基于低频电子噪声的井下LED非视距识别与通信方法

技术领域

本发明涉及一种LED非视距通信方法，具体是一种基于低频电子噪声的井下LED非视距识别与通信方法，属于煤矿井下非视距通信技术领域。

背景技术

在进行矿井下通信时，有线通信线缆常常会因为矿井下不断开采，工作面不断移动而需要反复铺设，而且井下通信空间往往为狭长形空间，巷道分布复杂，有线通信铺设费时费力。同时，矿井下环境中存在许多电气设备和机械设备，它们可能会产生电磁干扰，干扰有线通信信号的传输。因此，矿井下一种可实施的无线通信方式往往被认为是最优秀。

在无线通信领域，非视距通信是一项重要的研究课题。传统的无线通信技术，如射频通信和WIFI通信，常常会受到井下环境复杂的约束，例如矿井深处存在大量的岩石和土壤，这些物质对电磁信号有很强的吸收和衰减作用，会导致信号在传输过程中衰减严重；同时井下电气设备和机械设备的电磁干扰也不可忽视。因此，寻找一种新的无线通信方法变得极为重要。

近年来，LED(Light-Emitting Diode)技术的快速发展使其成为一种受欢迎的无线通信解决方案。LED具有低功耗、高亮度和易于集成的特点，广泛应用于照明、显示和通信领域。在井下环境中，可见光通信拥有无太阳光干扰，光源背景噪声小；经空气媒介传输的可见光衰减小；不受电磁辐射干扰的优点。然而，传统的LED通信方法主要依赖视距通信，需要直接的光线传播路径，在非视距条件下的通信效果往往较差。

发明内容

本发明的目的是提供一种基于低频电子噪声的井下LED非视距识别与通信方法，能够实现在非视距范围内的LED身份识别和通信，具有高度可靠性和精准度。

为了实现上述目的，本发明提供一种基于低频电子噪声的井下LED非视距识别与通信方法，在矿井巷道安装若干个LED灯，并对所有的LED灯的电子噪声分别做好标签构成预先建立的LED灯身份数据库，

所述非视距识别方法包括以下步骤：

S1低频电子噪声测量仪的选择：根据LED灯低频电子噪声的特性，选择低频电子噪声测量仪设备，用于采集LED灯的低频电子噪声数据；

S2低频电子噪声数据采集：在非视距条件下，将低频电子噪声测量仪放置在LED灯附近，对目标LED灯进行一段时间的低频电子噪声数据采集；

S3数据预处理：对采集到的低频电子噪声数据进行预处理；

S4特征提取：利用时频分析方法，从步骤S3预处理后的数据中提取LED灯的纹理特征；

S5身份识别：根据步骤S4提取到的LED灯的纹理特征，与预先建立的LED灯身份数据库进行比对和匹配，确定目标LED灯的身份信息；

所述非视距通信方法包括以下步骤：

S6低频电子噪声测量仪配置：设定低频电子噪声测量仪的工作频率和灵敏度，使其能够检测目标LED灯发出的频闪信号；

S7信号接收：在非视距范围内，将低频电子噪声测量仪放置在接收端，接收目标LED灯发出的频闪信号；

S8噪声分析和解码：将低频电子噪声测量仪接收到的频闪信号进行噪声分析，提取出频闪信号中的电子噪音特征；

S9通信识别：根据提取的电子噪音特征，与预先建立的LED灯身份数据库进行匹配，完成非视距范围下的LED通信识别。

由于LED灯的低频电子噪声频率范围通常在几十赫兹到几百赫兹之间，因此需要选择一个测量仪设备，使其频率范围能够覆盖低频范围，且需要一个具有高灵敏度和较好分辨率的测量仪，以准确捕捉和测量低水平的电子噪声信号；同时，为了满足非视距范围内的通信需要，应使用无线设备非视距采集LED灯的低频电子噪声。综上，本发明选择无线前置放大器(Wireless Pre-Amplifier)作为本发明的低频电子噪声测量仪，它是一种用于放大无线信号的设备，通常用于增加信号强度和提高信噪比，无线前置放大器可以在信号源和接收器之间放置，以增强信号的传输和接收性能。

