-
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：CN118354392A
公开(公告)日：2024-07-16
申请号：CN202410631447.2
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子绡蝶机制的可扩展层次路由方法。该方法包括：建立无线传感器网络系统模型；设定无线传感器网络运行参数和初始化网络状态，网络运行开始；建立无线传感器网络簇首配置成本函数和适应度函数；初始化量子绡蝶群并设定相关参数；根据映射方程、适应度和感知函数计算所有量子绡蝶所分泌信息素量，并确定量子绡蝶群全局最优量子位置；量子绡蝶依同等概率执行确定性或随机性移动，并在移动过程中使用模拟量子旋转角来演化量子绡蝶的量子位置；应用贪心策略选择出下一代量子绡蝶量子位置；输出当前无线传感器网络簇首配置结果；建立当前无线传感器网络区长概率函数配置区长并进行数据传输；无线传感器网络运行终止。
-
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：CN117993038B
公开(公告)日：2024-12-17
申请号：CN202410172822.1
申请日：2024-02-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于离散量子电磁场优化机制的分布式阵列布局结构优化方法、系统及存储介质，涉及阵列信号处理技术领域，为解决现有方法多以最大旁瓣电平为优化目标，在小采样快拍、冲击噪声等恶劣条件下，分布式阵列性能衰减严重的问题。包括如下过程：设置空间中的辅助信源信息和噪声信息，以模拟测试分布阵列，将信源方位均方误差作为优化目标方程；初始化量子电磁场中的量子电磁粒子信息，获得局部和全局最优测量位置；分别采用基于量子编码的演进策略和基于量子旋转门的演进策略对每个电磁粒子的量子旋转角和量子位置进行更新并获得测量位置；对粒子的局部和全局最优测量位置进行更新；将最终得到的全局最优解转化为所需的阵列布局结构信息。
-
公开(公告)号：CN118354392B
公开(公告)日：2024-10-29
申请号：CN202410631447.2
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于量子绡蝶机制的可扩展层次路由方法。该方法包括：建立无线传感器网络系统模型；设定无线传感器网络运行参数和初始化网络状态，网络运行开始；建立无线传感器网络簇首配置成本函数和适应度函数；初始化量子绡蝶群并设定相关参数；根据映射方程、适应度和感知函数计算所有量子绡蝶所分泌信息素量，并确定量子绡蝶群全局最优量子位置；量子绡蝶依同等概率执行确定性或随机性移动，并在移动过程中使用模拟量子旋转角来演化量子绡蝶的量子位置；应用贪心策略选择出下一代量子绡蝶量子位置；输出当前无线传感器网络簇首配置结果；建立当前无线传感器网络区长概率函数配置区长并进行数据传输；无线传感器网络运行终止。
-
Patent Agency Ranking
公开(公告)号：CN118334512B
公开(公告)日：2024-09-13
申请号：CN202410364298.8
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于SSIM及级联深度神经网络的SAR图像目标识别方法及系统。所述方法包括：对SAR图像进行预处理；利用结构相似衡量指标对SAR图像进行粗类别划分；利用卷积层、池化层、全连接层、批归一化层、空洞空间金字塔池化模块及幻想组块构成浅层网络，对SAR图像进行粗分类，利用卷积层和卷积块注意力模块构建级联模块，筛选粗类别特征，并对筛选后的特征进行权重划分；融合筛选并权重划分后的粗类别特征，利用多个幻想组块构建深层网络，对SAR图像进行细分类；将待识别SAR图像输入训练好的目标识别模型，获取目标识别结果。本发明提高了深度网络对SAR图像的识别性能同时改善了由于样本不足造成网络分类性能大幅度下降的问题。
-
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：CN118487679B
公开(公告)日：2024-11-05
申请号：CN202410651288.2
申请日：2024-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种分布式阵列幅度相位误差校正方法及系统，涉及阵列信号处理技术领域。本发明的技术要点包括：设置辅助信源和分布式阵列，分布式阵列分为两个快拍周期接收辅助源信号；构造辅助信源精细定位的目标函数；初始化量子浣熊搜索机制，并根据目标函数给出量子浣熊搜索机制的适应度函数，并计算适应度值；执行量子浣熊搜索机制，选择不同更新公式更新量子旋转角；根据更新的量子旋转角使用模拟的量子旋转门更新量子浣熊的量子位置，更新最优量子位置和最优适应度值，并得到辅助源角度的最终估计结果，进而得到分布式阵列的幅度相位误差值。本发明在实际工程中更易实现，校正后的分布式阵列具有更高的测向精度，具有良好的普适性。
-
公开(公告)号：CN118282442B
公开(公告)日：2024-10-22
申请号：CN202410363674.1
申请日：2024-03-28
Applicant: 哈尔滨工程大学
IPC: H04B7/04 , H04W12/122 , H04W52/26 , H04W72/044 , H04W72/50
Abstract: 本发明提供了一种智能反射面辅助的Massive MIMO的资源分配方法及系统，属于无线物理层安全通信技术领域。为了解决智能反射面辅助的Massive MIMO系统现有资源分配方法，对于系统资源的利用率低，信息传输吞吐量低，算法寻优效果差，收敛速度慢的问题。本发明通过对传统袋獾算法引入量子化和香味刺激机制，设计了在窃听器吞吐量受限的条件下，联合优化发射功率系数和智能反射面的相移变量的优化算法，极大提升了智能反射面辅助的Massive MIMO通信系统接收端合法信息的吞吐量，提升了系统资源的利用率，突破了原算法仅进行局部寻优、收敛较慢的局限，提升了寻优效果和收敛速度。
-
公开(公告)号：CN118647070A
公开(公告)日：2024-09-13
申请号：CN202410761207.4
申请日：2024-06-13
Applicant: 哈尔滨工程大学
IPC: H04W52/02 , H04W72/044 , H04B7/04 , H04B7/0413 , H04W28/08
Abstract: 本发明公开了一种智能反射面辅助的Massive MIMO系统的资源分配方法，通过对传统鱼鹰算法引入量子化机制，设计了在窃听器信息速率受限、接收端信息速率满足最小用户服务质量要求的条件下，联合优化发射功率系数和智能反射面的相移变量的优化算法，极大降低了智能反射面辅助的Massive MIMO通信系统所需的发射功率，达到安全通信场景下节能的目标。本发明将传统鱼鹰算法与量子化方法相结合，通过引入量子位置、量子旋转角和映射规则来更新量子鱼鹰的位置，并在勘探阶段加入全局策略以加快收敛速度，突破了原算法仅进行局部寻优、收敛较慢的局限，提升了寻优效果和收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.026 seconds)
