-
公开(公告)号：CN108549402B
公开(公告)日：2020-11-10
申请号：CN201810224721.9
申请日：2018-03-19
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于量子乌鸦群搜索机制的无人机群任务分配方法，包括：建立从多个起点到多个任务的无人机群任务分配模型，包括无人机型号数、起点终点和分配模型；初始化量子乌鸦群；根据适应度函数对每只量子乌鸦进行适应度计算，计算出的适应度函数最小值对应的量子乌鸦的位置存为全局最优食物位置；更新每只量子乌鸦的量子位置和位置；根据适应度函数对每只量子乌鸦进行适应度计算，确定每只量子乌鸦的隐藏的食物位置，同时找到迄今为止的最优食物位置,若达到最大迭代代数则输出全局最优食物位置，映射为任务分配矩阵。本发明解决了离散多约束目标函数求解问题，并设计离散量子乌鸦算法作为演进策略，具有收敛速度快，收敛精度高的优点。
-
公开(公告)号：CN107622327B
公开(公告)日：2020-11-03
申请号：CN201710833308.8
申请日：2017-09-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于文化蚁群搜索机制的多无人机航迹规划方法。1、根据栅格法对规范空间进行网格划分。2、建立多无人机航迹规划模型，包括无人机个数、起点终点和威胁模型。3、初始化起点和终点。4、初始化蚁群算法，包括初始化蚁群，计算启发因子和引导因子。5、将所有蚂蚁分配到初始节点，更新禁忌知识。根据禁忌知识和状态转移概率选择下一个节点进行转移直到可选节点为空或达到目的节点，更新历史知识，根据历史知识更新信息素。若达到最大迭代数输出最短路径，知道得到U条多无人机最优多路径航迹。本发明解决了搜索速度慢且计算量大，很难找到无人机的最优飞行航迹的问题，且能实现多无人机航迹规划。
-
公开(公告)号：CN107860388B
公开(公告)日：2020-10-27
申请号：CN201711026836.9
申请日：2017-10-27
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 一种基于混合拓扑结构的多机器人协同导航定位算法，其特征在于，包括如下步骤：搭建MMRS工作环境，测量工作环境中固定路标点的位置、移动机器人的初始位置和姿态信息；建立MMRS协同导航非线性系统方程，包括状态方程和观测方程；移动机器人开始工作，对MMRS协同导航系统按照EKF滤波框架进行时间更新；移动机器人分别对工作环境中的固定路标点以及其它机器人进行实时观测，获取观测信息；利用混合拓扑结构对系统进行量测更新；对MMRS中移动机器人的位姿信息进行更新，完成MMRS高精度协同导航定位过程。本发明方法利用混合拓扑结构可实现观测信息的高效率利用，能够同时解决MMRS协同导航中的非线性和不确定性问题，从而提高MMRS的协同导航定位精度。
-
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：CN111065048A
公开(公告)日：2020-04-24
申请号：CN201911265585.9
申请日：2019-12-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于量子风驱动机制的多无人机TDOA三维协同定位方法，建立多无人机TDOA三维协同定位估计模型；初始化量子空气质点集合，同时确定三维空间搜索区域，减小搜索范围进而减少计算复杂度；计算每个量子空气质点的适应度值，确定全局最优适应度值和全局最优量子位置，并根据适应度值的大小降序排列量子空气质点集合的量子位置及相应速度；更新每个量子空气质点的速度；更新每个量子空气质点的量子位置；对每个量子空气质点更新后的量子位置计算其适应度值；判断t+1是否达到最大迭代次数Gmax，若达到最大迭代次数，则终止迭代；否则，令t＝t+1继续；执行完毕，得到目标估计值。本发明收敛速度快、三维定位精度高和适应性强。
-
Patent Agency Ranking
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：CN110233755A