本发明步骤S2的低频电子噪声数据采集，具体为：将无线前置放大器放在LED灯的附近，并在无线前置放大器与LED灯之间用隔板隔开，以达到非视距的条件；分别在LED灯通电和不通电的条件下测量声音信号，根据无线前置放大器对低频信号放大后的声纹图谱分析出LED灯的低频电子噪声。这一过程我们使用不同LED灯多次测量并存储起来。

本发明步骤S3的数据预处理包括滤波处理和降噪处理，将无线前置放大器与有源滤波器连接起来，有源滤波器模块限制所测量的噪声带宽，从而确保来自待测器件的噪声是主要噪声源，然后经过特殊的降噪处理，最后将相应的噪声数据存储起来，以进行下一步的处理。

本发明步骤S4的特征提取，采用短时傅里叶变换对步骤S3预处理后的数据处理，将信号在时间和频率域之间进行转换，并提供信号在不同时间段内的频率分量信息，利用短时傅里叶变换对数据处理后，分别对LED灯通电和非通电的状态下采集到的音频数据打上标签，建立LED灯身份数据库，采用主流声纹模型ECAPA-TDNN对声音数据进行训练。

本发明步骤S5的身份识别，使用建立好的LED灯身份数据库对主流声纹模型ECAPA-TDNN训练后，将新提取的声音纹理特征输入训练好的模型，主流声纹模型ECAPA-TDNN根据预先建立的LED灯身份数据库对新输入的声纹数据分类，确定该段声音纹理所对应的LED灯身份以及其LED灯的亮暗特征。

本发明步骤S6的低频电子噪声测量仪配置，根据所建立的LED灯身份数据库，设定低频噪声测量仪的工作频率范围以便其能覆盖所有LED灯的低频电子噪声，避免信号损失，同时，根据通信要求设定低频电子噪声测量仪的灵敏度足够高，以便能够捕捉到频闪信号的变化。

本发明步骤S7的信号接收，对多个LED灯组成的发射端，将低频电子噪声测量仪放在LED灯的非视距范围内，接受LED灯的低频噪声信号；LED灯通过其频闪来达到通信的目的；接收端的低频电子噪声测量仪接收到的信号经过滤波器滤波后输出低频电子噪声信号，以进行进一步的解码分析。

本发明步骤S8的噪声分析和解码，对多LED灯组成的发射端发出的信号，在接收端先对其进行声音的分离，根据各个LED灯的不同声纹特征分离出单个LED灯的频闪信号，之后按照相应的规则对LED灯的频闪信号进行解码。

本发明步骤S9的通信识别，将分离后地单个LED灯的频闪信号，分别输入进预训练好的主流声纹模型ECAPA-TDNN中，利用主流声纹模型ECAPA-TDNN识别出各个LED灯的暗亮特征，以达到通信目的。

与现有技术相比，本发明选用LED灯进行通信，是由于LED灯的电子噪声作为一种固有的特性，不需要额外的硬件或设备，可以直接利用LED自身进行通信；其次，低频电子噪声的传播特性使其具备一定的穿透能力，能够在一定程度上克服障碍物的影响，来克服传统无线通信技术的限制，并且需要一种装置利用LED自身的低频电子噪声特性，通过识别和解码LED的声音身份，实现矿井下非视距通信的目的。本发明主要应用在通信和身份识别领域，用来弥补可见光通信在非视距通信情况下，由于光反射将会损失很多的能量，导致发射机与接收机之间的数据速率严重受限的缺点。因为由于制造缺陷，每个LED灯的电子噪声都是独特的，可以通过对LED灯电子噪声的识别来进一步确定发射端的LED灯，在LED灯频闪时，其频闪信息可以通过对电子噪声的识别得出；在LED灯亮时，存在其电子噪声，LED灯灭时无该LED灯的独特电子噪声，通过一定的编码方式就可以通过频闪信息来进行通信。本发明能够实现在非视距范围内的LED身份识别和通信，具有高度可靠性和精准度。

