-
公开(公告)号：CN103902826B
公开(公告)日：2017-02-01
申请号：CN201410131481.X
申请日：2014-04-02
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种冲击噪声环境下的多移动目标跟踪方法。该方法先设置特殊的非均匀线阵的阵列结构，将目标锁定在一个变化的搜索范围之内，再设计量子文化雁群方法，利用其搜索机制在搜索空间搜索扩展加权信号极大似然方程的最优角度值。通过逐渐减小搜索的范围以及运用智能搜索机制，有效解决了搜索方法的计算量问题。仿真结果表明这种冲击噪声环境下的多移动目标跟踪方法能够保证所设计方法的实时性，而且具备阵列扩展的能力和较好的跟踪精度，在强冲击噪声等恶劣噪声环境下同样具有较好的性能。
-
公开(公告)号：CN104537185A
公开(公告)日：2015-04-22
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：CN103795436B
公开(公告)日：2016-01-27
申请号：CN201410061839.6
申请日：2014-02-24
Applicant: 哈尔滨工程大学
IPC: H04B1/7105 , G06N3/00 , G06N3/02
Abstract: 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，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：CN103324978B
公开(公告)日：2015-12-09
申请号：CN201310277170.X
申请日：2013-07-03
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种同时使认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率达到最优的多目标决策引擎参数优化方法。本发明包括：建立多目标决策引擎模型；计算多目标量子蚁群算法路径初值；初始化多目标量子蚁群算法的量子信息素；进行非支配路径排序和路径拥挤度的计算；对非支配路径排序等级相同的路径进行排序，选择非支配路径排序等级为1的路径加入精英路径集；计算路径拥挤度；选出路径映射得到所需要的系统参数。本发明解决了离散多目标决策引擎参数优化问题，并设计非支配路径排序的多目标量子蚁群算法作为求解策略，提高了收敛精度高。即同时考虑最小化发射功率、最小化比特错误率和最大化数据速率，拓宽了适用性。
-
公开(公告)号：CN104168569A
公开(公告)日：2014-11-26
申请号：CN201410334032.5
申请日：2014-07-15
Applicant: 哈尔滨工程大学
IPC: H04W16/10
Abstract: 本发明涉及一种认知异构网络的动态频谱分配方法，设置从量子和声集合中进行选择的概率HMCR，对基于量子和声的动态频谱方法进行初始化；对每个量子和声的量子音调进行测量得到和声库x和和声记忆库H，对每个和声进行适应度计算，对应的适应度值分别保存在Fit和Fit1中；若rand＜HMCR，则继承上一代量子和声的量子音调，启动量子旋转门产生新解；若rand＞HMCR，则随机生成一个Tent伪混沌序列，产生新的量子和声；依次对每个量子和声的量子音调进行测量得到其对应的和声，并进行适应度计算，替换Fit1中的对应适应度值；循环迭代输出和声记忆库H中的全局最优和声，全局最优和声映射得到的频谱分配矩阵A即为该认知异构网络的最优频谱分配方案。
-
Patent Agency Ranking
公开(公告)号：CN103824291B
公开(公告)日：2017-01-11
申请号：CN201410062126.1
申请日：2014-02-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉模式识别、图像理解领域，涉及一种连续量子雁群算法演化脉冲耦合神经网络系统参数的自动图像分割方法。本发明包括：建立演化脉冲耦合神经网络系统参数的自动图像分割的最小组合加权熵模型；初始化连续量子雁群种群空间；利用模拟量子旋转门对每个大雁位置进行更新；每个大雁新位置都对应一个脉冲耦合神经网络系统参数，激活脉冲耦合神经网络系统进行图像分割，计算第i个大雁新位置的适应度值；对所有大雁历史最优量子位置和历史最优位置进行更新；检查是否到达最大迭代代数；代入脉冲耦合神经网络模型对图像进行分割并输出分割后的图像。本发明具有计算量小，收敛速度快，寻优能力强的优点。