公开(公告)日：2019-09-13
申请号：CN201910475842.5
申请日：2019-06-03
Applicant: 哈尔滨工程大学
IPC: H04L12/24 , H04L12/911 , H04L29/08 , H04W16/14
Abstract: 本发明提供一种物联网中雾计算的计算资源和频谱资源分配方法，包括：建立雾计算系统模型；初始化量子种子群及参数，通过对量子种子进行测量，得到量子种子的位置；计算所有量子种子的适应度值，得到量子种子群全局最优位置并选择量子种子精英位置集；根据量子种子播撒规则，更新种群中所有量子种子的量子位置；对所有更新后的量子种子的量子位置进行测量得到相应的位置，计算每一个量子种子的适应度值，更新全局最优位置和量子种子精英位置集；如果迭代次数小于预先设定的最大迭代次数，返回第四步；否则，终止迭代，输出量子种子群的全局最优位置，得到相应的计算资源和频谱资源分配方案。本发明可以解决物联网中雾计算的网络能量效率优化问题。
-
公开(公告)号：CN110007266A
公开(公告)日：2019-07-12
申请号：CN201910324483.3
申请日：2019-04-22
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明公开一种冲击噪声下的任意阵列相干源测向方法，包括：建立采样信号模型；构造真实阵列动态随机加权低阶协方差矩阵；定义内插变换矩阵T，构建虚拟阵列协方差矩阵；获得前后向空间平滑修正后的数据协方差矩阵和噪声协方差矩阵，预白化处理得到动态随机加权低阶协方差矩阵；估计信源个数，对动态随机加权协方差矩阵进行特征分解，确定信号子空间和噪声子空间；构建动态随机加权低阶协方差-空间平滑-MUSIC测向方法的谱估计公式，进行谱峰搜索，找出极大值点对应的角度，输出任意阵列相干源测向结果。本发明能够对任意阵列的信源来波方向进行有效估计，可在高斯噪声、弱冲击噪声和强冲击噪声下进行测向，解相干性能优，应用范围广泛。
-
公开(公告)号：CN109861728A
公开(公告)日：2019-06-07
申请号：CN201910128413.0
申请日：2019-02-21
Applicant: 哈尔滨工程大学
IPC: H04B7/0413 , H04B7/0456 , H04K3/00 , H04W40/22 , H04W72/04
Abstract: 本发明涉及一种大规模MIMO系统的联合多中继选择与时隙资源配置方法，发明结合量子优化机制与白蚁群优化机制的优势，利用量子白蚁群优化方法来解决Massive MIMO系统的多中继选择与时隙资源配置这一复杂的混合优化问题，具有搜索速度快、全局搜索能力强的优点。本发明结合无线能量采集技术，可显著减少Massive MIMO协作通信系统信息传输过程中的能量消耗，通过用户终端与干扰中继分别向窃听器发送干扰信号以降低窃听器的信干噪比，能够有效提高Massive MIMO系统的保密容量，保证通信系统的安全性与可靠性。
-
公开(公告)号：CN109683128A
公开(公告)日：2019-04-26
申请号：CN201910103535.4
申请日：2019-02-01
Applicant: 哈尔滨工程大学
IPC: G01S3/14
CPC classification number: G01S3/14
Abstract: 本发明涉及一种冲击噪声环境下的单快拍测向方法，包括建立均匀线阵单快拍采样信号模型；构造基于高斯核的无穷范数协方差矩阵，获得基于高斯核的无穷范数单快拍极大似然方程；初始化非洲水牛种群；计算每头水牛位置适应度，记录每头水牛局部最优位置和整个非洲水牛群全局最优位置；更新水牛位置和水牛交流位置，产生斐波那契权重；利用斐波那契搜索策略更新每头水牛局部最优位置；计算每头水牛所在新位置的适应度，确定每头水牛的局部最优位置和非洲水牛群的全局最优位置；输出的非洲水牛群全局最优位置即为来波方向估计值。本发明在强冲击噪声等复杂环境下仅对单个快拍数据进行处理，降低DOA估计运算量，实现对接收信号波达方向有效估计。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.061 seconds)
