具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合参考附图描述本公开的5G通信信号干扰的处理方法、装置、电子设备及存储介质。

图1是根据本公开一个实施例的5G通信信号干扰的处理方法的流程图，如图1所示，该方法包括以下步骤：

S101，接收多通道传输的混合井下信号集。

从N个通道获得N个混合井下信号x_i(t)，i=1,2,...,N，组成混合井下信号集，用向量表示为x=[x₁(t),x₂(t),...,x_N(t)]^T，因为所有信号基于相同的时间轴t，所以混合井下信号集的向量可简写为x=[x₁,x₂,...,x_N]^T。

混合井下信号通过无线通信方式进行传输，可选地，可以使用无线电，或是其他的电磁波无线技术，例如光、磁场、电场等。

混合井下信号集中包括井下5G通信信号。

S102，基于盲源分离的当前分离矩阵，对多通道传输的混合井下信号集的干扰进行过滤，以获取目标井下信号集。

盲源分离是在既不知道源信号的分布，也不知道源信号混合模型的情况下，利用源信号的混合信号来恢复或提取独立源信号的技术。图2是盲源分离的原理示意图，如图2所示，M个独立源信号通过混合矩阵A后混合为N个混合信号，A是N×M的混合矩阵，当源信号向量s=[s₁,s₂,...,s_M]^T，混合信号向量x=[x₁,x₂,...,x_N]^T时，x=As。在本公开实施例中，混合信号为接收到的混合井下信号集。

盲源分离的目标是利用混合信号向量x来恢复源信号向量s，即s≈y=Wx，在本公开实施例中，即为利用混合井下信号集来得到目标井下信号集，将得到的目标井下信号集视为源信号集。由于源信号向量和混合矩阵A都是未知的，所以求解分离矩阵W被称为盲源分离。

由于进行实时盲源分离会导致系统产生过大时延，本公开实施例中基于盲源分离得到分离矩阵，将多通道传输的混合井下信号集与当前分离矩阵做乘法，获取目标井下信号集，兼顾了干扰抑制能力和低时延特性。

可选地，盲源分离可以采用独立成分分析算法，实现独立成分分析需要满足三个条件：源信号是相互统计独立的，源信号满足非高斯分布，混合矩阵是列满秩的。对于煤矿井下5G通信信号和干扰信号而言，前两个条件是天然满足的，第三个条件要求观测通道个数不低于源信号个数，即N≥M，可借助采样分集技术，算法流程如图3所示。

第一步，对接收到的混合信号进行白化预处理，使数据“去相关”，以促进算法的快速收敛。白化性指的是向量的协方差矩阵是单位矩阵，一般利用协方差矩阵的特征值分解来实现。

第二步，选择初始分离点W₀，进行初始输出y₀=W₀x。

第三步，通过迭代更新规则，更新分离矩阵W_n+1=W_n+μ(I+f(x)x^H)W_n，其中μ为学习因子，I为单位阵，f(x)为激活函数，可选择f(x)=-|x|³sgn(x)。

第四步，判断W是否收敛，即判断|(W_n+1)^HW_n|是否接近1，如果不收敛，n=n+1，返回第三步，如果收敛，输出分离矩阵W。

S103，响应于到达干扰监控周期，则对目标井下信号集进行干扰监控，获取信噪比。

设置一个固定时长作为信号的干扰监控周期，每隔一个干扰监控周期，采集此刻输出的目标井下信号集，对目标井下信号集进行干扰监控，获取信噪比。

信噪比是指一个电子设备或者电子系统中信号与噪声的比例。本公开实施例中，信号指的是输出的目标井下信号集，噪声指的是混合井下信号集中并不存在的无规则的额外信号，并且噪声并不随混合井下信号集的变化而变化。

一般来说，信噪比越大，说明混在信号里的噪声越小，信号质量越高；信噪比越小，说明混在信号里的噪声越大，信号质量越低。

在本公开实施例的实现中，干扰监控周期需大于干扰监控的处理时长和盲源分离的处理时长的和值。因为当监测到目标井下信号集的信号质量不满足需求时，需进行盲源分离对分离矩阵进行更新，更新完成后，才会继续输出目标井下信号集。若干扰监控周期小于干扰监控的处理时长和盲源分离的处理时长的和值，可能出现当进行干扰监控时，系统正在对分离矩阵进行更新，无法获取信号正确的信噪比。

干扰监控周期可根据信噪比的时间变化规律而决定，对一段时间内的目标井下信号集的信噪比进行实时监控，观察经过多长时间，目标井下信号集的信噪比会从最高值下降到所能接受的最低值，将这个时长作为干扰监控周期。可选地，为了保证目标井下信号集的信号质量始终保持在较好状态，可缩短干扰监控周期的时长，并保证干扰监控周期大于干扰监控的处理时长和盲源分离的处理时长的和值。

