一种基于苍鹭群觅食机制的大规模天线阵稀疏方法

    公开(公告)号:CN119167754A

    公开(公告)日:2024-12-20

    申请号:CN202411184377.7

    申请日:2024-08-27

    Abstract: 本发明涉及阵列天线技术领域,尤其是大型直线阵列天线的稀疏化设计,构造大规模天线稀疏阵列优化的目标函数;大规模天线稀疏阵列主要是根据天线阵列的旁瓣电平等目标优化天线阵元的摆放形式,如果在规定的栅格内摆放阵元,则栅格标记位记为“1”,如果没有摆放阵元则栅格标记位记为“0”,其中“1”与“0”表示栅格的标志位,所以在栅格中存在两种情况,有阵元和无阵元,也就是对栅格位置是否有阵元即天线的摆放位置进行优化,栅格标志位向量为I=[I1,I2,I3,…,IN],与传统使用sigmoid函数映射的粒子群算法相比,本发明的苍鹭群觅食优化机制采用双曲正切函数进行映射实现个体位置更新,可以更好的进行概率选择变异,在寻优策略上有进一步提升。

    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

    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

    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。

    一种基于相似路径和量子浣熊机制的WSN节点定位方法

    公开(公告)号:CN119052744A

    公开(公告)日:2024-11-29

    申请号:CN202411264084.X

    申请日:2024-09-10

    Abstract: 本发明公开了一种基于相似路径和量子浣熊机制的WSN节点定位方法,首先建立基于相似路径的距离估计模型;建立基于跳距修正的节点定位模型,开始定位;初始化量子浣熊群并设定相关参数;定义并计算每只量子浣熊量子位置的适应度值,确定量子浣熊群最优量子位置;量子浣熊执行狩猎和攻击模式,在狩猎和攻击模式下使用量子旋转角来演化量子浣熊的量子位置;使用选择机制选择下一代量子浣熊的量子位置和量子浣熊群的最优量子位置;量子浣熊机制演进终止判断,实现对目标节点的定位;输出所有目标节点的定位结果。本发明突破了传统定位方法在网络拓扑结构呈各向异性时存在的应用局限,提高了在各向异性网络中的适用性,可应用于实际静态无线传感器网络。

    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

    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

    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。

    一种进化长短时记忆网络的调制信号识别方法

    公开(公告)号:CN114172769B

    公开(公告)日:2023-10-03

    申请号:CN202111421628.5

    申请日:2021-11-26

    Abstract: 本发明提供一种进化长短时记忆网络的调制信号识别方法,包括:构造数据集;构造目标函数;初始化旗鱼捕食搜索机制的参数;计算适应度值,并确定精英旗鱼位置和受伤沙丁鱼位置;旗鱼攻击选择策略,更新旗鱼的位置;追捕猎物,更新沙丁鱼的位置;计算适应度值,确定被旗鱼捕食的沙丁鱼,确定精英旗鱼和受伤沙丁鱼位置;判断是否达到终止迭代条件,即达到最大迭代次数或者所有的沙丁鱼都被旗鱼捕获,若满足终止迭代条件,则继续向下运行,否则令g=g+1,返回继续;使用训练集训练具有最优超参数的数字通信信号调制识别LSTM网络。本发明设计了文化旗鱼捕食搜索机制来获得最优的LSTM网络模型参数。

    一种量子猎鹿机制的智能反射面稀疏方法

    公开(公告)号:CN119966454A

    公开(公告)日:2025-05-09

    申请号:CN202510078005.4

    申请日:2025-01-17

    Abstract: 本发明公开了一种量子猎鹿机制的智能反射面稀疏方法,首先对包含基站、智能反射面和接收端的信号传输系统进行建模,得到接收端接收到的信号;再对稀疏智能反射面进行系统容量计算方法的建模,得到稀疏后接收端的信息传输速率;初始化猎鹿种群每只猎鹿的量子速度和位置,并判断执行探索行为或是开发行为;记录更新后每只猎鹿的位置,带入适应度函数计算适应度值,更新全局最优位置和局部最优位置;最后得到全局的最优位置。本发明通过群智能优化算法自动优化反射单元布局,寻找反射元布局的最优解;并在原有算法的基础上结合量子编码,对算法进行离散化处理,提出了一种量子猎鹿方法。本发明拥有更好的全局搜素能力和更高的收敛精度。

    一种基于安哥拉兔搜索机制的通信信号调制识别方法及系统

    公开(公告)号:CN119814507A

    公开(公告)日:2025-04-11

    申请号:CN202411934638.2

    申请日:2024-12-26

    Abstract: 本发明公开了一种基于安哥拉兔搜索机制的通信信号调制识别方法及系统,涉及通信信号处理技术领域。本发明的技术要点包括:构建数字调制信号数据集;对数字调制信号数据集中数据进行预处理,获取训练集和测试集;基于训练集和测试集,利用安哥拉兔搜索机制优化求解支持向量机的超参数,超参数包括惩罚因子和高斯核;利用训练集训练具有最优超参数的支持向量机;利用训练好的支持向量机对待测通信信号进行调制识别。本发明解决了支持向量机因超参数选取不当出现的过拟合问题,在通信信号调制识别领域具有识别准确率高,收敛速度快等优点,并在低信噪比下也能获得良好的识别效果,具有更广泛的应用前景和场景,可适用于解决多类工程应用问题。

    一种进化长短时记忆网络的调制信号识别方法

    公开(公告)号:CN114172769A

    公开(公告)日:2022-03-11

    申请号:CN202111421628.5

    申请日:2021-11-26

    Abstract: 本发明提供一种进化长短时记忆网络的调制信号识别方法,包括:构造数据集;构造目标函数;初始化旗鱼捕食搜索机制的参数;计算适应度值,并确定精英旗鱼位置和受伤沙丁鱼位置;旗鱼攻击选择策略,更新旗鱼的位置;追捕猎物,更新沙丁鱼的位置;计算适应度值,确定被旗鱼捕食的沙丁鱼,确定精英旗鱼和受伤沙丁鱼位置;判断是否达到终止迭代条件,即达到最大迭代次数或者所有的沙丁鱼都被旗鱼捕获,若满足终止迭代条件,则继续向下运行,否则令g=g+1,返回继续;使用训练集训练具有最优超参数的数字通信信号调制识别LSTM网络。本发明设计了文化旗鱼捕食搜索机制来获得最优的LSTM网络模型参数。

Patent Agency Ranking