一种分布式阵列幅度相位误差校正方法及系统

    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

    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。

    一种基于量子郊狼优化机制的多无人机协同任务分配方法

    公开(公告)号:CN115562336B

    公开(公告)日:2024-09-13

    申请号:CN202211218923.5

    申请日:2022-10-07

    Abstract: 本发明提供了一种基于量子郊狼优化机制的多无人机协同任务分配方法,在原有任务时间、任务时序、机载性能和多机协同的要求下额外考虑三维场景和时间同步约束,并构建相应集中式多无人机协同任务分配模型及效能函数。为高效求解任务分配方案,本发明设计了量子郊狼优化机制,其受启发于北美郊狼群的社会组织性和环境适应性,仿生于郊狼成长、生死以及被驱逐或接纳等现象,并使用模拟量子旋转门来演化量子郊狼量子态,收敛速度快、收敛精度高。本发明所提方法可在三维场景和时间同步等约束下为编队各机分配合理任务目标,可应用于工程实际。

    一种强冲击噪声下非相干分布源测向方法

    公开(公告)号:CN116559768A

    公开(公告)日:2023-08-08

    申请号:CN202310354436.X

    申请日:2023-04-06

    Abstract: 本发明公开了一种强冲击噪声下非相干分布源测向方法,步骤一、获取快拍采样数据,进行去冲击预处理后构造广义Capon空间谱函数;步骤二、初始化每支箭量子位置并设定参数,构造适应度函数;步骤三、将箭群分为子箭群,并对所有箭进行适应度函数评价,选择每个子箭群中具有最优适应度的箭的量子位置作为最优量子位置;步骤四、每支箭根据射箭机制更新量子位置;步骤五、将每支箭更新后量子位置映射为位置,计算更新后适应度函数值,更新每个子箭群最优量子位置;步骤六、返回步骤三,循环迭代至最大迭代次数,输出最优量子位置集合,经过映射变换为非相干分布源中心方位角和角度扩展估计值。本发明在强冲击噪声环境下具有鲁棒性和高性能。

    基于FCM分簇拓扑的无线传感器网络节点休眠调度方法

    公开(公告)号:CN113595903B

    公开(公告)日:2022-11-18

    申请号:CN202110783612.2

    申请日:2021-07-12

    Abstract: 本发明提供一种基于FCM分簇拓扑的无线传感器网络节点休眠调度方法,规定网络按“轮”周期运行,在动态成簇阶段,根据当前网络状态判断是否需要动态成簇,若需要则采用模糊C均值聚类FCM实现成簇阶段;在冗余节点判断阶段,根据某节点覆盖区域内邻居节点的位置分布情况来判断该节点是否冗余;在动态簇首选举阶段,综合考虑节点剩余能量、节点与基站距离、节点与簇内其他节点距离三个因素并结合当前网络状态来选举最优簇首;在冗余节点休眠调度阶段,调度非簇首冗余节点休眠、簇首冗余节点工作;在稳定数据传输阶段,本发明优化了数据转发传递路径,减少了网络能耗,延长了整个网络的生命周期。

    一种基于量子鼠群的近场和远场源混合测向方法

    公开(公告)号:CN113552530B

    公开(公告)日:2022-07-15

    申请号:CN202110723576.0

    申请日:2021-06-29

    Abstract: 本发明公开了一种基于量子鼠群的近场和远场源混合测向方法,在获得远场源角度的基础上构建出分离算子,通过该算子可以获得远场源四阶累积量矩阵,通过四阶累积量矩阵差分获得纯净的近场源四阶累积量矩阵,并通过量子鼠群机制进行参数搜索的相关过程,解决现有的混合源测向方法存在角度模糊和远近场信号源分离方法低效的技术难题。本发明可以快速的得到较精确的混合源测向结果,并且不存在量化误差,通过四阶累积量矩阵可以扩展阵列孔径,提高测向精度,相对于传统的近场和远场源混合测向方法速度更快、精度更高、突破了现有方法的应用局限。

    冲击噪声环境下基于演化神经网络的雷达信号识别方法

    公开(公告)号:CN113189558B

    公开(公告)日:2022-07-15

    申请号:CN202110469718.5

    申请日:2021-04-28

    Abstract: 本发明提供一种冲击噪声环境下基于演化神经网络的雷达信号识别方法,包括:在冲击噪声环境计算训练集中第m个雷达辐射源信号序列的分数低阶协方差谱;提取四种特征参数,并将这四种特征参数组成特征向量判断是否所有雷达辐射源信号序列分数低阶协方差谱的四种特征参数都被提取完毕;利用训练集的特征矩阵和设计双链编码的量子水蒸发优化算法寻找概率神经网络的最优平滑因子σ,量子水蒸发优化算法记做QWEO;将寻找到的全局最优位置赋值给平滑因子σ,利用优化后的概率神经网络模型对测试集或实测数据集进行识别,给出识别结果。本发明降低了识别方法的计算复杂度,解决了特征指数0<α≤2时冲击噪声环境下的雷达调制信号识别问题。

    基于量子斑点狗机制的复合加权时频测向方法

    公开(公告)号:CN112014789B

    公开(公告)日:2022-07-15

    申请号:CN202010816137.X

    申请日:2020-08-14

    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。

    一种基于最小间隙阵列的鲁棒动态测向方法

    公开(公告)号:CN107238812B

    公开(公告)日:2020-04-07

    申请号:CN201710342910.1

    申请日:2017-05-16

    Abstract: 本发明提供的是一种基于最小间隙阵列的鲁棒动态测向方法。一,设置最小间隙阵列;二,初始化搜索空间;三,所有成员在演化前被定义为发现者和游荡者,分别根据发现者演化规则和游荡者演化规则演进搜索步长和量子位置;四,计算第i个成员的适应度,成员使用贪婪策略选取量子位置;将适应度函数最大值对应的量子位置记为全局最优量子位置;五,判断是否达到最大迭代次数;六,进行第k+1次快拍采样;七,是否达到最大快拍采样数;八,将每个快拍采样获得的全局最优量子位置都映射为全局最优位置即需要跟踪的动态目标方向值。本发明基于最小间隙阵列和加权范数协方差更新规则,设计了量子群搜索机制的动态测向方法,获得一种鲁棒动态测向方法。

Patent Agency Ranking