附图说明

图1为本发明的流程图；

图2为本发明使用的ECAPA-TDNN模型的结构示意图；

图3为本发明使用的非视距通信架构图；

图4为本发明使用的MossFormer模型整体结构示意图；

图5为本发明使用的MossFormer模型详细模块结构示意图。

具体实施方式

下面结合附图对本发明做进一步说明。

如图1所示，一种基于低频电子噪声的井下LED非视距识别与通信方法，在矿井巷道安装若干个LED灯，并对所有的LED灯的电子噪声分别做好标签构成预先建立的LED灯身份数据库；

所述非视距识别方法包括以下步骤：

S1低频电子噪声测量仪的选择：根据LED灯低频电子噪声的特性，选择低频电子噪声测量仪设备，用于采集LED灯的低频电子噪声数据；

由于LED灯的低频电子噪声在几十到几百赫兹之间，本发明要选择一个可以覆盖该频率范围的声音采集设备，并且为了井下复杂通信的考虑，该声音采集设备不能接入LED灯，而应无线采集；无线前置放大器可以在无线电频率范围内工作，包括广播频段、无线电通信频段等。无线前置放大器可以与不同类型的天线配合使用，例如室内天线、室外天线或定向天线，以增强无线信号的接收。

同时无线前置放大器也可以满足LED灯电子噪声声音敏感的特点；在无线收音中，无线前置放大器通常被用于增强接收天线接收到的无线信号的弱度，它可以放大信号的幅度，并通过提供额外的增益来提高接收机的灵敏度，这有助于提高无线接收器对远离发射源的信号的接收能力，或在信号弱的环境中提供更好的接收性能。

S2低频电子噪声数据采集：在非视距条件下，将低频电子噪声测量仪放置在LED灯附近，对目标LED灯进行一段时间的低频电子噪声数据采集；

在声音采集阶段，本发明将LED灯与无线前置放大器用隔板隔开使用，以达到本发明所需的非视距条件。

在室内环境下，设置LED灯和无线前置放大器的间隔从10厘米到1米，以10厘米为步长分别来收集声音，同时上述每个距离条件在通电和不通电的情况下分别收集两千条2秒的音频数据，并标识各个LED灯的身份信息，在预处理后输入主流声纹模型ECAPA-TDNN中进行训练。

S3数据预处理：对采集到的低频电子噪声数据进行预处理，如滤波降噪处理，以消除环境噪音的影响；

对于收集到的低频电子噪声数据，根据LED灯的低频电子噪声的特性，本发明先对声音进行滤波处理，只保留其低频部分。

将无线前置放大器与有源滤波器连接起来，有源滤波器模块限制所测量的噪声带宽，从而确保来自待测器件的噪声是主要噪声源。

在滤波处理后，使用回声消除降噪算法，降低由于无线前置放大器本身工作产生的噪音。

回声消除(Echo Cancellation)是在电路电话、移动电话、VOIP等语音设备中起关键作用的一项技术，也被称为回声抑制(Echo Suppression)。回声指的是自己的声音经过一段时延后再次传入自己的耳朵，回声消除的目标是消除设备本身发出的声音，而不影响外界传递的声音；本发明的回声消除降噪算法为：

[w(n+1)＝w(n)+μ·e(n)·x(n)]

式中：w(n)为自适应滤波器的权重向量，表示滤波器对输入信号的响应；

μ是步长参数，用于控制算法的收敛速度和稳定性；

e(n)是误差信号，表示期望输出与实际输出之间的差异；

x(n)是输入信号向量。

S4特征提取：利用时频分析方法，从步骤S3预处理后的数据中提取LED灯的独特纹理特征；

本发明使用短时傅里叶变换(Short-time Fourier Transform，STFT)对预处理后的声音信息进行处理，提取数据中的低频电子噪声声音特征。

短时傅里叶变换是一种常用于时频分析的方法，用于将信号从时域转换到频域。对于采集到的LED噪声数据，进行STFT计算，得到频谱图，用于提取LED灯的噪声纹理特征。

式中：x(t)是输入信号；

w(t-τ)是窗函数；

τ为窗口起始时刻；

w为频率。

S5身份识别：根据步骤S4提取到的LED灯的纹理特征，与预先建立的LED灯身份数据库进行比对和匹配，确定目标LED灯的身份信息；

本发明采用改进的主流声纹模型ECAPA-TDNN对声音数据进行识别，确定LED灯的身份信息，如图2为该模型的具体网络结构，其中k表示卷积核大小，d表示Conv1D层或SE-res2block的空洞间距，C和T分别对应于中间特征映射的通道维度和时间维度，S是训练说话人的数量；