S104，响应于信噪比小于预设阈值，则执行盲源分离对当前分离矩阵进行更新，并返回执行接收多通道传输的混合井下信号集及后续操作。

设置所能接受的最低信号质量所对应的信号的信噪比为信噪比的阈值，当干扰监控获取的信噪比小于预设阈值时，证明目标井下信号集的信号质量达到所能接受的最低信号质量。

响应于信噪比小于预设阈值，接收多通道传输的混合井下信号集，执行盲源分离获取新的分离矩阵，对当前分离矩阵进行更新。在更新完成后将多通道传输的混合井下信号集与更新后的分离矩阵做乘法，继续获取目标井下信号集，并在到达干扰监控周期时对目标井下信号集进行干扰监控。响应于某次干扰监控获得的信号信噪比小于预设阈值，则再次执行盲源分离对当前分离矩阵进行更新，并返回执行接收多通道传输的混合井下信号集及后续操作。

本公开实施例中，接收多通道传输的混合井下信号集，基于盲源分离的当前分离矩阵，对多通道传输的混合井下信号集的干扰进行过滤，以获取目标井下信号集，响应于到达干扰监控周期，则对目标井下信号集进行干扰监控，获取信噪比，响应于信噪比小于预设阈值，则执行盲源分离对当前分离矩阵进行更新，并返回执行接收多通道传输的混合井下信号集及后续操作。本公开实施例中通过分离矩阵自适应地过滤掉井下信号中的干扰成分，提高了信号抗干扰处理的效率，同时可以基于盲源分离对分离矩阵进行更新，使通过分离矩阵获取的信号的信噪比始终小于一个特定值。

图4是根据本公开一个实施例的5G通信信号干扰的处理方法的流程图，在上述实施例的基础上，进一步结合图4，将对目标井下信号集进行干扰监控，获取信噪比的过程进行解释说明，包括以下步骤：

S401，将目标井下信号集输入深度复数网络中，由深度复数网络获取目标井下信号集的特征图，并根据特征图进行分类识别，获取目标井下信号集中信号的类别。

卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。常用的卷积网络包括深度复数网络、卷积神经网络等。

深度复数网络是卷积神经网络的扩展，它具有更加丰富的表征能力，且对噪声具有更强的鲁棒性。复数神经网络的输入信号、权值以及激活函数等都是复数，需要针对复数设计专门的网络结构，包括复数卷积、复数激活函数、复数批归一化。

将目标井下信号集输入深度复数网络中，由深度复数网络的特征提取层对目标井下信号集进行特征图提取，以获取特征图的实部和虚部。由深度复数网络的复数激励层对特征图的实部和虚部进行非线性映射，得到映射后特征图的实部和虚部。由深度复数网络的复数池化层对映射后特征图的实部和虚部进行池化操作，获取池化后特征图。由深度复数网络的全连接层对池化后特征图进行全连接操作，以输出目标井下信号集中信号的类别。

S402，根据目标井下信号集中信号的类别，获取信噪比。

不同的信号类别对应不同的信号特征，包括信号的信噪比，根据目标井下信号集中信号的类别，获取到对应的信噪比。

本公开实施例中，将目标井下信号集输入深度复数网络中，由深度复数网络获取目标井下信号集的特征图，并根据特征图进行分类识别，获取目标井下信号集中信号的类别，根据目标井下信号集中信号的类别，获取信噪比。本公开实施例中基于深度复数网络的学习能力得到目标井下信号集的类别，进一步得到的信号的信噪比，使信号信噪比不需要通过精确的数学表达式得到，避免了误差，提高了信噪比的精确性。

图5是根据本公开一个实施例的5G通信信号干扰的处理方法的流程图，在上述实施例的基础上，进一步结合图5，对获取目标井下信号集之后的过程进行解释说明，包括以下步骤：

S501，对目标井下信号集进行信道估计。

无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，并且无线信道并不像有线信道一样固定并可预见，而是具有很大的随机性，所以需要对信道进行估计，从而为后续的信号处理提供所需的信道信息。

信道估计，就是从接收数据中将假定的某个信道模型的模型参数估计出来的过程，是信道对输入信号影响的一种数学表示。在本公开实施例中，接收数据为目标井下信号集，对目标井下信号集进行信道估计，得到信道参数。

S502，对经过信道估计的目标井下信号集进行信道补偿。

基于信道估计得到的信道参数，对目标井下信号集进行信道补偿，即通过技术手段补强信号。通过信道补偿，可以加强信息传输的质量，避免信息丢包，保障正常信息传输。

S503，对经过信道补偿的目标井下信号集进行信道均衡处理，生成均衡井下信号集。

信道均衡是指为了提高衰落信道中的通信系统的传输性能而采取的一种抗衰落措施。它主要是为了消除或者是减弱宽带通信时的多径时延带来的码间串扰问题。

对经过信道补偿的目标井下信号集进行信道均衡处理，可选地，对信道或整个传输系统特性进行补偿，生成均衡井下信号集。

S504，对均衡井下信号集进行信号判决。

在信号的传输过程中有各种干扰，如噪声和码间串扰等，经过信号干扰的处理后，仍然可能产生误差，使得到的信号值与实际值不相同。

当接收的信号为矩形脉冲波时，对信号进行抽样，得到在不同的时刻的一些离散的值，如在第一个时刻抽样得到的是0.9，进行信号判决，可以发现此时的值很接近1，因此，此时的信号的值就当成1。相应地，对其他时刻的信号值进行信号判决，判断此处原来的值到底是0还是1。

