买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学申请的专利基于量子毒爆虫爆破机制的欠定混合矩阵估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116756599B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310548346.4，技术领域涉及：G06F18/23213；该发明授权基于量子毒爆虫爆破机制的欠定混合矩阵估计方法是由高洪元;谷晓苑;贾克;王钦弘;任立群;杜子怡;马静雅;郭颖;苏彦文设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于量子毒爆虫爆破机制的欠定混合矩阵估计方法在说明书摘要公布了：本发明提供一种基于量子毒爆虫爆破机制的欠定混合矩阵估计方法，是一种具有更好有效性和鲁棒性的基于量子毒爆虫爆破机制的欠定混合矩阵鲁棒估计方法，解决了现有混合矩阵估计方法对初始聚类中心选择、噪声及异常值过于敏感的工程难题。本发明设计了加入单源点检测信号预处理模型，构建初始种群生成策略，将量子计算与毒爆虫爆破机制结合，设计了量子毒爆虫爆破机制，然后将量子毒爆虫爆破机制对混合目标函数寻优得到的最优解作为均值聚类初始聚类中心，构建量子毒爆虫爆破机制和K‑means聚类方法联合的欠定混合矩阵估计方法。

本发明授权基于量子毒爆虫爆破机制的欠定混合矩阵估计方法在权利要求书中公布了：1.基于量子毒爆虫爆破机制的欠定混合矩阵估计方法，其特征在于，步骤如下： 步骤一：对接收到的观测信号进行预处理，将预处理后的信号使用初始种群生成策略初始化量子毒爆虫种群的初始位置和量子位置； 步骤1.1：从预处理后获得的时频点集U中任取一单一时频点将该时频点对应的观测信号从中取出，放入聚类中心向量集合Φ，再从U剩余时频点中任取一时频点计算观测信号与之间的欧几里得距离，即 步骤1.2：找到与之间的欧几里得距离最大的观测信号样本点； 步骤1.3：将此样本点从中取出，放入聚类中心向量集合Φ； 步骤1.4：分别计算中剩余的每个样本点与Φ中各个聚类中心向量的欧几里得距离，将每个样本点与Φ中各个聚类中心向量的欧几里得距离的最大值和最小值相乘，这样每个样本点都对应一个乘积，找到乘积最大的样本点； 步骤1.5：判断Φ中的聚类中心向量个数是否小于D×M，若是，则返回步骤1.3继续循环；若否，则输出聚类中心矢量集合Φ，集合Φ中应该包含D×M个1×N维的聚类中心向量； 步骤1.6：从集合Φ中的第一个聚类中心向量开始，每D个聚类中心向量组成M×N维的聚类中心矩阵，则由集合Φ可以得到D个聚类中心矩阵，定义第d个聚类中心矩阵为： 将第d个聚类中心矩阵转变为维向量为：d＝1,2,...,D，做为量子毒爆虫种群的初始位置，即当ε＝1时，第d只量子毒爆虫的K-means处理前位置为ε代表迭代次数； 第ε次迭代量子毒爆虫的种群规模为Dε，整个种群的最大迭代次数为Gmax，第ε次迭代第d只量子毒爆虫的K-means处理前量子位置为d＝1,2,...,Dε，第ε次迭代第d只量子毒爆虫的k维量子位置与相应位置的映射规则为是第k维量子毒爆虫的位置变量下限，是第k维量子毒爆虫的位置变量上限； 步骤二：把每只量子毒爆虫K-means处理前位置映射为聚类中心矩阵，使用K-means获得新的聚类中心，则获得量子毒爆虫K-means处理后的位置和量子位置； 步骤三：对量子毒爆虫进行身份认定，初始化每只量子毒爆虫的酸性吸引度，构造混合优化目标函数，计算种群中每只量子毒爆虫的适应度值并进行排序，得到最优和次优量子个体的量子位置； 步骤四：计算每只量子毒爆虫个体与最优量子毒爆虫个体的距离，根据得到的距离判断量子个体是否在最优个体的溅射范围内，根据量子毒爆虫更新机制更新量子位置和酸性吸引度； 步骤五：根据适应度值对更新后的个体排序，得到更新后种群的最优个体位置，将最优量子毒爆虫的位置转化为K-means聚类的初始聚类中心进行聚类，得到新的聚类中心作为更新后的全局最优位置； 步骤六，加入随机种群生成策略生成量子随机候选解，计算更新后位置和量子随机候选解的适应度值，使用贪婪选择更新量子位置； 步骤七，判断是否达到最大迭代次数Gmax：若未达到返回步骤二继续进行迭代；否则输出由K-means聚类得到的聚类中心矩阵，作为欠定盲源分离系统的欠定混合矩阵的最优估计矩阵

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。