-
公开(公告)号：CN109861728A
公开(公告)日：2019-06-07
申请号：CN201910128413.0
申请日：2019-02-21
Applicant: 哈尔滨工程大学
IPC: H04B7/0413 , H04B7/0456 , H04K3/00 , H04W40/22 , H04W72/04
Abstract: 本发明涉及一种大规模MIMO系统的联合多中继选择与时隙资源配置方法，发明结合量子优化机制与白蚁群优化机制的优势，利用量子白蚁群优化方法来解决Massive MIMO系统的多中继选择与时隙资源配置这一复杂的混合优化问题，具有搜索速度快、全局搜索能力强的优点。本发明结合无线能量采集技术，可显著减少Massive MIMO协作通信系统信息传输过程中的能量消耗，通过用户终端与干扰中继分别向窃听器发送干扰信号以降低窃听器的信干噪比，能够有效提高Massive MIMO系统的保密容量，保证通信系统的安全性与可靠性。
-
公开(公告)号：CN107944133A
公开(公告)日：2018-04-20
申请号：CN201711172473.X
申请日：2017-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法，建立环形天线阵列稀疏模型，设置恰当的系统参数，并初始化种群中每只蜘蛛在解空间中的量子位置和{0,1}编码位置。设计多目标适应度函数。计算种群中每只蜘蛛的重量，根据重量划分蜘蛛的性别。根据初始种群，生成初始精英解集。从精英解集中选取全局最优解和次优解。然后分别更新雌性蜘蛛和雄性蜘蛛的量子位置，并根据量子位置通过测量的方式转化为{0,1}编码位置。更新精英解集，并更新种群中所有蜘蛛的重量。最后判断是否达到最大迭代次数，如果达到最大迭代次数，则输出精英解集；否则返回迭代。本发明解决了多目标环形天线阵列稀疏构建这样的高维度离散多目标问题。
-
公开(公告)号：CN107436429A
公开(公告)日：2017-12-05
申请号：CN201710832741.X
申请日：2017-09-15
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明提供的是一种冲击噪声环境下基于稀疏重构的极化双基地MIMO雷达参数估计方法。一，建立冲击噪声环境下的极化双基地MIMO雷达接收数据模型；二，对快拍采样数据做去冲击预处理；三，利用子空间旋转不变特性进行极化双基地MIMO雷达发射角参数估计；四，构造极化双基地MIMO雷达的稀疏字典集；五，稀疏重构极化双基地MIMO雷达接收角；六，判断是否达到最大迭代次数，若是，执行步骤七；否则令k＝k+1，返回步骤五；七，得到稀疏重构结果sk，利用索引集U得到极化双基地MIMO雷达的接收角信息，输出极化双基地MIMO雷达的发射角和接收角估计结果。本发明有更广泛的实用范围，能应用于现有的双基地MIMO雷达参数估计方法所不能解决的实际问题。
-
公开(公告)号：CN107333317A
公开(公告)日：2017-11-07
申请号：CN201710562235.3
申请日：2017-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子猫群搜索机制的多目标中继选择方法。一，建立中继系统模型。二，初始化三个量子猫群。三，对第1个量子猫群和第2个量子猫进行更新。四：对第3个量子猫群中的每一量子猫进行更新。五：将第3个量子猫群更新出的H个量子猫放入非支配解集中。对非支配解集中的量子猫进行非支配解排序和拥挤度计算，保留前H个量子猫作为非支配解。将第3个量子猫的解群替换为非支配解集中的解。六：对非支配解集和演化单目标的量子猫群进行操作。七：如果进化没有终止，返回步骤三，否则，终止迭代，输出非支配解集中的非支配解。本发明可以同时考虑输出端信噪比和网络能量效率来解决多目标中继选择问题，适用性强，应用范围广泛。
-
公开(公告)号：CN109375154B
公开(公告)日：2023-04-28
申请号：CN201811236543.8
申请日：2018-10-23
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明属于阵列信号处理参数估计领域，具体涉及一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法，包括以下步骤：对空间中D个信源信号进行快拍采样；对快拍采样数据做去冲击预处理；对阵列输出数据进行模式激励变换；构造稀疏重构字典集；稀疏重构得到相干信源方位角；判断是否达到最大迭代次数，若是，执行步骤七；否则令t＝t+1，返回步骤五；得到稀疏重构结果，利用索引集U得到信源方位角信息，输出相干信源波达方向估计结果。本发明解决了冲击噪声环境下基于均匀圆阵的相干信号参数估计问题，使用模式激励变换和压缩感知稀疏重构思想作为参数估计的基础，所设计的方法具有计算复杂度低、计算时间短和鲁棒性高的优点。
