CN107944080B - 一种舰船平台短波多天线空间资源优化分配方法 - Google Patents
一种舰船平台短波多天线空间资源优化分配方法 Download PDFInfo
- Publication number
- CN107944080B CN107944080B CN201711007913.6A CN201711007913A CN107944080B CN 107944080 B CN107944080 B CN 107944080B CN 201711007913 A CN201711007913 A CN 201711007913A CN 107944080 B CN107944080 B CN 107944080B
- Authority
- CN
- China
- Prior art keywords
- antenna
- layout
- objective function
- optimization
- function model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种舰船平台短波多天线空间资源优化分配方法,包括以下步骤:1)确定影响短波系统天线布局方案的指标参数,包括隔离度、失真度和场强限值;2)以隔离度、失真度和场强限值为优化目标,建立短波系统天线布局优化多目标函数模型;3)确定目标函数模型的约束条件;4)明确需要进行优化的天线,并参数化描述可用的EMC布局位置;5)结合船模天线布局,产生天线布局初始方案;6)利用基于模拟退火的遗传算法求解短波天线布局多目标函数模型,进行迭代计算,获得需要进行优化的天线的最优布置。
Description
技术领域
本发明涉及舰船电磁兼容技术,尤其涉及一种舰船平台短波多天线空间资源优化分配方法。
背景技术
为了实现舰船与岸、舰船与舰船间的正常通信,舰船平台上都装有若干工作于不同频段的天线,连同导航、电子战和雷达天线以及各式各样的电子设备和武器系统构成了舰船平台的复杂电磁环境。典型驱逐舰上的天线多达五六十副甚至更多,大量天线的使用对天线布局提出了更高的要求。如若天线布置不当,一方面会对这些设备或系统造成严重的电磁干扰,另一方面会对天线的工作性能产生一定的影响。在各类天线中,短波通信天线由于数量多、布置受限、频段资源有限、发射功率大等因素,不但是全舰电磁辐射危害控制的重点,也是开展全舰电磁兼容控制设计的重点。现阶段基于船模预测的舰船短波系统电磁兼容指标设计方法费时费力,难以满足现代舰船总体短波系统电磁兼容设计需求。为此,迫切需要能有一种优选方法,在方案论证设计阶段,能够根据舰船短波系统内电磁兼容总体设计指标要求、设备电磁收发特性、设备可用空间布置资源等信息实现舰船短波系统天线的优化布局,进而实现舰船短波系统电磁兼容下战技指标最优。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种舰船平台短波多天线空间资源优化分配方法。
本发明解决其技术问题所采用的技术方案是:一种舰船平台短波多天线空间资源优化分配方法,包括以下步骤:
1)确定影响短波系统天线布局方案的指标参数,包括隔离度、失真度和场强限值;
2)建立短波系统天线布局优化多目标函数模型,该多目标函数模型由目标函数模型加约束条件函数模型组成。
2.1)目标函数模型:
其中:式(1)中,n表示频率点的个数,它可由设计人员根据具体情况而定,频率点通常取在天线工作的主要频段内;fp表示天线在第p个频率点的工作频率,且fp∈[3,30](单位:MHz),集合f=f1,f2,…,fp,…,fn p=1,2,…,n可用于表征天线布置的频率空间特征;Fp·表示天线工作在fp时的目标函数,其物理含义是某种天线布局方案在某个频点fp时的天线群体的物理特征;ωp为Fp(·)的加权系数,表示fp在天线使用中的重要程度,ωp∈[0,1]且值得注意的是:当ωp=0时,表示fp被“屏蔽”,这适用于某些特定频率,包括频谱管理工程中的已分配频率、保护频率,天线不使用的频率;
式(1)表明,F(·)不仅与天线的位置C有关,还与天线的工作频率fp密切相关。这种方式定义的目标函数模型可以全面考虑全频段的天线优化布局问题。对于同种天线布局方案,即当C一定的情况下,F(·)随频率fp的不同而不同。故在短波频段内取n个频率,依其在天线使用中的重要程度,选取不同的加权系数对n个Fp(·)进行整合,构成目标函数F(·)。这样,由n个Fp(·)组成的多目标优化问题就转化为单目标问题。
