[发明专利]一种车内噪声信号的重构方法

权利要求书

1.一种车内噪声信号的重构方法，其特征在于，包括以下步骤：

1)信号分解分析：获取正常的噪声源信号数据并进行预处理，并对源信号进行信号分解分析得到三个平稳的信号分量类别，即高频分量、中频分量和低频分量；

2)分量适应度计算：分别以三个类别的噪声源信号分量作为输入，以车内噪声信号分量作为期望输出，构建BP神经网络模型分别进行训练，并将BP神经网络模型的权重和阈值作为分量适应度值，得到最优分量适应度值；

3)信号重构模型：根据输入信号分量的类别，将最优分量适应度值赋予噪声重构BP网络作为初始权重和阈值，通过误差反向传播法进行训练，在收敛后获取每类信号分量对应的重构算法模型，根据重构算法模型进行重构叠加完成乘员耳侧噪声信号的重构。

2.根据权利要求1所述的一种车内噪声信号的重构方法，其特征在于，所述的步骤1)具体包括以下步骤：

11)基于本征模态分解对源信号X(t)进行分解，则有：

其中，c_i(t)为信号的第i个IMF分量，n为IMF分量总数，r_n为输出信号的残余分量；

12)获取每个IMF分量在每秒内的极值点数，以及每个IMF分量在原信号的能量占比；

13)设定极值点个数阈值(N，M)，根据每个分量的极值点个数将IMF分量分为高频分量、中频分量和低频分量，则有：

X(t)＝d₁+d₂+d₃

其中，d₁,d₂,d₃分别表示高频分量、中频分量和低频分量。

3.根据权利要求1所述的一种车内噪声信号的重构方法，其特征在于，所述的步骤2)中，构建的BP神经网络模型为一三层BP网络。

4.根据权利要求3所述的一种车内噪声信号的重构方法，其特征在于，所述的步骤2)中，分量适应度值的表达式为：

其中，为d_i分量对应的分量适应度值，且i＝1,2,3，为输入层到隐层的权值矩阵，为隐层到输出层的权值矩阵，为隐层阈值，为输出层阈值。

5.根据权利要求4所述的一种车内噪声信号的重构方法，其特征在于，所述的步骤2)中，当BP神经网络模型的输出学习误差小于期望输出误差时或迭代步数达到最大设定步数时，此时对应的分量适应度值为最优分量适应度值，则有：

其中，为最优分量适应度值，为迭代第r步更新的分量适应度值。

6.根据权利要求2所述的一种车内噪声信号的重构方法，其特征在于，所述的步骤13)中，所述的极值点个数阈值(N，M)取值为(80，20)。