-
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：CN109829237B
公开(公告)日：2022-04-05
申请号：CN201910103520.8
申请日：2019-02-01
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06N3/00 , G06N10/20 , H04B17/391
Abstract: 本发明涉及一种基于量子海鞘群的无线信道衰减模型拟合方法，具体为：设置Nakagami‑m分布的参数并获取Nakagami‑m逆累积分布的准确数据集；初始化海鞘群的量子位置及位置；对所有海鞘位置进行适应度评价，并确定食物的量子位置与位置；根据策略一或策略二依次更新选定的海鞘的量子旋转角、量子位置与位置；依次对选定的海鞘按照策略三更新量子旋转角、量子位置与位置；对所有海鞘位置进行适应度评价，并更新食物的量子位置与位置；最终输出的食物位置即为拟合方程的最佳系数，即可得到Nakagami‑m逆累积分布函数的最佳拟合方程。本发明具有更高的拟合精度、更快的拟合速度以及更广的适用范围。
-
公开(公告)号：CN109041073B
公开(公告)日：2022-03-18
申请号：CN201811017286.9
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及无线传感器网络领域，具体涉及一种自供能无线传感器网络最优节点放置方法。首先建立网络模型，将监测区域建立于二维的栅格之中，构建NP问题模型，最小化集合覆盖问题，然后初始化量子猴群，对于量子猴子，从三种量子演化机制依概率选择一种进行演化更新位置，确定每次迭代中，量子猴子的量子位的量子演进方式，之后更新量子猴群中猴子位置，并判断对应的传感器节点所放位置是否能将所有目标节点覆盖，更新每只量子猴子至今为止的局部最优位置，找到全局最优位置作为下一迭代量子位的共同演进方向，最终当前迭代次数达到预先设定的最大值。本发明能够保证网络的能量中立及目标的覆盖与连接性，同时使得传感器节点放置的数量最小化。
-
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：CN113794659A
公开(公告)日：2021-12-14
申请号：CN202111050681.9
申请日：2021-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种信道估计与信号检测方法，建立OFDM系统数学模型；建立自动演化DNN信道估计与信号检测模型；初始化量子蜉蝣种群位置和量子速度并设定参数；对初代量子蜉蝣种群位置进行适应度评价，得到量子雄性种群的最优位置，以及量子蜉蝣种群的全局最优位置；进行量子速度的更新，并通过更新后的量子速度完成量子蜉蝣位置的更新；对量子蜉蝣进行交配与变异操作，完成量子蜉蝣种群的淘汰与更新；迭代更新至最大迭代次数，把全局最优结果带入模型中，将接收的时频信号序列输入DNN模型恢复出码元并输出。本发明通过量子演化机制与蜉蝣种群原理结合，自动求解DNN模型所需最优参数，提高了DNN模型的信道估计与信号检测效果。
-
Patent Agency Ranking
公开(公告)号：CN107436429B
公开(公告)日：2020-09-25
申请号：CN201710832741.X
申请日：2017-09-15
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环境下基于稀疏重构的极化双基地MIMO雷达参数估计方法。一，建立冲击噪声环境下的极化双基地MIMO雷达接收数据模型；二，对快拍采样数据做去冲击预处理；三，利用子空间旋转不变特性进行极化双基地MIMO雷达发射角参数估计；四，构造极化双基地MIMO雷达的稀疏字典集；五，稀疏重构极化双基地MIMO雷达接收角；六，判断是否达到最大迭代次数，若是，执行步骤七；否则令k＝k+1，返回步骤五；七，得到稀疏重构结果sk，利用索引集U得到极化双基地MIMO雷达的接收角信息，输出极化双基地MIMO雷达的发射角和接收角估计结果。本发明有更广泛的实用范围，能应用于现有的双基地MIMO雷达参数估计方法所不能解决的实际问题。
-
公开(公告)号：CN107302140B
公开(公告)日：2020-01-17
申请号：CN201710333471.8
申请日：2017-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子蜘蛛群演化机制的平面天线阵列稀疏方法。1、建立平面天线阵列稀疏模型；2、设置系统参数；3、用适应度函数评价种群中每只蜘蛛编码位置的优劣，适应度函数值最优的位置记为整个种群的全局最优位置；4、划分种群中蜘蛛的性别；5、计算每只蜘蛛的重量；6、更新雌性蜘蛛量子位置，基于更新后的量子矢量旋转角，采用模拟量子矢量旋转门操作更新雌性蜘蛛量子位置；7、更新雄性蜘蛛量子位置，基于更新后的量子矢量旋转角，采用模拟量子矢量旋转门操作更新雄性蜘蛛量子位置；8更新各自历史最优位置；9：判断是否达到最大迭代次数。本发明解决了多约束平面天线阵列稀疏难题，满足了对平面稀疏阵列的各种要求。
-
公开(公告)号：CN107436429A
公开(公告)日：2017-12-05
申请号：CN201710832741.X
申请日：2017-09-15
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环境下基于稀疏重构的极化双基地MIMO雷达参数估计方法。一，建立冲击噪声环境下的极化双基地MIMO雷达接收数据模型；二，对快拍采样数据做去冲击预处理；三，利用子空间旋转不变特性进行极化双基地MIMO雷达发射角参数估计；四，构造极化双基地MIMO雷达的稀疏字典集；五，稀疏重构极化双基地MIMO雷达接收角；六，判断是否达到最大迭代次数，若是，执行步骤七；否则令k＝k+1，返回步骤五；七，得到稀疏重构结果sk，利用索引集U得到极化双基地MIMO雷达的接收角信息，输出极化双基地MIMO雷达的发射角和接收角估计结果。本发明有更广泛的实用范围，能应用于现有的双基地MIMO雷达参数估计方法所不能解决的实际问题。
-
公开(公告)号：CN104537185B
公开(公告)日：2017-11-28
申请号：CN201510012377.3
申请日：2015-01-09
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法，基于量子蝙蝠搜索机制，获得离散量子蝙蝠群体的全局最优位置，将其映射为一种稀疏天线阵列；在前述所构建的天线稀疏阵列的基础上，基于量子蝙蝠搜索机制，获得连续量子蝙蝠群体的全局最优量子位置及其映射的最优位置，从而获得天线阵的最优激励幅度。
-
公开(公告)号：CN107238812A
公开(公告)日：2017-10-10
申请号：CN201710342910.1
申请日：2017-05-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于最小间隙阵列的鲁棒动态测向方法。一，设置最小间隙阵列；二，初始化搜索空间；三，所有成员在演化前被定义为发现者和游荡者，分别根据发现者演化规则和游荡者演化规则演进搜索步长和量子位置；四，计算第i个成员的适应度，成员使用贪婪策略选取量子位置；将适应度函数最大值对应的量子位置记为全局最优量子位置；五，判断是否达到最大迭代次数；六，进行第k+1次快拍采样；七，是否达到最大快拍采样数；八，将每个快拍采样获得的全局最优量子位置都映射为全局最优位置即需要跟踪的动态目标方向值。本发明基于最小间隙阵列和加权范数协方差更新规则，设计了量子群搜索机制的动态测向方法，获得一种鲁棒动态测向方法。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.066 seconds)
