论文部分内容阅读
本文采用CADNA产生的数据，并建立6条道路的声功率级和6个接收点声压级之间的BP神经网络。为了使建立的网络适用于实际数据，本文将[-0.5 0.5]的随机数加到接收点声压级上，用调整后的数据来训练网络并检验网络的预测精度。通过误差分析，网络对接收点声压的预测误差能稳定在0.8dB之内，由接收点来反演声源的误差能稳定在1dB左右。因此可以说，BP神经网络用于真实环境中的声源反演有非常高的预测精度和稳定性。