-
公开(公告)号：CN118191763B
公开(公告)日：2024-10-29
申请号：CN202410363701.5
申请日：2024-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种强冲击噪声下非相干分布源幅相误差校正和测向方法及系统，属于阵列信号处理领域。为了解决现有非相干分布源测向方法仅适用于高斯噪声，不适用于冲击噪声及存在幅相误差的情况，会造成性能恶化甚至失效的问题。本发明基于非相干分布源模型，设计了更具鲁棒性的基于量子蒲公英飘移机制的幅相误差校正和测向方法，以及利用加权范数协方差抑制冲击噪声，并利用极大似然方法实现了幅相误差和中心方位角联合估计，最后利用信号协方差矩阵估计角度扩展。本发明在强冲击噪声环境下具有鲁棒性，利用量子蒲公英飘移机制进行高效求解，实现了幅相误差和角度参数的联合最优估计，突破了现有非相干分布源测向方法的应用局限。
-
公开(公告)号：CN118839118A
公开(公告)日：2024-10-25
申请号：CN202410809733.3
申请日：2024-06-21
Applicant: 哈尔滨工程大学
IPC: G06F18/15 , G06F18/2131
Abstract: 本发明涉及一种强冲击噪声环境下的盲源分离方法与系统，本发明提供了一种新的无需参数设置的压缩变换函数以抑制加在观测信号上的冲击噪声，将经过函数变换后的信号进行短时傅里叶变换，得到抑噪后的观测信号的时频矩阵，在各频点上使用特征矩阵联合相似对角化算法进行分离，得到各频点分离信号，再使用最小失真法解决各频点分离信号的幅度模糊性，使用相邻频点幅度相关性的排序算法解决各频点分离信号的排序模糊性，最后对处理后的分离信号的时频矩阵进行逆短时傅里叶变换即可得到估计的源信号。本发明可以实现在强冲击且低信噪比噪声干扰观测信号的情况下依然可以实现有效的盲源分离，具有精度高、鲁棒性强等优势，应用前景广泛。
-
公开(公告)号：CN116500542A
公开(公告)日：2023-07-28
申请号：CN202310354676.X
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明公开了基于量子蜜獾搜索机制的非均匀线阵波达方向估计方法，步骤一：获取无穷范数归一化处理的特殊非均匀线阵接收信号快拍采样数据；步骤二：得到波达方向估计方程，得出角度估计值目标函数；步骤三：初始化量子蜜的量子位置、位置及相关参数；步骤四：计算量子蜜獾适应度值，获得初始全局最优量子位置；步骤五：确定量子位置更新策略，使用模拟的简化量子旋转门更新量子蜜獾量子位置；步骤六：将量子位置映射为量子蜜獾位置，并计算适应度值，更新全局最优量子位置；步骤七：若未达到最大迭代次数，返回步骤五；若达到则终止迭代，并输出量子蜜獾群体直到第ε+1代的最优量子位置。本发明具有鲁棒性、高精度的特点和更广泛的应用范围。
-
公开(公告)号：CN114158123B
公开(公告)日：2023-05-02
申请号：CN202111423632.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04W72/044 , 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：CN113783809B
公开(公告)日：2022-09-27
申请号：CN202111026332.3
申请日：2021-09-02
Applicant: 哈尔滨工程大学
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提供基于二进制人工藻类机理的Massive MIMO信道估计方法。本发明针对现有的毫米波稀疏信道估计，提出了一种基于二进制人工藻类机制优化StOMP的信道估计方法，以解决估计性能不佳的问题。传统的StOMP信道估计方法在基站侧发射角发生变化时需要手动调整门限参数，基于二进制人工藻类机制的StOMP信道估计方法能够实现对参数的自适应调整，从而达到自适应信道估计的目的。仿真结果表明，当实际环境中基站侧发射角和发射功率发生变化，基于二进制人工藻类机制的StOMP信道估计方法能够自适应搜索出最佳门限参数，取得了较好的估计性能。
-
Patent Agency Ranking
公开(公告)号：CN118112499B
公开(公告)日：2025-03-11
申请号：CN202410116933.0
申请日：2024-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子金鹰优化布局的动态目标TDOA定位方法及系统，涉及无人机集群信息交互技术领域。本发明的技术要点包括：建立多无人机定位系统的基于几何精度因子的优化布局模型和目标函数；其中多无人机定位系统包括一个主无人机和多个辅无人机；利用量子金鹰算法对多个无人机的排布方式进行优化，以选择最优排布方式；利用优化后的多无人机最优排布方式对动态目标进行观测，获得动态目标的观测位置。本发明解决了现有TDOA定位方法对空中动态目标定位不准的难题，所设计的量子金鹰机制可以对多无人机定位系统优化布局模型进行高精度的求解，提升了Chan算法对动态目标定位的精度。
-
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：CN118191763A
公开(公告)日：2024-06-14
申请号：CN202410363701.5
申请日：2024-03-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种强冲击噪声下非相干分布源幅相误差校正和测向方法及系统，属于阵列信号处理领域。为了解决现有非相干分布源测向方法仅适用于高斯噪声，不适用于冲击噪声及存在幅相误差的情况，会造成性能恶化甚至失效的问题。本发明基于非相干分布源模型，设计了更具鲁棒性的基于量子蒲公英飘移机制的幅相误差校正和测向方法，以及利用加权范数协方差抑制冲击噪声，并利用极大似然方法实现了幅相误差和中心方位角联合估计，最后利用信号协方差矩阵估计角度扩展。本发明在强冲击噪声环境下具有鲁棒性，利用量子蒲公英飘移机制进行高效求解，实现了幅相误差和角度参数的联合最优估计，突破了现有非相干分布源测向方法的应用局限。
-
公开(公告)号：CN117970227A
公开(公告)日：2024-05-03
申请号：CN202410158427.8
申请日：2024-02-04
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/10 , G06F18/213 , G06F123/02
Abstract: 本发明提供了一种在强冲击噪声下基于相干分布源的幅相误差和角度参数联合估计方法及系统，属于阵列信号处理领域。为了解决现有相干分布源测向方法受强冲击噪声或幅相误差影响，或导致性能恶化甚至失效，或不能直接去相干，不能对幅相误差进行校正的问题。本发明是在强冲击噪声下设计了一种均值滤波器对接收数据进行去冲击预处理，基于预处理数据的极大似然方程对幅相误差和角度参数进行联合估计，并通过量子流向机制快速得到估计结果，解决现有的相干分布源测向方法在强冲击噪声环境和存在幅相误差时性能恶化而且不损失阵列孔径不能去相干的技术难题。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.022 seconds)