式(2)中,M表示在天线优化布局过程中需要考虑的所有天线数量。L'ij(·)为归一化后的Lij xi,yi,zi,xj,yj,zj,fp;Lij(·)表示位于点(xi,yi,zi)的天线i与位于点(xj,yj,zj)的天线j之间的空间隔离度,该值越大越好,这与式(1)是求解F(·)的最小值相矛盾,故式(2)中等号右边的第一项取“-”号。dij表示单个天线对的隔离度加权系数,它的值取决于单个天线对在整个天线系统中的重要程度,取值区间均为[0,1]且N=20。
σ'i(·)为归一化后的σi(xi,yi,zi,fp);σi(·)表示天线i在点(xi,yi,zi)时的水平方向图失真度,该值越小越好;ti表示单副天线的失真度加权系数,它的值取决于单副天线对整个天线系统的重要程度,取值区间均为[0,1]且
ei'(·)表示归一化的ei xi,yi,zi,fp,近场场强相对值ei xi,yi,zi,fp定义为:
其中,Ei xi,yi,zi,fp表示第i副天线在近场区的人员、燃油和武备区所产生的场强,E0 xi,yi,zi,fp表示相关标准在近场区内的场强限定值,在相关标准中并没有对于ei·限值的直接数值,依据使得各近场场强的值不超过场强限值的原则,本文按照ei·≤1的标准进行了优化,该值也是越小越好。si表示单副天线发射时的近场场强相对值的加权系数,它的值取决于单副天线在整个天线系统中的重要程度,取值区间均为[0,1]且
3)确定目标函数模型的约束条件;
①强制性约束条件
在天线优化布局过程中,是必须满足的条件,对于违反强制性约束条件的天线布局方案通过设置函数条件来体现,将其作为一种罚函数阻止优化算法考虑这种设计方案。
②非强制性约束条件
非强制性约束条件是在天线优化布局过程中,尽量要满足的约束条件。
(b)现行国军标对舰船上不同区域的短波辐射场强有着不同的约束值E0 xi,yi,zi,fp。针对这种不同约束值的情况,采用式(7)作为近场场强相对值的约束值。
4)明确需要进行优化的天线,并参数化描述可用的短波天线布局位置集合;
5)利用已知的船模天线布局,直接产生天线布局初始方案。
6)利用基于模拟退火遗传算法求解短波天线布局多目标函数模型,进行迭代计算,寻找最优布置。
本发明产生的有益效果是:
(1)相对于传统短波天线布局设计是基于经验设计方法,本专利构建了基于电磁计算模型、计算机优化模型为依托的,计算机可运行实现的布局优化方法,提高设计效率,体现了设计方法先进性。
(2)一种基于模拟退火遗传算法的舰船短波系统天线空间资源优化分配设计方法,不仅适用于舰船总体论证阶段,也适用于方案设计和技术设计阶段,保证了设计方法连续性。
(3)基于模拟退火遗传算法的舰船短波系统天线空间资源优化分配设计方法,可以对任意舰船平台给出优化的短波系统布局方案,可为舰船多系统间电磁兼容性和布局设计提供数据支撑,从而降低舰船总体电磁兼容设计风险,节约设计成本。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的结构示意图;
图2是本发明实施例的舰船模型上短波通信天线布局;
图3是本发明实施例的各天线的可布置区域的俯视图;
图4是本发明实施例的短波天线布局优化多目标函数流程;
图5是本发明实施例的优化前后天线隔离度对比图;
图6是本发明实施例的优化前后关键敏感位置处强场对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种舰船平台短波多天线空间资源优化分配方法,包括以下步骤:
1)确定影响短波系统天线布局方案的指标参数,包括隔离度、失真度和场强限值;
如图2所示,本实施实例中的某舰船平台上的短波系统天线包括11副天线,其中天线1#、2#、3#、5#和7#为接收天线,5#和7#为一组相互配合使用天线;天线6#、8#、9#、10#、11#为发射天线。
2)建立短波系统天线布局优化多目标函数模型,该多目标函数模型目标函数模型加约束条件函数模型组成。
2.1)目标函数模型:
其中:式(1)中,n表示频率点的个数,它可由设计人员根据具体情况而定,频率点通常取在天线工作的主要频段内;fp表示天线在第p个频率点的工作频率,且fp∈[3,30](单位:MHz),集合f=f1,f2,…,fp,…,fn p=1,2,…,n可用于表征天线布置的频率空间特征;Fp·表示天线工作在fp时的目标函数,其物理含义是某种天线布局方案在某个频点fp时的天线群体的物理特征;ωp为Fp(·)的加权系数,表示fp在天线使用中的重要程度,ωp∈[0,1]且值得注意的是:当ωp=0时,表示fp被“屏蔽”,这适用于某些特定频率,包括频谱管理工程中的已分配频率、保护频率,天线不使用的频率;