本公开实施例中，对目标井下信号集进行信道估计，对经过信道估计的目标井下信号集进行信道补偿，对经过信道补偿的目标井下信号集进行信道均衡处理，生成均衡井下信号集，对均衡井下信号集进行信号判决。本公开实施例中对目标井下信号集进行信号处理，进一步提高了信号的抗干扰能力，提高了信号的信号质量。

图6是根据本公开一个实施例的5G通信信号干扰的处理方法的流程图，如图6所示，基于本公开提供的5G通信信号干扰的处理方法，在实际应用场景下信号干扰的处理过程包括以下步骤。

步骤一，接收多通道传输的混合井下信号集。

步骤二，基于盲源分离的当前分离矩阵，对多通道传输的混合井下信号集的干扰进行过滤，以获取目标井下信号集。

步骤三，对目标井下信号集进行信道估计。

步骤四，对经过信道估计的目标井下信号集进行信道补偿。

步骤五，对经过信道补偿的目标井下信号集进行信道均衡处理，生成均衡井下信号集。

步骤六，对均衡井下信号集进行信号判决并输出。

步骤七，响应于到达干扰监控周期，对目标井下信号集进行干扰监控，获取信噪比。

步骤八，响应于信噪比小于预设阈值，则执行盲源分离对当前分离矩阵进行更新，并返回执行接收多通道传输的混合井下信号集及后续操作。

关于本实施例各个步骤的具体实现可以参见本公开各实施例中相关介绍，此处不再赘述。

本公开实施例中，通过对混合井下信号集进行信号分离、信道补偿、信道均衡等处理，最大程度地过滤掉了井下信号中的干扰成分，同时可以基于盲源分离对分离矩阵进行更新，使目标井下信号集的信噪比始终小于一个特定值。

图7是根据本公开一个实施例的5G通信信号干扰的处理装置的结构图，如图7所示，5G通信信号干扰的处理装置700包括：

接收模块710，用于接收多通道传输的混合井下信号集；

干扰过滤模块720，用于基于盲源分离的当前分离矩阵，对多通道传输的混合井下信号集的干扰进行过滤，以获取目标井下信号集；

干扰监控模块730，用于在到达干扰监控周期时，对目标井下信号集进行干扰监控，获取信噪比；

矩阵更新模块740，用于在信噪比大于预设阈值，执行盲源分离对当前分离矩阵进行更新。

本公开实施例中通过分离矩阵自适应地过滤掉井下信号中的干扰成分，提高了信号抗干扰处理的效率，同时可以基于盲源分离对分离矩阵进行更新，使通过分离矩阵获取的信号的信噪比始终小于一个特定值。

需要说明的是，前述对5G通信信号干扰的处理方法实施例的解释说明也适用于该实施例的5G通信信号干扰的处理装置，此处不再赘述。

进一步地，在本公开实施例一种可能的实现方式中，干扰过滤模块720，还用于：将多通道传输的混合井下信号集与当前分离矩阵做乘法，获取目标井下信号集。

进一步地，在本公开实施例一种可能的实现方式中，干扰监控模块730，还用于：将目标井下信号集输入深度复数网络中，由深度复数网络获取目标井下信号集的特征图，并根据特征图进行分类识别，获取目标井下信号集中信号的类别；根据目标井下信号集中信号的类别，获取信噪比。

进一步地，在本公开实施例一种可能的实现方式中，干扰监控模块730，还用于：由深度复数网络的特征提取层对目标井下信号集进行特征图提取，以获取特征图的实部和虚部；由深度复数网络的复数激励层对特征图的实部和虚部进行非线性映射，得到映射后特征图的实部和虚部；由深度复数网络的复数池化层对映射后特征图的实部和虚部进行池化操作，获取池化后特征图；由深度复数网络的全连接层对池化后特征图进行全连接操作，以输出目标井下信号集中信号的类别。

进一步地，在本公开实施例一种可能的实现方式中，5G通信信号干扰的处理装置700还包括：信号处理模块750，用于对目标井下信号集进行信道估计；对经过信道估计的目标井下信号集进行信道补偿；对经过信道补偿的目标井下信号集进行信道均衡处理，生成均衡井下信号集；对均衡井下信号集进行信号判决。

进一步地，在本公开实施例一种可能的实现方式中，干扰监控周期大于干扰监控的处理时长和盲源分离的处理时长的和值。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序，处理器820执行程序时，实现前述的5G通信信号干扰的处理方法。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。