一种量子除法器的设计方法

    公开(公告)号:CN112394905B

    公开(公告)日:2022-11-08

    申请号:CN202011358674.0

    申请日:2020-11-27

    Abstract: 本发明涉及一种量子除法器的设计方法,属于量子运算领域。该方法包括以下步骤:S1:利用量子门设计n位量子比较器,实现两个n位二进制数的比较运算;S2:利用量子门设计等位和不等位量子减法器;S3:将步骤S1和S2中的比较器和减法器综合设计得到量子除法器;S4:采用经典计算机与IBM实验室提供的开源量子云模拟器搭建实验平台并进行仿真模拟实现量子除法运算。本发明通过加入辅助量子比特并进行复用,使得量子除法运算得以实现,并提高了量子除法运算的性能,为处理更复杂的量子计算打下了基础。

    基于NEQR表达的量子图像分割方法

    公开(公告)号:CN110648348A

    公开(公告)日:2020-01-03

    申请号:CN201910940488.9

    申请日:2019-09-30

    Abstract: 本发明公开了基于NEQR表达的量子图像分割方法,该方法包括:步骤S1,制备量子图像NEQR表达式;步骤S2,设计阈值量子图像分割算法的量子线路,对步骤S1制备的量子图像表达式进行分割处理;步骤S3,对经步骤S2处理之后的量子图像表达式进行测量,得到量子图像中各状态的概率信息。本发明对原图形进行优化的量子图像NEQR表达,对原图像量子表达线路中的辅助量子比特位的数量进行优化,通过对辅助量子比特位的复用,能够降低量子表达线路中的量子比特位数,大大提高了量子图像表达算法的性能,使得其在经典计算机下仿真更加易于实现,且为处理更大尺寸的量子图像提供了可能,提高了经典计算机处理量子图像算法的能力。

    一种量子图像乘法运算的设计方法及其仿真实现方法

    公开(公告)号:CN111832734B

    公开(公告)日:2023-10-17

    申请号:CN202010693845.9

    申请日:2020-07-17

    Abstract: 本发明涉及一种量子图像乘法运算的设计方法及其仿真实现方法,属于图像处理技术领域。量子图像乘法设计实现步骤为:(1)设计量子乘法器;(2)利用量子图像表示(NEQR)模型制备两幅叠加的量子图像;(3)基于两幅叠加的量子图像和量子乘法器,实现两幅量子图像的相乘;(4)量子图像相乘的仿真实现。本发明同时给出了每一步骤的量子线路图,实现了量子图像乘法的设计。本发明利用采用经典计算机与IBM实验室提供的开源量子云模拟器搭建实验平台并进行仿真模拟。利用IBM公司提供的开源量子计算工具包QISKIT以及Anaconda提供的包管理和环境管理功能,用Python语言模拟并实现量子图像乘法运算。

    一种量子除法器的设计方法

    公开(公告)号:CN112394905A

    公开(公告)日:2021-02-23

    申请号:CN202011358674.0

    申请日:2020-11-27

    Abstract: 本发明涉及一种量子除法器的设计方法,属于量子运算领域。该方法包括以下步骤:S1:利用量子门设计n位量子比较器,实现两个n位二进制数的比较运算;S2:利用量子门设计等位和不等位量子减法器;S3:将步骤S1和S2中的比较器和减法器综合设计得到量子除法器;S4:采用经典计算机与IBM实验室提供的开源量子云模拟器搭建实验平台并进行仿真模拟实现量子除法运算。本发明通过加入辅助量子比特并进行复用,使得量子除法运算得以实现,并提高了量子除法运算的性能,为处理更复杂的量子计算打下了基础。

    基于NEQR表达的量子图像自适应分割方法

    公开(公告)号:CN112258543A

    公开(公告)日:2021-01-22

    申请号:CN202011172744.3

    申请日:2020-10-28

    Abstract: 本发明涉及一种新的量子图像存储模型NEQR表达的量子图像自适应分割方法,属于量子计算领域。该方法包括以下步骤:S1:制备待分割图像和辅助图像的NEQR表达式;S2:设计量子图像自适应阈值分割算法的量子线路,并对S1制备的量子图像表达式进行自适应分割处理;S3:对S2处理之后的量子图像表达式进行测量,得到图像表达式中的信息,并将其转化为图像信息。本发明通过加入辅助图像并对辅助量子比特位进行复用,能降低量子线路中的量子比特位和量子元件的数量,大幅度提高了量子图像算法的性能,使得量子图像自适应分割算法的仿真更加高效,为处理更大尺寸的量子图像打下了基础。