式(1)表明,F(·)不仅与天线的位置C有关,还与天线的工作频率fp密切相关。这种方式定义的目标函数模型可以全面考虑全频段的天线优化布局问题。对于同种天线布局方案,即当C一定的情况下,F(·)随频率fp的不同而不同。故在短波频段内取n个频率,依其在天线使用中的重要程度,选取不同的加权系数对n个Fp(·)进行整合,构成目标函数F(·)。这样,由n个Fp(·)组成的多目标优化问题就转化为单目标问题。
式(2)中,M表示在天线优化布局过程中需要考虑的所有天线数量且M≥m。L'ij(·)为归一化后的Lij xi,yi,zi,xj,yj,zj,fp;Lij(·)表示位于点(xi,yi,zi)的天线i与位于点(xj,yj,zj)的天线j之间的空间隔离度,该值越大越好,这与式(1)是求解F(·)的最小值相矛盾,故式(2)中等号右边的第一项取“-”号。dij表示单个天线对的隔离度加权系数,它的值取决于单个天线对在整个天线系统中的重要程度,取值区间均为[0,1]且N=20。
σ'i(·)为归一化后的σi(xi,yi,zi,fp);σi(·)表示天线i在点(xi,yi,zi)时的水平方向图失真度,该值越小越好。ti表示单副天线的失真度加权系数,它的值取决于单副天线对整个天线系统的重要程度,取值区间均为[0,1]且
ei'(·)表示归一化的ei xi,yi,zi,fp,近场场强相对值ei xi,yi,zi,fp定义为:
其中Ei xi,yi,zi,fp表示第i副天线在近场区的人员、燃油和武备区所产生的场强,E0 xi,yi,zi,fp表示相关标准在近场区内的场强限定值,在相关标准中并没有对于ei·限值的直接数值,依据使得各近场场强的值不超过场强限值的原则,本文按照ei·≤1的标准进行了优化,该值也是越小越好。si表示单副天线发射时的近场场强相对值的加权系数,它的值取决于单副天线在整个天线系统中的重要程度,取值区间均为[0,1]且
3)确定目标函数模型的约束条件;
①强制性约束条件
在天线优化布局过程中,是必须满足的条件,对于违反强制性约束条件的天线布局方案通过设置函数条件来体现,将其作为一种罚函数阻止优化算法考虑这种设计方案。
②非强制性约束条件
非强制性约束条件是在天线优化布局过程中,尽量要满足的约束条件。
(b)现行国军标对舰船上不同区域的短波辐射场强有着不同的约束值E0 xi,yi,zi,fp。针对这种不同约束值的情况,采用式(7)作为近场场强相对值的约束值。
4)明确需要进行优化的天线,并参数化描述可用的天线布局位置。
考虑到是因为天线位于3#电子设备密布的02甲板上,天线6#、8#、9#、10#和11#这几幅短波天线分布很密集容易相互之间产生干扰,且与燃油、武备及人员活动区域相隔很近,因此天线位置的合理与否将直接影响到整个舰船的电磁兼容性。其中,8#天线是中波天线,本不应包括在优化的范围内,但由于该天线与6#天线对称的分布在舰船的两侧可改善天线的方向图特性,于是将其纳入了优化的范围内。故需要布局优化的天线为3#、6#、8#、9#、10#和11#这六根天线。
参数化描述上述6根天线的可用布局位置,其安装区域分别限定为,如图3所示:
其中,6#和8#天线、9#和10#天线都是在舰船的两侧成对称分布,这种左右对称的配备可以改善天线的方向图。
5)结合船模天线布局,产生天线布局初始方案。
表1待布置优化天线的初步布置位置参数
6)按利用基于模拟退火遗传算法求解短波天线布局多目标函数模型,照图4所示流程进行迭代计算,寻找最优布置。
1)根据舰船平台的空间资源情况,确定短波天线可用的空间位置集合C;
2)对天线的空间位置集合C按照通常的模拟退火遗传算法进行编码。
3)将已知的船模短波天线空间位置布局,产生作为天线布局初始方案。
4)在短波天线可用的空间位置集合C中随机数产生N种天线布置方案P(0)。
5)对N种天线布置方案P(0)的适应度函数进行求解,分析目标函数模型(1)是否取得最小值,或者优化次数t达到最大的优化迭代次数T。
6)对N种天线布置方案P(0)进行按照通常的模拟退火遗传算法进行遗产操作,包括选择、交叉以及变异,产生N种新的短波天线布置方案P(1)。
7)对N种天线布置方案P(1)的适应度函数进行求解,分析目标函数模型(1)是否取得最小值,或者优化次数t达到最大的优化迭代次数T。若没有在迭代进行步骤5)-7),实现N种天线布置方案由t次布置方案向t+1次布置方案P(t)→P(t+1)的遗传进化。
8)当N种天线布置方案P(t)的适应度函数的满足目标函数模型(1)取得最小值,或者优化次数t达到最大的优化迭代次数T,则停止迭代优化,即实现基于模拟退火遗传算法通过求解短波天线布局多目标函数模型,实现舰船平台短波多天线空间资源优化分配。
