来源：期刊VIP网 时间：
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;煤炭行业煤矿应急救援及矿井通信工程研究中心;北京市煤矿安全工程技术研究中心;
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
基金资助：工业和信息化部2024年工业互联网创新发展工程-工业5G轻量化融合终端项目（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-ZD015-01,2024-TD-ZD015-03）
