摘  要： 提出了一種分析頻譜的新方法，其主要思想是采用共軛梯度法訓練傅里葉基神經網絡權值，根據權值獲得信號的幅度譜和相位譜，并給出了基于Matlab語言的頻譜分析應用實例。仿真結果表明，與FFT相比，該方法具有計算精度高，計算速度快以及濾除噪聲的功能。
關鍵詞： 頻譜分析；神經網絡；共軛梯度法

　眾所周知，幾乎所有的工程技術領域都要涉及到信號問題。在語音、雷達、聲納、地震、圖像、通信系統、系統控制、生物醫學工程、機械振動、遙感遙測、地質勘探、航空航天、電力系統、故障檢測、自動化儀器等眾多領域都會涉及到信號的頻譜分析。然而，DFT[1-2]和FFT[3]都涉及復數的乘法和加法運算，給計算帶來不便，特別是給硬件實現帶來不便。參考文獻[4]提出了頻譜分析的數值方法，取得了良好結果；參考文獻[5]用基于最速下降法的神經網絡算法分析信號的頻譜獲得了很高的計算精度，但是對含有噪聲的信號，該方法收斂速度較慢，計算精度不高。為此，本文提出了一種用共軛梯度法訓練神經網絡權值的信號頻譜分析方法。下面詳細介紹該方法并且給出仿真實例。

　由以上的幾幅圖可以清楚地感受到本文提出的頻譜分析方法的優越性。
研究結果表明，本文提出的頻譜分析方法計算精度高，計算速度快，而且具有噪聲濾波功能。與FFT相比，該頻譜分析方法能更準確地反映真實信號的頻譜特性，因此，是一種有效的頻譜分析方法。
參考文獻
[1] 曾喆昭.信號與線性系統（第一版）[M].北京：清華大學出版社，2007：191-192.
[2] 陳生潭，郭寶龍.信號與系統（第二版）[M].西安：西安電子科技大學出版社，2001：262-277.
[3] 馬建偉，竺煒，曾喆昭，等.FFT結合神經網絡的低頻振蕩主導模式識別[J].電力科學與技術學報，2011，26（4）：88-93.
[4] KATSUHIRO I S， KATSUHIRO I W， et al. Numerical analysis of a path-length-resolved spectrum of time-varying scattered light field[J]. Journal of the Optical Society of America A：Optics and Image Science， and Vision， 2008，25（3）：718-724.
[5] 曾喆昭，竺煒，王耀南.一種基于神經網絡算法的頻譜分析方法[J].紅外與毫米波學報，2007，26（2）：141-145.
[6] 曾喆昭，肖雅芬，郝逸軒.非線性類PID神經元網絡控制器[J].北京科技大學學報，2012，34（1）：12-15.
[7] 竺煒，馬建偉，曾喆昭，等.分段傅里葉神經網絡的低頻振蕩模式識別方法[J].電力系統保護與控制，2012，40（15）：40-45.
[8] 曾喆昭.信號與線性系統（第一版）[M].北京：清華大學出版社，2007：213-218.
[9] 劉衛國.Matlab程序設計與應用（第二版）[M].北京：高等教育出版社，2008：161-163.