基于模态分解和径向基神经网络的低相干干涉解调方法

本发明公开了一种基于模态分解和径向基神经网络的低相干干涉解调方法，方法包括：对滤波后的低相干干涉信号进行经验模态分解，提取各IMF的有效时频域特征和低相干干涉信号的数理统计时域特征，构成低相干干涉信号特征数据集；构建并训练径向基神经网络，建立低相干干涉信号特征与压力之间的非线性模型，设置输入层对应融合特征向量，隐藏层采用径向基函数作为激活函数，利用高斯核函数实现非线性映射，输出层对应压力值；通过特征数据集对网络进行训练，使用均方误差作为损失函数，采用梯度下降法优化网络权重和阈值，迭代训练直至误差收敛；输入光纤法珀压力解调装置采集的低相干干涉信号，通过训练好的径向基神经网络模型对信号进行解调，得到对应的压力值。