-
公开(公告)号：CN115942494A
公开(公告)日：2023-04-07
申请号：CN202211542384.0
申请日：2022-12-03
Applicant: 哈尔滨工程大学
IPC: H04W72/53 , H04W72/542 , H04W72/543 , G06N3/006 , H04B7/0413 , H04B7/145 , H04W12/122
Abstract: 本发明提供一种基于智能反射面的多目标安全MassiveMIMO资源分配方法，将野马群智能与支配关系相结合，设计了解决多目标连续优化问题的多目标野马优化算法，改进了原始野马群智能执行放牧行为、交配行为的位置更新公式，并且舍弃了野马群智能分组优化的模式，突破了已有野马优化算法只能解决单目标优化问题的应用局限。针对基于智能反射面的安全MassiveMIMO通信系统，以最大化合法用户处的信息传输速率、最小化非合法用户处的信息传输速率为目标利用多目标野马群智能优化每个反射元的相移控制角和基站功率传输矩阵，本发明同时优化智能反射面中每个反射元的相移控制角和基站功率传输矩阵，提升系统的资源利用率。
-
公开(公告)号：CN115856762A
公开(公告)日：2023-03-28
申请号：CN202211218910.8
申请日：2022-10-07
Applicant: 哈尔滨工程大学
IPC: G01S3/00 , G06F18/2415 , G06F17/11 , G06F17/16 , G06N3/006
Abstract: 本发明提出了一种基于冲击噪声下最优相关熵的波达方向估计方法，步骤为建立冲击噪声下基于中值离差相关熵的极大似然宽带信号测向模型；连续量子黑猩猩搜索机制参数初始化；计算所有黑猩猩所在位置适应度值，初始化攻击者，阻拦者，追捕者和驱逐者的量子位置；由攻击者，阻拦者，追捕者和驱逐者的量子位置更新种群中其他黑猩猩量子位置；计算所有黑猩猩所在新位置适应度值，更新整个黑猩猩种群中攻击者，阻拦者，追捕者和驱逐者位置；判断是否到达最大次数；黑猩猩群体中攻击者量子位置根据映射规则映射成全局最优位置，得到信号的来波角度。本发明在冲击噪声环境下能有效测向，测向精度高，具有良好的解相干能力。
-
公开(公告)号：CN115794330A
公开(公告)日：2023-03-14
申请号：CN202211369833.6
申请日：2022-11-03
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种云计算任务调度方法，包括构建数学模型，初始化被囊群搜索机制和粒子群演化机制量子位置及参数，计算被囊适应度值并排序，计算粒子适应度值，找出全局最优量子位置，更新被囊量子位置，确定新一代被囊群量子位置，更新粒子量子位置，计算与新粒子适应度值，确定新一代粒子量子位置、局部最优量子位置和全局最优量子位置，判断是否信息交互，若是，对粒子群和被囊群进行信息交互，重新确定粒子群全局最优位置，若否，继续执行；迭代更新量子位置至最大迭代次数，根据最后一代中最优量子位置映射位置对应任务与虚拟机分配矩阵得到调度策略，本发明在预算和截止时间约束下，达到较小任务总执行时间、总执行成本和负载不平衡度。
-
公开(公告)号：CN112954807B
公开(公告)日：2022-11-18
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
公开(公告)号：CN113095464B
公开(公告)日：2022-08-02
申请号：CN202110357190.2
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种强冲击噪声下基于量子黏霉菌搜索机理的盲源分离方法，基于分离信号的最大化峰度这一独立性判据设计目标函数，该方法先利用Givens旋转变换降低计算量，再在给出的搜索范围内对目标函数寻优，利用所设计的量子黏霉菌搜索机理在该范围之内搜索目标函数的最优解及其对应的分离矩阵，从而实现盲源分离。所设计的方法可以实现在强冲击噪声环境下且低信噪比情况下混叠信号的盲源分离，具有收敛速度快、分离精度高、性能稳定等优势，拥有着广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN113595903A
公开(公告)日：2021-11-02
申请号：CN202110783612.2
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: H04L12/715 , H04L12/721 , H04L12/733 , H04W24/02 , H04W52/02 , H04W52/06 , H04W84/18 , G06K9/62
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。
-
公开(公告)号：CN113189558A
公开(公告)日：2021-07-30
申请号：CN202110469718.5
申请日：2021-04-28
Applicant: 哈尔滨工程大学
IPC: G01S7/41
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。
-
公开(公告)号：CN113095464A
公开(公告)日：2021-07-09
申请号：CN202110357190.2
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种强冲击噪声下基于量子黏霉菌搜索机理的盲源分离方法，基于分离信号的最大化峰度这一独立性判据设计目标函数，该方法先利用Givens旋转变换降低计算量，再在给出的搜索范围内对目标函数寻优，利用所设计的量子黏霉菌搜索机理在该范围之内搜索目标函数的最优解及其对应的分离矩阵，从而实现盲源分离。所设计的方法可以实现在强冲击噪声环境下且低信噪比情况下混叠信号的盲源分离，具有收敛速度快、分离精度高、性能稳定等优势，拥有着广泛的应用前景。
-
公开(公告)号：CN113093146A
公开(公告)日：2021-07-09
申请号：CN202110357188.5
申请日：2021-04-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于量子跳跃逃逸机制的MIMO雷达正交波形设计方法，包括：建立正交多相编码信号的设计模型；初始化量子种群并设定参数；量子种群内进行杂交操作；定义并计算量子个体位置和杂交位置的适应度；确定量子种群的个体历史最优位置和全局最优位置；更新量子种群的量子位置；量子种群执行逃逸操作；确定量子种群所有量子个体的位置和杂交位置；更新量子种群的个体历史最优位置和全局最优位置；演进终止判断，输出所设计的最优正交波形。本发明通过约束互相关指标和优化自相关指标来设计正交波形；设计了量子跳跃逃逸优化机制来求解正交信号。
-
公开(公告)号：CN112954807A
公开(公告)日：2021-06-11
申请号：CN202110116425.9
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: H04W72/08 , H04W72/04 , H04W72/12 , H04B7/0413 , G06N3/00
Abstract: 本发明公开了一种基于网络切片的异构MassiveMIMO系统多元资源配置方法，具体步骤为：S1，建立异构MassiveMIMO系统模型；S2，初始化量子人工藻群落及系统参数，经测量规则，得到量子人工藻群的测量态；S3，计算所有量子人工藻群的适应度，将适应度最大的量子人工藻群的测量态记为全局最优解；S4，根据螺旋运动、进化过程和适应过程的不同演进规则更新量子人工藻群；S6，经测量规则，得到更新的量子人工藻群的测量态，计算更新后的量子人工藻群的适应度，更新全局最优解；S7，迭代次数若小于最大迭代次数，则返回S4，否则输出全局最优解，得到相应的异构MassiveMIMO系统多元资源配置方案。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.037 seconds)
