230 MHz电力频段中导频辅助CNN的干扰子载波检测方法

摘要

为满足5G RedCap(5G reduced capability)在230 MHz频段上的部署，需要有效侦测并规避来自其他专网系统的干扰。针对于此，提出了一种基于5G RedCap导频信道信息构建特征的干扰检测方法，结合SELU(scaled exponential linear unit)激活函数的卷积神经网络，实现对5G RedCap系统中正交频分复用(orthogonal frequency division multiplexing, OFDM)信号受干扰子载波的精准检测；利用导频信号构建协方差向量作为卷积神经网络(convolutional neural network, CNN)的输入特征，并借助SELU激活函数的自归一化机制，增强低信噪比环境下特征学习的稳定性，提升干扰检测的鲁棒性。实验结果表明，相较于传统以接收信号向量作为特征的方法，在CDL-C和TDL-C信道场景下，所提方法在信干比处于0～20 dB时，检测准确率分别提升44.6百分点和44.9百分点；在信噪比处于-20～0 dB时，检测准确率分别提升16.4百分点和10.3百分点，验证了所提方法有效性和优越性。

关键词

230 MHz / 共享频段 / 导频信号 / 协方差矩阵 / 卷积神经网络 / SELU激活函数