-
公开(公告)号：CN103901394B
公开(公告)日：2016-07-06
申请号：CN201410108082.1
申请日：2014-03-21
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明涉及一种通过量子万有引力搜索机制和加权信号协方差极大似然方程的动态更新共同来实现的考虑在冲击噪声环境下对动态目标的波达方向进行鲁棒跟踪的冲击噪声环境下的量子万有引力搜索动态DOA估计方法。本发明包括：对空间D个信源信号进行快拍采样和加权处理；量子万有引力搜索机制的所有物体初始状态确定；确定最好目标函数值和最差目标函数值；计算在t次迭代的每个物体质量；计算目标函数值；判断是否达到最大迭代次数；对采样数据进行加权处理；判断最大跟踪次数；输出动态跟踪结果。本发明解决了冲击噪声环境下的动态目标方向跟踪问题，使用所设计的量子万有引力搜索机制作为搜索策略，所设计的方法具有快速和鲁棒性高的优点。
-
公开(公告)号：CN103945391A
公开(公告)日：2014-07-23
申请号：CN201410145839.4
申请日：2014-04-11
Applicant: 哈尔滨工程大学
CPC classification number: Y02D70/00
Abstract: 本发明涉及一种通过膜结构下的混合量子雁群方法来实现同时使认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率达到最优的一种膜结构下的认知无线电系统参数优化方法。本发明包括：确定膜结构；产生量子位置和速度；将系统参数与混合位置一一对应；更新速度和量子位置；映射成系统参数，计算适应度值；更新每只大雁的局部最优混合位置和全局最优混合位置；对全局最优混合位置进行更新；把整个量子雁群的所有大雁所经历的全局最优混合位置映射为系统参数，从表层膜输出。本发明解决了离散和连续参量混合的系统参数优化问题，并设计膜结构下的混合量子雁群方法作为求解策略，所设计的方法具有收敛精度高和收敛速度快的优点。
-
公开(公告)号：CN103824291A
公开(公告)日：2014-05-28
申请号：CN201410062126.1
申请日：2014-02-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉模式识别、图像理解领域，涉及一种连续量子雁群算法演化脉冲耦合神经网络系统参数的自动图像分割方法。本发明包括：建立演化脉冲耦合神经网络系统参数的自动图像分割的最小组合加权熵模型；初始化连续量子雁群种群空间；利用模拟量子旋转门对每个大雁位置进行更新；每个大雁新位置都对应一个脉冲耦合神经网络系统参数，激活脉冲耦合神经网络系统进行图像分割，计算第i个大雁新位置的适应度值；对所有大雁历史最优量子位置和历史最优位置进行更新；检查是否到达最大迭代代数；代入脉冲耦合神经网络模型对图像进行分割并输出分割后的图像。本发明具有计算量小，收敛速度快，寻优能力强的优点。
-
公开(公告)号：CN103324978A
公开(公告)日：2013-09-25
申请号：CN201310277170.X
申请日：2013-07-03
Applicant: 哈尔滨工程大学
IPC: G06N3/00
Abstract: 本发明涉及一种同时使认知无线电系统最小化发射功率、最小化比特错误率和最大化数据速率达到最优的多目标决策引擎参数优化方法。本发明包括：建立多目标决策引擎模型；计算多目标量子蚁群算法路径初值；初始化多目标量子蚁群算法的量子信息素；进行非支配路径排序和路径拥挤度的计算；对非支配路径排序等级相同的路径进行排序，选择非支配路径排序等级为1的路径加入精英路径集；计算路径拥挤度；选出路径映射得到所需要的系统参数。本发明解决了离散多目标决策引擎参数优化问题，并设计非支配路径排序的多目标量子蚁群算法作为求解策略，提高了收敛精度高。即同时考虑最小化发射功率、最小化比特错误率和最大化数据速率，拓宽了适用性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.032 seconds)