采用遗传算法对模型上短波通信天线中的3#、6#、8#、9#、10#和11#这六根天线布置空间资源进行了优化,结果如下表2所示。为了便于比较,表中同时给出了基于缩尺船模法和一般遗传算法的优化布局位置坐标。
表2所优化天线的布局位置坐标
此时,进一步比较了天线的隔离度指标,如图5所示,和关键点位置处的场强,如图6所示。由图5可见,天线之间的隔离度性能相对船模试验时的布置方案时有一定改善。图6给出了典型敏感位测点的场强值。其中,典型测点的位置是参考船模试验时所重点关注的测试点确定的,工况是9#天线发射,发射频率是5MHz,可见优化后天线的近场辐射特性有了明显改善,除个别点外大多数测点的场强值都小于优化前,而模拟退火遗传算法的优化结果相比一般遗传算法的优化结果更好。
综上,使用本申请提供的模型,通过布局优化,天线之间的隔离度和近场辐射场强性能相对船模试验时的布置方案时均有改善。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种舰船平台短波多天线空间资源优化分配方法,其特征在于,包括以下步骤:
1)确定影响短波系统天线布局方案的指标参数,包括隔离度、失真度和场强限值;
2)以隔离度、失真度和场强限值为优化目标,建立短波系统天线布局优化多目标函数模型,该多目标函数模型由目标函数模型加约束条件函数模型组成;
2.1)目标函数模型:
其中:式(1)中,n表示频率点的个数,fp表示天线在第p个频率点的工作频率,Fp·表示天线工作在fp时的目标函数,其物理含义是某种天线布局方案在某个频点fp时的天线群体的物理特征;ωp为Fp(·)的加权系数,表示fp在天线使用中的重要程度;C为天线的空间位置集合;
式(2)中,M表示在天线优化布局过程中的天线数量,L'ij(·)为归一化后的Lij xi,yi,zi,xj,yj,zj,fp;Lij(·)表示位于点(xi,yi,zi)的天线i与位于点(xj,yj,zj)的天线j之间的空间隔离度,dij表示单个天线对的隔离度加权系数,它的值取决于单个天线对在整个天线系统中的重要程度,取值区间为[0,1];
σ′i(·)为归一化后的σi(xi,yi,zi,fp);σi(·)表示天线i在点(xi,yi,zi)时的水平方向图失真度;ti表示单副天线的失真度加权系数,它的值取决于单副天线对整个天线系统的重要程度,取值区间均为[0,1]且
ei'(·)表示归一化的ei xi,yi,zi,fp,近场场强相对值ei xi,yi,zi,fp定义为:
其中,Ei xi,yi,zi,fp表示第i副天线在近场区的人员、燃油和武备区所产生的场强,E0xi,yi,zi,fp表示相关标准在近场区内的场强限定值,si表示单副天线发射时的近场场强相对值的加权系数,它的值取决于单副天线在整个天线系统中的重要程度,取值区间为[0,1]且
3)确定目标函数模型的约束条件;所述约束条件包括强制性约束条件和非强制性约束条件;
3.1)强制性约束条件,如下:
3.2)非强制性约束条件
非强制性约束条件包括:
(b)对舰船上不同区域的短波辐射场强有着不同的约束值E0 xi,yi,zi,fp要求,
4)明确需要进行优化的天线,并参数化描述可用的天线布局位置范围;
5)将基于船模的天线布局结果,直接作为天线布局初始方案;
6)利用基于模拟退火遗传算法求解短波天线布局多目标函数模型,进行迭代计算,获得需要进行优化的天线的最优布置。
2.根据权利要求1所述的舰船平台短波多天线空间资源优化分配方法,其特征在于,所述模拟退火遗传算法为基于多层快速多极子算法的模拟退火遗传算法。
3.根据权利要求1所述的舰船平台短波多天线空间资源优化分配方法,其特征在于,所述基于模拟退火遗传算法求解短波天线布局多目标函数模型的步骤如下:
6.1)根据舰船平台的空间资源情况,确定短波天线的空间位置集合C;
6.2)对天线的空间位置集合C按照模拟退火遗传算法进行编码;
6.3)将已知的船模短波天线空间位置布局,产生作为天线布局初始方案;
6.4)在短波天线的空间位置集合C中随机数产生N种天线布置方案P(0);
6.5)对N种天线布置方案P(0)的适应度函数进行求解,分析目标函数模型是否取得最小值,或者优化次数t是否达到最大的优化迭代次数T;
6.6)对N种天线布置方案P(0)进行按照模拟退火遗传算法进行遗传操作,包括选择、交叉以及变异,产生N种新的短波天线布置方案P(1);
6.7)对N种天线布置方案P(1)的适应度函数进行求解,分析目标函数模型是否取得最小值,或者优化次数t达到最大的优化迭代次数T;
