摘  要： 提出了一种分析频谱的新方法，其主要思想是采用共轭梯度法训练傅里叶基神经网络权值，根据权值获得信号的幅度谱和相位谱，并给出了基于Matlab语言的频谱分析应用实例。仿真结果表明，与FFT相比，该方法具有计算精度高，计算速度快以及滤除噪声的功能。
关键词： 频谱分析；神经网络；共轭梯度法

　众所周知，几乎所有的工程技术领域都要涉及到信号问题。在语音、雷达、声纳、地震、图像、通信系统、系统控制、生物医学工程、机械振动、遥感遥测、地质勘探、航空航天、电力系统、故障检测、自动化仪器等众多领域都会涉及到信号的频谱分析。然而，DFT[1-2]和FFT[3]都涉及复数的乘法和加法运算，给计算带来不便，特别是给硬件实现带来不便。参考文献[4]提出了频谱分析的数值方法，取得了良好结果；参考文献[5]用基于最速下降法的神经网络算法分析信号的频谱获得了很高的计算精度，但是对含有噪声的信号，该方法收敛速度较慢，计算精度不高。为此，本文提出了一种用共轭梯度法训练神经网络权值的信号频谱分析方法。下面详细介绍该方法并且给出仿真实例。

　由以上的几幅图可以清楚地感受到本文提出的频谱分析方法的优越性。
研究结果表明，本文提出的频谱分析方法计算精度高，计算速度快，而且具有噪声滤波功能。与FFT相比，该频谱分析方法能更准确地反映真实信号的频谱特性，因此，是一种有效的频谱分析方法。
参考文献
[1] 曾喆昭.信号与线性系统（第一版）[M].北京：清华大学出版社，2007：191-192.
[2] 陈生潭，郭宝龙.信号与系统（第二版）[M].西安：西安电子科技大学出版社，2001：262-277.
[3] 马建伟，竺炜，曾喆昭，等.FFT结合神经网络的低频振荡主导模式识别[J].电力科学与技术学报，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，竺炜，王耀南.一种基于神经网络算法的频谱分析方法[J].红外与毫米波学报，2007，26（2）：141-145.
[6] 曾喆昭，肖雅芬，郝逸轩.非线性类PID神经元网络控制器[J].北京科技大学学报，2012，34（1）：12-15.
[7] 竺炜，马建伟，曾喆昭，等.分段傅里叶神经网络的低频振荡模式识别方法[J].电力系统保护与控制，2012，40（15）：40-45.
[8] 曾喆昭.信号与线性系统（第一版）[M].北京：清华大学出版社，2007：213-218.
[9] 刘卫国.Matlab程序设计与应用（第二版）[M].北京：高等教育出版社，2008：161-163.