通过提取光散射信号中颗粒粒径和属性的非线性特征向量, 利用广义神经网络(GRNN)同时解析颗粒粒径和识别属性。采用经验模态分解(EMD)方法分解颗粒物的光散射信号, 提取三维能量分布, 计算3种相同粒径不同属性颗粒的样本熵, 发现样本熵能够反映颗粒的属性; 为了消除粒径和属性对散射的影响, 对散射信号进行Hilbert变换, 提取时频域特征, 与样本熵结合组成高维特征集, 通过局部线性嵌入(LLE)算法将特征集归为6个特征向量, 作为广义神经网络的输入层, 解析粒径和识别属性; 采用粒径为0.1