    基于NEQR表达的量子图像自适应分割方法

    公开(公告)号:CN112258543B

    公开(公告)日:2024-03-22

    申请号:CN202011172744.3

    申请日:2020-10-28

    Abstract: 本发明涉及一种新的量子图像存储模型NEQR表达的量子图像自适应分割方法,属于量子计算领域。该方法包括以下步骤:S1:制备待分割图像和辅助图像的NEQR表达式;S2:设计量子图像自适应阈值分割算法的量子线路,并对S1制备的量子图像表达式进行自适应分割处理;S3:对S2处理之后的量子图像表达式进行测量,得到图像表达式中的信息,并将其转化为图像信息。本发明通过加入辅助图像并对辅助量子比特位进行复用,能降低量子线路中的量子比特位和量子元件的数量,大幅度提高了量子图像算法的性能,使得量子图像自适应分割算法的仿真更加高效,为处理更大尺寸的量子图像打下了基础。

    基于NEQR表达的量子图像分割方法

    公开(公告)号:CN110648348B

    公开(公告)日:2021-12-28

    申请号:CN201910940488.9

    申请日:2019-09-30

    Abstract: 本发明公开了基于NEQR表达的量子图像分割方法,该方法包括:步骤S1,制备量子图像NEQR表达式;步骤S2,设计阈值量子图像分割算法的量子线路,对步骤S1制备的量子图像表达式进行分割处理;步骤S3,对经步骤S2处理之后的量子图像表达式进行测量,得到量子图像中各状态的概率信息。本发明对原图形进行优化的量子图像NEQR表达,对原图像量子表达线路中的辅助量子比特位的数量进行优化,通过对辅助量子比特位的复用,能够降低量子表达线路中的量子比特位数,大大提高了量子图像表达算法的性能,使得其在经典计算机下仿真更加易于实现,且为处理更大尺寸的量子图像提供了可能,提高了经典计算机处理量子图像算法的能力。

    智能电网通信中的电力线载波IPv6与无线ZigBee间的通信方法

    公开(公告)号:CN104994014B

    公开(公告)日:2018-02-27

    申请号:CN201510235624.6

    申请日:2015-05-11

    Abstract: 本发明请求保护一种智能电网通信技术领域的电力线载波IPv6与无线ZigBee之间的通信方法。该通信方法在不改变ZigBee和电力线载波IPv6协议的基础上,实现了电力线载波IPv6网络与无线ZigBee网络之间的相互通信,并通过数据包的多空间共存调度策略与过滤阻塞机制,对网络中的数据包进行高效处理,使电力线载波IPv6与无线ZigBee异构网络之间实现无缝连接。本发明实现了电力线载波IPv6与无线ZigBee间的通信转换,为有线网络与无线网络的混合传输提供一种解决方法,有效的解决了智能电网中电力线载波IPv6网络和ZigBee网络之间通信数据转换的问题,促进了智能电网中异构网络之间的无缝连接。

    智能电网通信中的电力线载波IPv6与无线ZigBee间的通信方法

    公开(公告)号:CN104994014A

    公开(公告)日:2015-10-21

    申请号:CN201510235624.6

    申请日:2015-05-11

    Abstract: 本发明请求保护一种智能电网通信技术领域的电力线载波IPv6与无线ZigBee之间的通信方法。该通信方法在不改变ZigBee和电力线载波IPv6协议的基础上,实现了电力线载波IPv6网络与无线ZigBee网络之间的相互通信,并通过数据包的多空间共存调度策略与过滤阻塞机制,对网络中的数据包进行高效处理,使电力线载波IPv6与无线ZigBee异构网络之间实现无缝连接。本发明实现了电力线载波IPv6与无线ZigBee间的通信转换,为有线网络与无线网络的混合传输提供一种解决方法,有效的解决了智能电网中电力线载波IPv6网络和ZigBee网络之间通信数据转换的问题,促进了智能电网中异构网络之间的无缝连接。

    一种针对弱测量系统的光斑中心定位方法

    公开(公告)号:CN116499360A

    公开(公告)日:2023-07-28

    申请号:CN202310465894.0

    申请日:2023-04-26

    Inventor: 文超 吴鹏 吴昊

    Abstract: 本发明设计一种针对弱测量系统的光斑中心定位方法,包括:根据所述弱测量系统的成像原理生成光斑强度分布物理模型;根据CCD采集的实测光斑图像采用最小二乘法对光斑强度分布物理模型进行拟合,得到光斑强度分布模型对应的参数;根据光斑强度分布模型对应的参数随机生成N个光斑图像作为理想光斑图像;根据CCD采集的实测光斑图像和N个理想光斑图像利用小波分析技术生成N个模拟光斑图像;将N个模拟光斑图像作为训练集,将每个模拟光斑图像对应的理想光斑图像作为标签对卷积自编码神经网络进行训练;将CCD采集的目标实测光斑图像输入训练好的卷积自编码神经网络生成对应的目标理想光斑图像,对目标实测光斑图像的中心进行定位。

Patent Agency Ranking