-
Patent Agency Ranking
公开(公告)号：CN109239646B
公开(公告)日：2023-03-31
申请号：CN201811017215.9
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G01S3/00
Abstract: 一种冲击噪声环境下连续量子水蒸发的二维动态测向方法，属于阵列信号处理领域。本发明方法利用连续量子水蒸发计算方法在搜索区间内求解根据均匀圆阵方位角和俯仰角二维动态测向问题设计的圆阵无穷范数极大似然方程，通过逐步缩小搜索区间以减少运算量，同时依据量子编码和模拟量子演化方程设计的水蒸发计算方法还可以加快算法的收敛速度，快速获得最优二维波达方向，提高冲击噪声环境下动态来波方向的跟踪精度。本发明方法搜索速度快，既能实现二维波达方向的非相干信源动态估计，又可实现二维波达方向的相干信源动态估计，不仅适用于高斯噪声环境，也可应用于冲击噪声环境，应用前景广泛。
-
公开(公告)号：CN113747557B
公开(公告)日：2022-09-27
申请号：CN202111049450.6
申请日：2021-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种双层异构网络功率控制方法，建立双层异构网络功率控制模型；初始化星体位置和量子位置并进行排序；根据锦标赛选择机制选出新的星系；根据位置混沌变化更新量子旋转角，使用模拟量子旋转门演化星系的寻优搜索过程；判断若未达到最大循环次数返回上一步直到最大循环次数，否则终止循环，将星体进行正向和负向旋转混沌移动，寻找更优星系；判断若未达到最大循环次数，返回上一步；否则终止循环，将新得到的星系与初始星系混合，选出与初始星系相同规模的星系；判断若未达到最大迭代次数，返回根据锦标赛选择机制选出新的星系；否则终止迭代，得到最优的功率分配方案。本发明可以对互相冲突的系统吞吐量和系统能耗同时进行优化。
-
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：CN108614235B
公开(公告)日：2021-12-24
申请号：CN201810510981.2
申请日：2018-05-25
Applicant: 哈尔滨工程大学
IPC: G01S3/14
Abstract: 本发明提供一种多鸽群信息交互的单快拍测向方法，建立均匀线阵单快拍采样信号模型；获得单快拍极大似然方程；初始化鸽群，并将其划分为三个子鸽群；计算鸽群中鸽子位置的适应度值，确定每个子种群的局部最优位置和整个鸽群的全局最优位置；更新基本鸽群的速度和位置，产生混沌权重；反向鸽群中的鸽子根据跳转操作更新位置；更新鸽子位置；确定子鸽群中鸽子的局部最优位置和整个鸽群的全局最优位置；更新信仰空间；最终输出的鸽群全局最优位置即为来波方向估计值。本发明实现了仅对单个快拍的数据进行处理从而得到对阵列接收信号的波达方向估计，降低了DOA估计的运算量，同时提高了系统的实时性，实现了对目标来波的高精度测向。
-
公开(公告)号：CN113747557A
公开(公告)日：2021-12-03
申请号：CN202111049450.6
申请日：2021-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种双层异构网络功率控制方法，建立双层异构网络功率控制模型；初始化星体位置和量子位置并进行排序；根据锦标赛选择机制选出新的星系；根据位置混沌变化更新量子旋转角，使用模拟量子旋转门演化星系的寻优搜索过程；判断若未达到最大循环次数返回上一步直到最大循环次数，否则终止循环，将星体进行正向和负向旋转混沌移动，寻找更优星系；判断若未达到最大循环次数，返回上一步；否则终止循环，将新得到的星系与初始星系混合，选出与初始星系相同规模的星系；判断若未达到最大迭代次数，返回根据锦标赛选择机制选出新的星系；否则终止迭代，得到最优的功率分配方案。本发明可以对互相冲突的系统吞吐量和系统能耗同时进行优化。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.087 seconds)
