基于rbf神经网络的近场声全息重建方法
【专利摘要】本发明提供了一种基于RBF神经网络的近场声全息重建方法，用RBF神经网络逼近声场重建公式函数，实现从采样面到重建面的映射，具体步骤为：初始化RBF神经网络；按均匀分布随机产生3000个维数为64的样本集；把样本输入建好的RBF神经网络；更新网络参数；满足条件则循环停止，网络训练完成；根据网络计算重建面声压分布。本发明一种基于RBF神经网络的近场声全息重建方法，计算速度快、重建精度高。
【专利说明】基于RBF神经网络的近场声全息重建方法
【技术领域】
[0001]本发明涉及一种基于RBF神经网络的近场声全息重建方法，属于声全息【技术领域】。
【背景技术】
[0002]传统声全息法在声源识别过程中，需要将声源的重建公式表示成离散求和的形式，如果用通常的信号处理方法，会影响到计算速度与重建精度。
【发明内容】
[0003]本发明要解决的技术问题是克服现有的缺陷，提供一种基于RBF神经网络的近场声全息重建方法，计算速度快、重建精度高。
[0004]为了解决上述技术问题，本发明提供了如下的技术方案:
基于RBF神经网络的近场声全息重建方法，用RBF神经网络逼近声场重建公式函数，实现从采样面到重建面的映射，具体步骤为:
a.初始化RBF神经网络；
b.按均匀分布随机产生3000个维数为64的样本集；
c.把样本输入建好的RBF神经网络；
d.更新网络参数；
e.满足条件则循环停止，网络训练完成；
f.根据网络计算重建面声压分布。
[0005]本发明一种基于RBF神经网络的近场声全息重建方法，计算速度快、重建精度高。
【具体实施方式】
[0006]以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0007]基于RBF神经网络的近场声全息重建方法，用RBF神经网络逼近声场重建公式函数，实现从采样面到重建面的映射，具体步骤为:
a.初始化RBF神经网络；
b.按均匀分布随机产生3000个维数为64的样本集；
c.把样本输入建好的RBF神经网络；
d.更新网络参数；
e.满足条件则循环停止，网络训练完成；
f.根据网络计算重建面声压分布。
[0008]本发明一种基于RBF神经网络的近场声全息重建方法，计算速度快、重建精度高。
[0009]最后应说明的是:以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.基于RBF神经网络的近场声全息重建方法，其特征在于:用RBF神经网络逼近声场重建公式函数，实现从采样面到重建面的映射，具体步骤为: a.初始化RBF神经网络； b.按均匀分布随机产生3000个维数为64的样本集； c.把样本输入建好的RBF神经网络； d.更新网络参数； e.满足条件则循环停止，网络训练完成； f.根据网络计算重建面声压分布。
【文档编号】G01H17/00GK103743472SQ201310720644
【公开日】2014年4月23日 申请日期:2013年12月24日 优先权日:2013年12月24日
【发明者】向宇, 胡金意 申请人:广西科技大学