量子群智能及其在通信技术中的应用
2020-09-09 14:40:37 0 举报AI智能生成
量子群智能及其在通信技术中的应用
作者其他创作
大纲/内容
6 基于量子群智能的频谱分配
6.1 频谱分配模型
6.1.1 图论着色模型
6.1.2 单目标频谱分配
6.1.3 多目标频谱分配
6.2 基于量子粒子群算法的单目标频谱分配
6.2.1 基于单链量子粒子群算法的认知无线电频谱分配[15]
6.2.2 仿真结果分析
6.3 基于多目标膜量子蜂群的多目标频谱分配[16]
6.3.1 膜量子蜂群的基本演进规则
6.3.2 膜量子蜂群的膜框架
6.3.3 基于多目标膜量子蜂群算法的多目标频谱分配技术
6.3.4 频谱分配实验仿真
6.4 小结
7 量子群智能的频谱感知技术
7.1 线性协作频谱感知模型
7.2 合作式频谱感知的基本算法
7.2.1 基于修正偏差因子的频谱感知方法
7.2.2 基于粒子群算法的频谱感知
7.2.3 计算机仿真
7.3 基于连续量子细菌觅食算法的频谱感知技术
7.3.1 量子细菌觅食算法的频谱感知[15]
7.3.2 计算机仿真
7.4 小结
8 基于量子智能计算的DOA估计
8.1 经典DOA估计模型和算法
8.1.1 DOA估计模型
8.1.2 经典测向算法
8.1.3 基于量子蛙跳算法的测向方法
8.1.4 试验仿真
8.2 基于高阶累积量和文化量子算法的测向方法[18]
8.2.1 基于高阶累积量的广义加权子空间拟合算法
8.2.2 文化量子算法
8.2.3 基于文化量子算法的广义高阶加权信号子空间拟合测向
8.2.4 试验仿真
8.3 基于量子文化蛙跳算法的非圆信号DOA估计[27]
8.3.1 非圆极大似然算法
8.3.2 基于量子文化蛙跳算法的极大似然测向
8.3.3 试验仿真
8.4 小结
9 冲击噪声环境下的量子智能计算DOA估计
9.1 冲击噪声环境下的测向模型
9.1.1 三种低阶矩
9.1.2 三种低阶矩的对比
9.2 基于量子文化细菌觅食算法的无穷范数最大似然测向方法[10]
9.2.1 量子文化细菌觅食算法
9.2.2 量子文化细菌觅食算法的无穷范数极大似然测向
9.2.3 试验仿真
9.3 基于量子粒子群的动态测向方法
9.3.1 冲击噪声下的动态测向模型
9.3.2 连续量子粒子群优化算法
9.3.3 量子粒子群优化算法的动态测向方法[18]
9.3.4 试验仿真
9.4 小结
1 绪论
1.1 量子群智能计算简介
1.2 单目标和多目标优化问题
1.2.1 单目标优化问题的数学模型
1.2.2 单目标约束优化问题的求解方法
1.2.3 多目标优化问题的数学模型
1.2.4 多目标优化方法简介
1.3 智能计算在通信技术中的应用
1.3.1 简介
1.3.2 展望
1.4 本书内容和结构安排
2 用于离散优化问题的量子群智能计算
2.1 量子粒子群算法
2.1.1 双链编码的量子粒子群算法
2.1.2 单链编码的量子粒子群算法[2]
2.1.3 性能测试
2.2 量子蜂群算法
2.2.1 双链编码的量子蜂群算法[5]
2.2.2 单链编码的量子蜂群算法
2.2.3 性能测试
2.3 量子细菌觅食算法
2.3.1 双链编码的量子细菌觅食算法
2.3.2 量子细菌觅食算法的收敛性分析
2.3.3 性能测试
2.4 小结
3 用于连续优化问题的量子群智能计算
3.1 量子蛙跳算法
3.1.1 混合蛙跳算法
3.1.2 量子蛙跳算法[4]
3.1.3 性能测试
3.2 量子文化蛙跳算法[9]
3.2.1 量子规范知识
3.2.2 量子文化蛙跳算法的实现
3.2.3 性能测试
3.3 量子细菌觅食算法
3.3.1 细菌觅食算法
3.3.2 量子细菌觅食优化算法[16]
3.3.3 性能测试
3.4 小结
4 基于量子智能算法的多用户检测
4.1 多用户检测的数学模型
4.1.1 噪声模型
4.1.2 高斯噪声下的多用户检测数学模型
4.2 高斯噪声环境的典型多用户检测方法
4.2.1 传统检测器
4.2.2 最优多用户检测器
4.2.3 Hopfield神经网络多用户检测器
4.3 基于免疫克隆量子算法的多用户检测[13]
4.3.1 神经网络制备疫苗的方法框架
4.3.2 基于免疫克隆量子算法的多用户检测器
4.3.3 试验仿真
4.4 量子Hopfield神经网络的多用户检测设计
4.4.1 量子Hopfield神经网络
4.4.2 基于量子神经网络的多用户检测
4.4.3 基于量子神经网络的多用户检测器仿真
4.5 量子蜂群算法的鲁棒多用户检测
4.5.1 鲁棒多用户检测器
4.5.2 新量子蜂群算法
4.5.3 基于量子蜂群算法的鲁棒多用户检测[37]
4.5.4 试验仿真
4.6 小结
5 基于量子群智能的认知无线电决策引擎
5.1 认知无线电决策引擎模型和三种典型的决策引擎
5.1.1 智能计算的认知决策引擎
5.1.2 基于智能计算的认知决策引擎方法
5.2 单目标膜量子蜂群算法及其在决策引擎上的应用[20]
5.2.1 膜结构简介
5.2.2 膜量子蜂群优化算法
5.2.3 膜量子蜂群优化算法的性能测试
5.2.4 基于膜量子蜂群算法的认知无线电决策引擎
5.2.5 决策引擎试验仿真
5.3 基于量子细菌觅食算法的绿色认知无线电参数调整
5.3.1 绿色认知无线电参数调整模型
5.3.2 量子细菌觅食算法的绿色认知无线电参数调整[29]
5.3.3 试验仿真
5.4 小结
0 条评论
下一页
