一种核探测数据的离散余弦神经网络模糊降噪方法

摘要

本发明属于核技术勘查中核探测数据处理领域，具体涉及一种核探测数据的离散余弦神经网络模糊降噪方法。目的是为了有效地降低伽玛能谱数据的噪声。该降噪方法包括如下步骤：将核探测信号数据形成的空间数据进行离散余弦变换，得到离散余弦域内的频谱数据；在离散余弦域内对核探测数据进行滤波处理及离散余弦逆变换，得到初步降噪结果；构建神经网络，将核探测信号数据作为神经网络的节点输入样本，采用最小二乘的反向传播方法对神经网络中的隶属度函数的参数进行估计，得到神经网络输出的最终降噪结果。该方法能很好地识别噪声信号，根据噪声信号特征调整优化网络模型参数，有效地降低了信号数据中噪声，极大地提高了核探测数据的信噪比。

主权项

一种核探测数据的离散余弦神经网络模糊降噪方法，包括如下步骤：将核探测数据形成的空间数据进行离散余弦变换，得到离散余弦域内的频谱数据；在离散余弦域内对核探测数据进行滤波处理及离散余弦逆变换，得到初步降噪结果，具体步骤包括：步骤(1)：将核探测数据进行预处理变换，形成空间数据；步骤(2)：采用离散余弦变换将步骤(1)中形成的空间数据，从空间域转换为离散余弦域，从而得到在离散余弦域内的频谱数据；步骤(3)：在离散余弦域内，求取频谱的平均值和均方差，将频谱平均值加上三倍频谱均方差后取整，记为E_n，确定E_n为频谱阈值；步骤(4)：根据步骤(3)确定的频谱阈值，在离散余弦域内对核探测数据进行滤波处理；步骤(5)：将步骤(4)滤波处理后的数据进行离散余弦逆变换，将其从离散余弦域内转换为空间域，得到初步降噪结果；构建神经网络，将核探测数据作为神经网络的节点输入样本，采用最小二乘的反向传播方法对神经网络中的隶属度函数的参数进行估计，得到神经网络输出的最终降噪结果，具体步骤包括：步骤(6)：根据模糊数学，设定两个模糊集，以及两个模糊集隶属度函数；步骤(7)：将步骤(1)中的核探测数据作为神经网络的节点输入样本x_n，将步骤(5)所得的初步降噪结果作为节点的输出样本f(x_n)；模糊规则表示为“如果x_n是A₁，则f₁(x_n)＝p₁x_n+r₁；如果x_n是A₂，则f₂(x_n)＝p₂x_n+r₂”；其中，p₁、p₂、r₁、r₂为待确定参数，f₁、f₂为模糊规则表达式结果；步骤(8)：根据步骤(6)、步骤(7)的隶属度函数和模糊规则建立五层神经网络结构；步骤(9)：将步骤(7)的输入输出样本采用步骤(8)建立的神经网络进行学习训练，获得隶属度函数未知参数，采用最小二乘的反向传播算法对本步骤所获得的隶属度函数的参数进行估计，确定最佳隶属度函数参数；步骤(10)：将步骤(1)中的核探测数据，利用步骤(6)～步骤(9)以及含最佳隶属度函数参数的神经网络进行计算，得到的输出样本为最终降噪结果。