6.8)若没有,则迭代进行步骤6.5)至6.7),实现N种天线布置方案由t次布置方案P(t)向t+1次布置方案P(t+1)的遗传进化;
6.9)当N种天线布置方案P(t)的适应度函数的满足目标函数模型取得最小值,或者优化次数t达到最大的优化迭代次数T,则停止迭代优化,实现舰船平台短波多天线空间资源优化分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711007913.6A CN107944080B (zh) | 2017-10-25 | 2017-10-25 | 一种舰船平台短波多天线空间资源优化分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711007913.6A CN107944080B (zh) | 2017-10-25 | 2017-10-25 | 一种舰船平台短波多天线空间资源优化分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944080A CN107944080A (zh) | 2018-04-20 |
CN107944080B true CN107944080B (zh) | 2021-07-06 |
Family
ID=61936491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711007913.6A Active CN107944080B (zh) | 2017-10-25 | 2017-10-25 | 一种舰船平台短波多天线空间资源优化分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944080B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190151B (zh) * | 2018-07-23 | 2023-02-24 | 西安电子科技大学 | 用于微波无线能量传输系统的近似平顶主波束的设计方法 |
CN109858360B (zh) * | 2018-12-28 | 2020-09-18 | 华中科技大学 | 一种舰队电磁兼容的动态管理方法和系统 |
CN117498026B (zh) * | 2023-12-29 | 2024-04-02 | 南京信息工程大学 | 一种法布里-珀罗谐振腔微带天线阵列解耦的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101355363B1 (ko) * | 2007-09-03 | 2014-01-23 | 주식회사 케이티 | 고속 전파 해석 장치 및 그 방법 |
CN103927413B (zh) * | 2014-04-02 | 2017-01-04 | 北京航空航天大学 | 一种机载短波与超短波收发电台间的天线耦合干扰预评估方法 |
CN104253660B (zh) * | 2014-10-17 | 2016-09-28 | 中国舰船研究设计中心 | 舰船短波系统间干扰矩阵快速生成方法 |
CN106053966B (zh) * | 2016-05-20 | 2018-11-30 | 中国舰船研究设计中心 | 基于辅助天线场强测试的舰船平台天线优化布置实验方法 |
CN107145971A (zh) * | 2017-04-18 | 2017-09-08 | 苏州工业职业技术学院 | 一种动态调整的快递配送优化方法 |
-
2017
- 2017-10-25 CN CN201711007913.6A patent/CN107944080B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107944080A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Machine‐learning‐based prediction methods for path loss and delay spread in air‐to‐ground millimetre‐wave channels | |
CN107944080B (zh) | 一种舰船平台短波多天线空间资源优化分配方法 | |
CN109743741B (zh) | 无线路由器部署方法、装置、存储介质及电子设备 | |
Bagci et al. | A fast stroud-based collocation method for statistically characterizing EMI/EMC phenomena on complex platforms | |
