-
作者
张立亚 马征 郝博南 李标
-
单位
煤炭科学技术研究院有限公司煤炭智能开采与岩层控制全国重点实验室煤矿应急避险技术装备工程研究中心北京市煤矿安全工程技术研究中心机构
-
摘要
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。
-
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
-
文章目录
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
-
引用格式
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.