相比现有的干扰抑制技术（自适应滤波器技术、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均能实现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，信噪比平均能够提升15.56%，误码率平均能够降低21.88%，能够显著提升信号质量，对于提升矿山通信系统的性能具有重要意义。

0 引言
1 矿用5G通信干扰监测抑制方法
1.1 干扰源分析
1.2 矿用5G通信信号传输干扰抑制的盲源分离方法
2 矿用5G通信干扰监测方法
2.1 方法的提出
2.2 基于神经网络的干扰监测算法
2.2.1矿用5G信号特征提取
2.2.2矿用5G信号分类识别
3 实验验证
3.1 实验环境
3.2 定量实验
4 结论

张立亚,马征,郝博南,等.矿用5G通信信号传输的干扰监测技术[J/OL].工矿自动化,1-8[2024-12-03].https://doi.org/10.13272/j.issn.1671-251x.204090054.