-
公开(公告)号：CN113766492B
公开(公告)日：2023-09-19
申请号：CN202111050667.9
申请日：2021-09-08
Applicant: 哈尔滨工程大学
IPC: H04W12/02 , H04W72/53 , H04B7/0413
Abstract: 本发明公开了一种安全Massive MIMO网络资源配置方法，建立通信系统模型；初始化量子秃鹰群，经映射规则得到量子秃鹰的位置并计算适应度，选出全局最优量子位置；根据搜索演化规则更新量子秃鹰群量子位置；通过盘旋演化对量子秃鹰群量子位置进行更新；根据俯冲规则更新量子秃鹰群量子位置，经映射规则得到更新后量子秃鹰位置并计算适应度，更新量子秃鹰群全局最优量子位置；如果迭代次数小于最大迭代次数，返回步骤三；否则，迭代终止，输出量子秃鹰群全局最优量子位置，根据映射规则得到位置并得到网络资源配置方案。本发明提高系统的资源利用率，极大地提升Massive MIMO系统的保密容量。
-
公开(公告)号：CN113784365B
公开(公告)日：2023-07-21
申请号：CN202111049475.6
申请日：2021-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种物联网通信资源管理方法，建立基于智能反射面协作机制的物联网通信模型；初始化量子海洋捕食者种群及参数，经映射得到量子海洋捕食者量子位置；计算量子海洋捕食者适应度，得到历史最优量子位置和顶级猎手对应的全局最优量子位置；根据探索和捕食策略更新量子海洋捕食者量子位置；对更新后的量子海洋捕食者量子位置进行映射，得到量子海洋捕食者位置并计算更新后的量子海洋捕食者适应度，更新每个量子海洋捕食者历史最优量子位置和顶级猎手对应全局最优量子位置至最大迭代次数，输出全局最优量子位置，得到协作智能反射面物联网通信资源管理方案。本发明提升物联网通信系统网络能量效率，收敛速度快、精度高、稳定性强。
-
公开(公告)号：CN110940949B
公开(公告)日：2023-04-28
申请号：CN201911266148.9
申请日：2019-12-11
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 本发明一种强冲击噪声下基于量子企鹅搜索机制的互质阵列DOA估计方法，获得无穷范数加权信号的分数低阶协方差矩阵；构建扩展分数低阶协方差矩阵和扩展的导向矩阵，构造基于此扩展协方差矩阵的极大似然测向方程；初始化量子企鹅群，初始化量子企鹅的速度和量子位置；计算适应度并降序排列，并选出全局最优量子位置；更新量子企鹅的量子位置；评价量子企鹅位置适应度值，更新全局最优量子位置；判断是否达到最大迭代次数，若未达到，继续迭代；若达到，输出全局最优量子位置，映射后获得最佳波达方向估计值。本发明实现了获得更高的测向精度、更快的运算速度、更好的扩展阵列孔径能力、测相干源能力、抗冲击噪声能力和更广泛的应用环境。
-
公开(公告)号：CN109212466B
公开(公告)日：2022-09-02
申请号：CN201811017243.0
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明提供一种基于量子蜻蜓演化机制的宽带测向方法，通过建立宽带信号采样模型，初始化量子蜻蜓演化参数，计算每只量子蜻蜓的适应度，对量子蜻蜓群体前一半更新领域半径以及邻域量子蜻蜓的相关参数，对后一半更新每只量子蜻蜓的相关参数，计算所有量子蜻蜓位置的适应度值，判断是否达到最大迭代次数，若已经达到，则量子蜻蜓群体全局最优量子位置映射成最优位置，得到宽带波达方向估计所要估计的角度。本发明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，实现高精度测向，可同时对相干源和独立源进行波达方向估计，并且具有优秀的抗噪声性能和较高的估计成功概率，测向性能要优于基于粒子群算法的宽带测向方法。
-
公开(公告)号：CN112787811B
公开(公告)日：2022-07-15
申请号：CN202110028618.9
申请日：2021-01-11
Applicant: 哈尔滨工程大学
IPC: H04L9/08 , H04L9/40 , H04L41/0803
Abstract: 本发明提供一种针对雾计算物联网物理层安全的混合资源配置方法，包括：建立安全雾计算物联网系统模型；初始化量子星系群及参数；根据设计的量子星系群演进规则，对所有量子星系进行演进；对更新后量子星系的量子态进行测量，得到所有更新后量子星系的测量态，计算测量态的适应度，根据适应度值的大小更新所有量子星系的测量态和量子星系群的全局最优测量态；判断是否达到终止条件。如果当前演进的代数小于设定的最大迭代次数，则令i＝i+1，返回步骤三；否则终止演化，输出量子星系群的全局最优测量态，由此可得到相应的混合资源配置方案。本发明极大地提升整个物联网系统的上行保密容量，减少网络数据泄露，防止物联网用户被恶意窃听器窃听有用信息。
-
Patent Agency Ranking
公开(公告)号：CN114158123A
公开(公告)日：2022-03-08
申请号：CN202111423632.5
