矿用5G通信信号传输的干扰监测技术
张立亚
马征
郝博南
李标
煤炭科学技术研究院有限公司,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;煤炭行业煤矿应急救援及矿井通信工程研究中心,北京 100013;北京市煤矿安全工程技术研究中心,北京 100013
摘要：相比现有的干扰抑制技术(自适应滤技术、自适应干扰对消技术),盲源分离技术能够分离混合在一起的多个信号,计算复杂度低,鲁棒性强.但盲源分离技术难以全面覆盖井下复杂多变的干扰源,同时缺乏对处理后信号成分的自动分析与评估机制,不仅限制了通信效率的提升,还可能因干扰残留而引发安全隐患.针对上述问题,提出了一种基于神经网络的矿用 5G通信信号传输干扰监测抑制方法.通过分析井下主运输大巷、综采工作面和变电所等区域的干扰源特点,指出毛刺干扰及串扰信号的抑制和处理是 5G抗干扰问题的关键.采用盲源分离技术初步分离矿用 5G通信信号中的干扰成分,利用神经网络对分离后的信号进行特征提取及深度分析,精准识别并量化其中残留的干扰信号,一旦监测到干扰信号超出预设阈值,将自动触发新一轮的干扰抑制流程,形成迭代优化的闭环控制.实验结果表明:①在 100 MHz全带宽发送的环境中,使用矿用 5G通信信号干扰监测抑制方法能够对毛刺干扰与串扰信号实现 13 dB的干扰抑制增益,比使用盲源分离干扰抑制方法效果提升约117%及 86%.②矿用 5G通信信号干扰监测抑制方法较盲源分离等传统干扰抑制技术,信噪比平均提升了15.56%,误码率平均降低了21.88%,能够显著提升信号质量.
关键词：矿用5G矿用通信干扰抑制干扰监测盲源分离神经网络毛刺干扰串扰信号Transformer
分类号：TD655(矿山电工)
资助基金：工业和信息化部工业互联网创新发展工程项目(TC240AAKM-132)天地科技股份有限公司科技创新创业资金专项项目(2024-TD-ZD015-01)天地科技股份有限公司科技创新创业资金专项项目(2024-TD-ZD015-03)
论文发表日期：2024-11-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 62-69 )
英文信息