-
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：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。
-
公开(公告)号：CN116522228B
公开(公告)日：2024-02-06
申请号：CN202310486497.1
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/213 , G06F21/62 , G06N3/045 , G06N3/098 , H04W12/79
Abstract: 一种基于特征模仿联邦学习的射频指纹识别方法，它涉及一种射频指纹识别方法。本发明为了解决传统深度学习方法隐私安全无法保证，传统联邦学习方法在边缘数据异构分布场景下性能差的问题。本发明在边缘数据异构分布场景下，本发明采用本地分类器和联邦平均全局分类器对伪特征预测值之间的KL距离对全局分类器进行优化，得到全局分类器，更适应数据异构分布场景。本发明属于数字信号处理技术领域。
-
公开(公告)号：CN116522228A
公开(公告)日：2023-08-01
申请号：CN202310486497.1
申请日：2023-04-28
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/213 , G06F21/62 , G06N3/045 , G06N3/098 , H04W12/79
Abstract: 一种基于特征模仿联邦学习的射频指纹识别方法，它涉及一种射频指纹识别方法。本发明为了解决传统深度学习方法隐私安全无法保证，传统联邦学习方法在边缘数据异构分布场景下性能差的问题。本发明在边缘数据异构分布场景下，本发明采用本地分类器和联邦平均全局分类器对伪特征预测值之间的KL距离对全局分类器进行优化，得到全局分类器，更适应数据异构分布场景。本发明属于数字信号处理技术领域。
-
Patent Agency Ranking
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
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：CN112014789B
公开(公告)日：2022-07-15
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：CN112039820B
公开(公告)日：2022-06-21
申请号：CN202010816144.X
申请日：2020-08-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种量子象群机制演化BP神经网络的通信信号调制识别方法，设计了加权Myriad滤波器结合所设计特征参数的数据集，进而利用量子象群机制来演化BP神经网络，获得神经网络的最优系统参数，使用具有最优权值和阈值的BP神经网络作为分类器对冲击噪声背景下的通信信号调制方式进行高效识别。所设计的方法可以在冲击噪声环境下得到最优的网络参数和分类识别效果，从而在冲击噪声和低混合信噪比等恶劣环境下获得较高识别率，突破现有神经网络调制识别的应用极限。
-
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
Applicant: 哈尔滨工程大学
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。
-
公开(公告)号：CN113111304A
公开(公告)日：2021-07-13
申请号：CN202110357999.5
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射线机理的相干分布源测向方法，包括：建立相干分布源的广义阵列流型，构造基于加权无穷范数低阶协方差矩阵的极大似然测向方程；计算更新后所有射线的适应度函数值，更新全局最优量子位置和局部最优量子位置；每条射线依概率从斯涅尔折射定律演化和随机演化两种演化规则中选择一种更新其量子位置；计算更新后所有射线的适应度函数值，更新全局最优量子位置和局部最优量子位置；判断是否达到最大迭代次数，若未达到，返回步骤三；若达到则终止循环迭代，输出全局最优量子位置，经过映射变换为全局最优位置对应中心方位角和角度扩散的极大似然估计值。本发明在强冲击噪声环境下具有鲁棒性，突破现有应用局限。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.055 seconds)