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: H04W72/04 , H04B7/0426 , H04B7/0452
Abstract: 本发明提供一种智能反射面Massive MIMO系统资源分配方法，包括：建立一个基于智能反射面的Massive MIMO系统模型；初始化量子蝴蝶群；根据全局搜索或局部搜索规则更新量子蝴蝶群的量子位置；计算适应度，根据选择机制确定量子位置，更新感官模态和幂指数；判断迭代是否终止，输出最优分配方案，若迭代次数已经达到设定的最大迭代次数，即t＝T，则终止迭代，将量子蝴蝶群的全局最优量子位置输出；否则令t＝t+1，返回继续执行步骤三；根据量子位置与位置之间的映射规则得到全局最优位置，进而得到基于智能反射面的Massive MIMO系统资源分配方法。本发明实现最优反射系数充分发挥智能反射面的性能极限来实现Massive MIMO通信系统各种资源的最优分配，从而提高系统的资源利用率及系统的容量。
-
公开(公告)号：CN109460056B
公开(公告)日：2021-12-24
申请号：CN201811310155.X
申请日：2018-11-06
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于量子磷虾群演化机制的无人机集群作战博弈决策方法，包括以下步骤：建立无人机协同作战博弈决策模型；初始化量子磷虾群；根据适应度函数计算量子磷虾群中每一只量子磷虾位置的适应度值；更新每只量子磷虾的量子旋转角和量子位置；对量子磷虾群中每只量子磷虾更新后的位置进行适应度计算，通过映射规则得到每只量子磷虾更新后的位置，计算位置的适应度；确定量子磷虾群的全局最优量子位置；循环判断；输出量子磷虾群的全局最优位置，映射为博弈的混合策略组合。本发明结合博弈论对无人机集群作战指挥决策进行分析，通过理性的决策分析使得作战双方都能得到最大的收益，更加符合无人机集群作战的战场环境，有更强的适用性。
-
公开(公告)号：CN112787811A
公开(公告)日：2021-05-11
申请号：CN202110028618.9
申请日：2021-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种针对雾计算物联网物理层安全的混合资源配置方法，包括：建立安全雾计算物联网系统模型；初始化量子星系群及参数；根据设计的量子星系群演进规则，对所有量子星系进行演进；对更新后量子星系的量子态进行测量，得到所有更新后量子星系的测量态，计算测量态的适应度，根据适应度值的大小更新所有量子星系的测量态和量子星系群的全局最优测量态；判断是否达到终止条件。如果当前演进的代数小于设定的最大迭代次数，则令i＝i+1，返回步骤三；否则终止演化，输出量子星系群的全局最优测量态，由此可得到相应的混合资源配置方案。本发明极大地提升整个物联网系统的上行保密容量，减少网络数据泄露，防止物联网用户被恶意窃听器窃听有用信息。
-
公开(公告)号：CN107657098B
公开(公告)日：2021-01-05
申请号：CN201710834252.8
申请日：2017-09-15
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/18 , G06N10/00 , G06N3/00 , G06F111/04
Abstract: 本发明提供的是一种基于量子鸡群演化机制的环形天线阵列稀疏方法。1、建立环形天线阵列稀疏模型；2、设置初始参数；3、设计适应度函数；4、计算种群中每只鸡的适应度值，区分鸡的种类并划分子种群；5、6及7分别构建公鸡、母鸡和小鸡的量子矢量旋转角更新公式，更新量子矢量旋转角，更新的量子位置；8、过测量的方式转化为其{0,1}编码位置，计算该{0,1}编码位置的适应度值，并更新每只鸡的个体历史最优解和全局最优解；9：判断是否达到最大迭代次数。该方法具有更快的收敛速度和更高的收敛精度，并在解决环形天线阵列稀疏构建的问题中具有很好的稀疏效果，很大程度的降低了天线阵列系统的复杂度和成本，达到了预期的要求。
-
公开(公告)号：CN108173580B
公开(公告)日：2020-12-29
申请号：CN201810086133.3
申请日：2018-01-29
Applicant: 哈尔滨工程大学
IPC: H04B7/0426 , H04B7/0452
Abstract: 本发明公开了一种基于量子社会情感优化的Massive MIMO上行系统功率分配方法，属于5G关键技术领域。本发明通过建立Massive MIMO系统功率分配模型，在初始化量子社会群体及系统参数中输出初始历史最优解，并通过实数化处理量子个体输出初始全局最优解，之后不断更新量子个体，当迭代次数大于预先设定的最大迭代次数时输出全局最优解，经实数化处理得到最佳功率分配方案。本发明充分考虑了在Massive MIMO上行系统中，用户的发送功率不得超过其最大发送功率的限制，同时满足用户最低传输速率和系统最低传输速率等要求，所设计的功率分配方法保证了服务质量，具有搜索速度快、全局搜索能力强的优点，更能满足实际工程的需要，为Massive MIMO上行系统的功率分配提供了一种新方法。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.032 seconds)
