基于神经网络解卷积的脉冲响应函数提取.pdfVIP

第42卷增刊1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011年9月  Journal of Central South University (Science and Technology)  Sep. 2011  基于神经网络解卷积的脉冲响应函数提取 周凯，王晓东，叶庆卫，周宇  (宁波大学 信息科学与工程学院，浙江 宁波，315211)  摘要：在分析经典的脉冲响应信号时域法(相关系数法)的基础上，提出采用径向基网络进行脉冲响应信号提取， 以增强噪声抵抗能力，使得在较强噪声情况下还能提取出较理想的脉冲响应信号。在径向基网络样本设计中，提 出了对输入信号样本矩阵采用矩阵LU变换来提高网络的训练性能，LU分解也增强了网络的泛化能力。试验结果 表明：基于径向基网络的脉冲响应信号提取在较强噪声环境下的表现优越于经典的时域法，并且算法时间也较快， 能够适用于实际工程应用。 关键词：脉冲响应函数；广义逆；相关系数法；神经网络 +  中图分类号：TG146.2 1  文献标志码：A  文章编号：1672−7207(2011)S1−0067−05  Extraction of impulseresponsefunction based on  deconvolution of neuralnetwork  ZHOU Kai,WANG Xiao­dong,YE Qing­wei, ZHOU Yu  (College of Information Science and Engineering,Ningbo University, Ningbo 315211, China)  Abstract: A method was proposed to extract the impulse response signal based on radial basis network in order to  enhance capability of noise resistance and extract the desired one. In the sample design of RBF network, signal sample  matrix was inputted to matrix LU to enhance the network training performance, and LU decomposition to improve the  generalization ability. Simulation results show this proposed approach is superior to the classical time­domain method in  very noisy environment and time consumption, which is capable ofpractical engineering application.  Keywords:impulseresponse function; generalizedinverse;correlation coefficient;neuralnetwork  脉冲响应函数的提取是振动信号模态分析理论的 解的时域法在低噪声强度下取得了出色的脉冲响应信 重要组成部分，许多算法(如SSI和ERA等)均以脉冲响 号提取效果，有效地应用于多种实际振动检测工程， [1]  应函数为基础进行模态参数提取  。虽然目前有部分