Jiang et al. | Optimal allocation of cooperative jamming resource based on hybrid quantum‐behaved particle swarm optimisation and genetic algorithm | |
Zhang et al. | Dynamic priority scheduling method for the air‐defence phased array radar | |
CN103765939A (zh) | 用于控制来自空白空间单元的干扰的方法 | |
Naderi et al. | Modeling and scheduling open shops with sequence-dependent setup times to minimize total completion time | |
Liang et al. | A novel transmitter placement scheme based on hierarchical simplex search for indoor wireless coverage optimization | |
Qiu et al. | Pseudo ray-tracing: Deep leaning assisted outdoor mm-wave path loss prediction | |
An et al. | Improved multilevel physical optics algorithm for fast computation of monostatic radar cross section | |
US11388606B2 (en) | Methods and systems for environmental sensing capability planning in a shared spectra | |
Ozdemir et al. | The prediction of propagation loss of FM radio station using artificial neural network | |
CN103607716A (zh) | 一种异构无线网络中高能效混合带宽分配传输方法和设备 | |
WO2020245976A1 (ja) | 置局設計装置、置局設計方法及びプログラム | |
CN101119576A (zh) | 基于传播环境分析的传播模型选择方法 | |
CN107196298B (zh) | 一种可再生能源与电网协调规划方法、装置及计算设备 | |
CN109982246A (zh) | 一种蜂窝小区功率的调整方法、装置及介质 | |
Hoomod et al. | Optimizing SOM for cell towers distribution | |
Chiu et al. | PSO and APSO for optimizing coverage in indoor UWB communication system | |
CN107493606A (zh) | 一种用户终端的分时调度方法和装置 | |
CN113177307A (zh) | 一种应用于复杂地形的短波地波仿真方法及系统 | |
Mondal et al. | Near-Perfect Coverage Manifold Estimation in Cellular Networks via Conditional GAN | |
Deng et al. | An efficient cylindrical coordinate subgrid parabolic equation model for predicting the power distribution and coverage of radar signals in a complex multi‐scale marine environment | |
García-Díaz et al. | A discrete particle swarm optimization algorithm for mobile network deployment problems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |