建立单快拍采样信号模型；构造基于双曲正切核相关熵的低阶矩阵；构造正交投影矩阵，获得基于双曲正切核相关熵的单快拍加权信号子空间拟合方程；初始化量子蝗虫种群并设定参数；计算量子蝗虫映射态位置适应度值，记录适应度值最大的映射态位置对应量子位置；更新量子蝗虫社交位置和自适应权重系数，产生斐波那契权重；根据蝗虫和斐波那契搜索策略，使用模拟量子旋转门更新量子蝗虫量子位置和量子蝗虫全局最优位置；计算迭代至最大迭代次数，输出最后一代全局最优量子蝗虫的映射态位置作为单快拍测向的波达方向估计结果输出。本发明在冲击噪声下对独立源和相干源均能进行有效测向。
-
公开(公告)号：CN113313262B
公开(公告)日：2022-12-13
申请号：CN202110684852.7
申请日：2021-06-21
Applicant: 哈尔滨工程大学
IPC: G06N10/20
Abstract: 本发明提供一种基于量子世界杯竞争机制的智能抗干扰决策方法，包括如下步骤：步骤一：建立智能抗干扰决策模型；步骤二：初始化量子球队人员分配；步骤三：令量子球队两两对抗，进行淘汰赛；步骤四：决出冠军，进行比较；步骤五：判断t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，y＝1后返回步骤三继续执行；步骤六：输出最后一赛季的冠军球队人员分配作为最优解。本发明所设计的基于量子世界杯竞争机制的智能抗干扰决策方法能够得到比粒子群算法更优秀的结果，说明了本方法的可靠性，能在创建少量种群的情况下进行运算而不会陷入局部最优解。
-
Patent Agency Ranking
公开(公告)号：CN113504793B
公开(公告)日：2022-07-15
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。
-
公开(公告)号：CN114501428A
公开(公告)日：2022-05-13
申请号：CN202210091475.0
申请日：2022-01-26
Applicant: 哈尔滨工程大学
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。
-
公开(公告)号：CN114167347A
公开(公告)日：2022-03-11
申请号：CN202111421629.X
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种冲击噪声环境下互质阵列的幅相误差校正和测向方法，首先采用外加辅助源的校正算法得出幅相误差的粗估计值，再用量子哈里斯鹰算法在粗估计相位误差周围进行搜索，可以实现在极低信噪比下对幅相误差进行更精确的估计。同时，在冲击噪声下互质阵列的波达方向估计问题上，本发明所设计的基于量子哈里斯鹰机制的分数低阶协方差结合虚拟矩阵的极大似然测向方法，可在相同信噪比下取得比其他传统算法更低的均方根误差，其中引入的虚拟阵列和空间平滑算法，可有效提高互质阵列的空间自由度。
-
公开(公告)号：CN114158123A
公开(公告)日：2022-03-08
申请号：CN202111423632.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04W72/04 , H04B7/0426 , H04B7/0452
Abstract: 本发明提供一种智能反射面Massive MIMO系统资源分配方法，包括：建立一个基于智能反射面的Massive MIMO系统模型；初始化量子蝴蝶群；根据全局搜索或局部搜索规则更新量子蝴蝶群的量子位置；计算适应度，根据选择机制确定量子位置，更新感官模态和幂指数；判断迭代是否终止，输出最优分配方案，若迭代次数已经达到设定的最大迭代次数，即t＝T，则终止迭代，将量子蝴蝶群的全局最优量子位置输出；否则令t＝t+1，返回继续执行步骤三；根据量子位置与位置之间的映射规则得到全局最优位置，进而得到基于智能反射面的Massive MIMO系统资源分配方法。本发明实现最优反射系数充分发挥智能反射面的性能极限来实现Massive MIMO通信系统各种资源的最优分配，从而提高系统的资源利用率及系统的容量。
-
公开(公告)号：CN113313262A
公开(公告)日：2021-08-27
申请号：CN202110684852.7
申请日：2021-06-21
Applicant: 哈尔滨工程大学
IPC: G06N10/00
Abstract: 本发明提供一种基于量子世界杯竞争机制的智能抗干扰决策方法，包括如下步骤：步骤一：建立智能抗干扰决策模型；步骤二：初始化量子球队人员分配；步骤三：令量子球队两两对抗，进行淘汰赛；步骤四：决出冠军，进行比较；步骤五：判断t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，y＝1后返回步骤三继续执行；步骤六：输出最后一赛季的冠军球队人员分配作为最优解。本发明所设计的基于量子世界杯竞争机制的智能抗干扰决策方法能够得到比粒子群算法更优秀的结果，说明了本方法的可靠性，能在创建少量种群的情况下进行运算而不会陷入局部最优解。
-
-
-
-
-
-
Search Results
47
records
(took 0.024 seconds)
