-
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。
-
公开(公告)号：CN112947506A
公开(公告)日：2021-06-11
申请号：CN202110468435.9
申请日：2021-04-28
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明提供一种基于量子鲨鱼机制的AUV全局路径规划方法，采用多Lamb涡流叠加技术和障碍物栅格等效技术来实现环境建模。本发明所提供的AUV全局路径规划模型包括决策变量设计、航行代价设计、约束条件设计和代价函数设计四部分，充分考虑了AUV航行路径的安全性、高效性和可靠性，将具有更好的实用性。本发明设计的量子鲨鱼优化机制，可以快速得到AUV全局路径规划路线，其仿生于鲨鱼捕食过程并结合模拟量子旋转门来演化鲨鱼量子态，收敛速度快、收敛精度高，且具有更好的鲁棒性。仿真实验证明了基于量子鲨鱼机制的AUV全局路径规划方法的有效性，且相对于传统的路径规划方法搜索速度更快、精度更高。
-
公开(公告)号：CN112014789A
公开(公告)日：2020-12-01
申请号：CN202010816137.X
申请日：2020-08-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于量子斑点狗机制的复合加权时频测向方法，设计了更具鲁棒性的复合加权时频测向方法，通过将快拍采样数据和时频分布矩阵复合加权实现了对冲击噪声较好的抑制，同时也可以在高斯噪声环境下测向，并利用了时频极大似然测向方法的优势，提高了对期望信号的增益且可以分辨相关信源，当接收机的工作环境中存在较强的大气噪声、地杂波、雷达散射回波和人工噪声等干扰时仍能获得较准确的测向结果，所设计的方案更贴合工程实际。本发明不需要噪声的先验知识和额外的参数选取，在强干扰环境下具有鲁棒性，并设计了量子斑点狗机制进行高效求解，突破了现有测向方法的应用局限。
-
公开(公告)号：CN109270485A
公开(公告)日：2019-01-25
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：CN109190978A
公开(公告)日：2019-01-11
申请号：CN201811017379.1
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 一种基于量子鸟群演化机制的无人机资源分配方法，属于无人机自主控制领域。本发明方法的步骤为：建立无人机资源分配模型；确定无人机执行任务的种类，初始化量子鸟群；根据适应度函数进行适应度计算，并确定群体的全局最佳位置；通过量子旋转门和量子非门更新量子位置并测量；根据适应度函数进行适应度计算；更新每只量子鸟的局部最佳位置和整个群体的全局最佳位置；判断是否达到最大迭代次数，若达到则输出群体全局最佳位置，并映射为任务资源矩阵。本发明充分考虑到无人机执行不同任务时对资源的需要不同，以较少的时间代价获取资源配置比最优的无人机资源分配方案，同时满足无人机性能要求，得到更加合理的无人机资源分配方案。
-
公开(公告)号：CN108828503A
公开(公告)日：2018-11-16
申请号：CN201810589958.7
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G01S3/12
Abstract: 本发明公开了一种基于量子模因演化机理的波束空间测向方法，属于阵列信号处理领域。主要步骤为:对信号采样数据进行波束空间处理，得到波束空间的极大似然目标方程；初始化量子模因方法的种群；构造并计算适应度，记录优质量子个体；对量子个体进行演化，产生新的量子个体；将用演化后得到的新种群与原种群合并，并选择新种群；对优质量子个体进行局部搜索，寻找优质解；将全局最优量子个体映射到波达方向的角度空间，作为测向结果输出。本发明具有计算量小，稳定性高的优点，且能对相干源进行测向，解决了现有极大似然类测向方法计算量大，系统复杂，而特征分解类测向方法无法对相干信号源进行有效测向这一理论和技术难题。
-
公开(公告)号：CN115617071B
公开(公告)日：2024-10-18
申请号：CN202211224098.X
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明设计了量子雪豹机制的多无人机对抗任务规划方法，每个目标都有三个任务：勘察，袭击和评估，三个任务严格按照时间顺序执行。为了实现三种任务的时间耦合，本发明设计了协同对抗和独立对抗并行使用的战斗方略，有效解决了时间约束问题。本发明设计的量子编码的雪豹量子位置演化机制，得到一种新的量子雪豹机制方法，量子雪豹中的移动追踪策略用于全局搜索，狩猎策略用于局部搜索，种群繁衍和灭绝策略用于淘汰劣等量子雪豹个体，三种策略协同优化适应度函数，克服了过去方法容易陷入局部收敛的弊端，也提升了演化机制的寻优速率。
-
公开(公告)号：CN113378103B
公开(公告)日：2023-05-05
申请号：CN202110611610.5
申请日：2021-06-02
Applicant: 哈尔滨工程大学
Abstract: 发明公开了一种强冲击噪声下相干分布源动态跟踪方法，具体是在强冲击噪声下设计了一种加权范数分数低阶相关矩阵，在此基础上设计基于加权范数低阶相关矩阵的极大似然动态跟踪方法进行相干分布源动态跟踪，并通过量子标杆学习机制快速得到跟踪结果。本发明设计了更具鲁棒性的基于量子标杆学习机制的相干分布源动态跟踪方法，在强冲击噪声下设计了加权范数分数低阶相关矩阵，并利用极大似然跟踪方法实现了动态跟踪。设计了加权范数分数低阶相关矩阵，能够分辨相干信源，在强冲击噪声下实现了对动态目标的有效跟踪，设计的量子标杆学习机制可以对加权范数分数低阶相关矩阵极大似然方程进行高精度求解，快速准确的得到跟踪结果。
-
公开(公告)号：CN109358313B
公开(公告)日：2023-02-10
申请号：CN201811310188.4
申请日：2018-11-06
Applicant: 哈尔滨工程大学
IPC: G01S3/28
Abstract: 本发明属于阵列信号处理领域,具体涉及一种基于量子带电系统搜索演化机制的宽带测向方法。本发明步骤为：建立宽带信号采样模型；量子带电系统搜索演化机制参数初始化；计算所有带电粒子的适应度，按照降序方式排序；创建带电粒子的量子记忆库；更新带电粒子的带电量以及它们之间的距离；更新带电粒子的移动概率和所受合力；更新带电粒子的量子旋转角度、量子位置和速度；计算带电粒子的适应度，并按照降序方式排序，更新量子记忆库；判断是否达到最大迭代次数；输出量子带电系统全局最优量子位置映射成最优位置。本发明以量子带电系统搜索演化机制对宽带信号进行测向，减少了运算量和运算时间，提高了收敛速度和收敛精度，实现快速高精度测向。
-
公开(公告)号：CN110046326B
公开(公告)日：2022-09-27
申请号：CN201910349676.4
申请日：2019-04-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种时频DOA估计方法，包括：建立阵列接收的时域数据模型；对时域数据进行快拍采样；对快拍采样数据进行时频分析得到PWVD矩阵；计算时频平均的快拍采样数据PWVD矩阵；构造极大似然方程；初始化量子地雷量子位置；由极大似然方程构造适应度函数；模拟量子地雷爆炸过程获得量子弹片的量子位置；计算量子弹片量子位置映射态的适应度函数值，选择适应度大的优秀量子位置作为放置量子地雷的量子位置，用于引爆下一代的量子地雷，根据所有量子位置的适应度更新全局最优量子位置；达到最大迭代次数后，输出信号方位角最优估计值，本发明能在较短时间内得到较准确的非平稳信号DOA估计结果，并且在信号源为相干源的条件下仍有效。
