公开(公告)号：CN108038471A

公开(公告)日：2018-05-15

申请号：CN201711443626.X

申请日：2017-12-27

Applicant: 哈尔滨工程大学

Inventor： 殷敬伟 ,  邵梦琦 ,  韩笑 ,  周启明 ,  李成 ,  沈益冉 ,  李理

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习技术的水声通信调制模式识别方法。该方法包括：构建深度学习卷积神经网络模型；预设训练集样本识别准确率T、测试集样本识别准确率P；获取不同调制方式实验数据或仿真数据；将每N个采样点数据作为一个原始数据样本，进行预处理；将预处理后数据样本随机划分为训练集和测试集；用训练样本集对其进行训练；判断训练集样本识别准确率是否达到预设值，当达到时，将输入切换为数据样本测试集，用数据样本测试集对进行测试；否则继续训练；判断测试集样本识别准确率是否达到预设值，当达到时则完成模型；否则，获取额外数据，与原数据混合，重复执行本方法。本发明解决了由于海洋信道时变空变导致的信号特征提取困难。

公开(公告)号：CN103795436A

公开(公告)日：2014-05-14

申请号：CN201410061839.6

申请日：2014-02-24

Applicant: 哈尔滨工程大学

Inventor： 高洪元 ,  李晨琬 ,  徐从强 ,  齐研 ,  邵梦琦 ,  高璐

IPC: H04B1/7105 ,  G06N3/00 ,  G06N3/02

Abstract: 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。

公开(公告)号：CN103795436B

公开(公告)日：2016-01-27

申请号：CN201410061839.6

申请日：2014-02-24

Applicant: 哈尔滨工程大学

Inventor： 高洪元 ,  李晨琬 ,  徐从强 ,  齐研 ,  邵梦琦 ,  高璐

IPC: H04B1/7105 ,  G06N3/00 ,  G06N3/02

Abstract: 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。