-
公开(公告)号：CN106452625A
公开(公告)日：2017-02-22
申请号：CN201610880914.0
申请日：2016-10-09
Applicant: 哈尔滨工程大学
IPC: H04B17/382
CPC classification number: H04B17/382
Abstract: 本发明提供的是一种多目标绿色认知无线电系统参数生成方法。建立多目标绿色认知无线电参数设计模型，确定需要优化的多目标问题所对应的适应度函数形式。设计量子多目标多种群共生进化方法，通过量子多目标多种群共生进化方法，对种群中所有量子粒子的量子速度和位置进行更新，并使用非支配位置排序和位置拥挤度计算。使用多目标多种群共生进化方法实现确保可靠性的多目标绿色认知无线电参数设计。根据所得到的最终的非支配位置集，确保可靠性的多目标绿色认知无线电系统根据用户的实际需要选取相应的参数设计方案。本发明的使用范围广泛，能应用在现有绿色认知无线电参数设计方法所不能很好解决的确保可靠性的绿色认知无线电系统。
-
公开(公告)号：CN115017934B
公开(公告)日：2024-08-02
申请号：CN202210279686.7
申请日：2022-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种种群熵量子雷莫拉鱼搜索机制的欠定盲源分离方法，构建源信号恢复模型；构造和计算量子雷莫拉鱼适应度，将初始估计信号转换为一个量子个体，将种群分为两个子种群，确定子种群全局最优量子位置；采用相同策略更新量子雷莫拉鱼量子位置；使用贪婪选择策略更新量子雷莫拉鱼量子位置，更新两个子种群全局最优量子位置；计算各个子种群种群熵，根据种群熵对子种群中部分量子个体迁移；迭代至最大次数，比较两个子种群全局最优位置适应度值，将适应度值最小位置作为整个种群全局最优位置，输出此位置作为新的初始估计信号#imgabs0#根据#imgabs1#设置对源信号进行恢复。本发明具有更高的有效性和鲁棒性，对目标函数进行快速高精度求解，收敛性能优越。
-
公开(公告)号：CN114172770B
公开(公告)日：2023-05-02
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：CN109270485B
公开(公告)日：2023-04-28
申请号：CN201811017339.7
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G01S3/16
Abstract: 本发明属于阵列信号处理领域，具体涉及一种基于量子细胞膜优化机理的空时测向方法，包括以下步骤：获取信号时域数据、信号快拍采样和对采样数据进行时域延迟；构造极大似然估计的极大似然估计方程，进行量子物质群的初始化，并且构造适应度函数；选取精英量子个体，对精英量子个体进行局部搜索；划分量子个体类型；高浓度脂溶性量子个体自由扩散；高浓度非脂溶性量子个体运动；低浓度量子个体运动；生成新一代的量子物质群；判断是否达到最大迭代次数。本发明设计的基于量子细胞膜优化机理的空时测向方法，解决了极大似然类估计方法计算量大的难题，可快速得到较为精确的信号角度和频率的联合估计结果，易于在工程应用中实时处理。
-
公开(公告)号：CN112954807B
公开(公告)日：2022-11-18
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
Patent Agency Ranking
公开(公告)号：CN113766492A
公开(公告)日：2021-12-07
申请号：CN202111050667.9
申请日：2021-09-08
Applicant: 哈尔滨工程大学
IPC: H04W12/02 , H04W72/04 , H04B7/0413
Abstract: 本发明公开了一种安全Massive MIMO网络资源配置方法，建立通信系统模型；初始化量子秃鹰群，经映射规则得到量子秃鹰的位置并计算适应度，选出全局最优量子位置；根据搜索演化规则更新量子秃鹰群量子位置；通过盘旋演化对量子秃鹰群量子位置进行更新；根据俯冲规则更新量子秃鹰群量子位置，经映射规则得到更新后量子秃鹰位置并计算适应度，更新量子秃鹰群全局最优量子位置；如果迭代次数小于最大迭代次数，返回步骤三；否则，迭代终止，输出量子秃鹰群全局最优量子位置，根据映射规则得到位置并得到网络资源配置方案。本发明提高系统的资源利用率，极大地提升Massive MIMO系统的保密容量。
-
公开(公告)号：CN112954807A
公开(公告)日：2021-06-11
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
公开(公告)号：CN109375154A
公开(公告)日：2019-02-22
申请号：CN201811236543.8
申请日：2018-10-23
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明属于阵列信号处理参数估计领域，具体涉及一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法，包括以下步骤：对空间中D个信源信号进行快拍采样；对快拍采样数据做去冲击预处理；对阵列输出数据进行模式激励变换；构造稀疏重构字典集；稀疏重构得到相干信源方位角；判断是否达到最大迭代次数，若是，执行步骤七；否则令t＝t+1，返回步骤五；得到稀疏重构结果，利用索引集U得到信源方位角信息，输出相干信源波达方向估计结果。本发明解决了冲击噪声环境下基于均匀圆阵的相干信号参数估计问题，使用模式激励变换和压缩感知稀疏重构思想作为参数估计的基础，所设计的方法具有计算复杂度低、计算时间短和鲁棒性高的优点。
-
公开(公告)号：CN106447026B
公开(公告)日：2018-12-11
申请号：CN201610821170.5
申请日：2016-09-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的一种基于布谷鸟和声搜索机制的IIR数字滤波器生成方法。进行初始化，对布谷鸟和声记忆库中每个布谷鸟和声进行适应度值计算，初始化信仰空间的形势知识和规范知识；从布谷鸟和声记忆库中随机选取一个布谷鸟和声音调，若rand1 PAR，则更新布谷鸟和声音调；若新布谷鸟和声的适应度值小于布谷鸟和声记忆库中最大布谷鸟和声的适应度值，则进行替换；随机对布谷鸟和声记忆库中布谷鸟和声进行改变，计算适应度值并选择适应度值较小的布谷鸟和声，更新信仰空间的形势知识和规范知识；循环迭代输出形势知识中的最优布谷鸟和声，即为IIR数字滤波器的参数。具有收敛速度快和性能好的显著特点。
-
公开(公告)号：CN107656239A
公开(公告)日：2018-02-02
申请号：CN201710722329.2
申请日：2017-08-22
Applicant: 哈尔滨工程大学
IPC: G01S3/782
CPC classification number: 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。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.027 seconds)