在输入层之后引入LSTM层，LSTM(Long Short-Term Memory)是一种循环神经网络(Recurrent Neural Network，RNN)的变体，被广泛应用于序列数据建模和处理任务中。相比于传统的RNN，LSTM引入了门控机制，可以更好地处理长序列和长期依赖关系。

以下是LSTM(Long Short-Term Memory)的公式表示：

首先，定义输入门(input gate)的计算：

[i

然后，定义遗忘门(forget gate)的计算：

[f

接着，定义细胞状态(cell state)的更新：

[c

在上述公式中，σ表示sigmoid函数，⊙表示逐元素乘法。

然后，定义输出门(output gate)的计算：

[o

最后，计算LSTM的输出：

[h

在上述公式中，x

这些公式描述了LSTM中的关键计算过程，通过输入门、遗忘门和输出门的控制，LSTM能够有效地更新和传递细胞状态，并生成适当的隐藏状态输出。

所述非视距通信方法包括以下步骤：

S6低频电子噪声测量仪配置：设定低频电子噪声测量仪的工作频率和灵敏度，使其能够检测目标LED灯发出的频闪信号；

根据收集到的声音数据，为了能覆盖LED灯低频电子噪声的频率范围，本发明将无线前置放大器的接受频率范围设置在20-300赫兹，能基本满足所有LED灯的声音接收需求。

灵敏度部分接收机灵敏度是在满足输出信噪比的条件下，接收机所能检测的最小输入信号电平，它与输出信噪比及接收机本身的噪声大小相关，可以表示为：

Pin＝-174(dBm/Hz)+NF(dB)+10logBW+min(Eb/N0)(dB)

式中：BW指的是带宽；

Eb/N0是解调门限；

对于确定的系统，BW及Eb/N0都是确定值，因此特定射频系统中影响接收机灵敏度的关键因子是噪声系数NF。

S7信号接收：在非视距范围内，将低频电子噪声测量仪放置在接收端，接收目标LED灯发出的频闪信号；

非视距通信架构如图3所示，信号经过调制器调制后将信息由电信号转换为光信号，再由驱动电路对信号进行放大，LED灯的频闪信息经过井下非视距信道后，在接收端的无线前置放大器接受声音信息，经过滤波器滤波降噪等预处理，输入进身份识别模块。

S8噪声分析和解码：将低频电子噪声测量仪接收到的频闪信号进行噪声分析，提取出频闪信号中的独特电子噪音特征；

对于接收端接收到的声音信息，本发明首先对多个LED灯的频闪信息进行声音分离。

本发明使用单通道语音分离模型Mossformer，MossFormer模型整体结构示意图如图4所示，MossFormer语音分离模型包含一个卷积编码器-解码器结构和一个掩蔽网络。

其中，掩蔽网络是基于MossFormer模块的门控单头自注意力架构开发而来。

MossFormer模块是掩蔽网络的主要组成部分，如图5所示，用于执行从编码器输出到组掩码的非线性映射。

它由以下组件组成：

四个卷积模块：使用线性投影和深度卷积处理输入序列。

缩放和偏移操作：用于调整卷积模块的输出。

联合局部和全局单头自注意力(SHSA)：执行序列的局部和全局自注意力操作。

三个门控操作：用于门控机制，控制信息的流动和选择性集成。

MossFormer模块通过学习残差部分并应用跳跃连接从输入连接到输出，以提高训练效率。当前MossFormer模块的输出被输入到下一个MossFormer模块中。这个过程会重复R次(R是一个超参数)。

使用预处理好的LED灯低频电子噪声信息输入预训练的MossFormer模型中，将多个LED灯的低频电子噪声分离。

S9通信识别：根据提取的电子噪音特征，与预先建立的LED灯身份数据库进行匹配，完成非视距范围下的LED通信识别；

对于每个识别出的LED灯身份信息，本发明可以将其输入预先训练好的主流声纹模型ECAPA-TDNN中进行进一步的处理。在这种情况下，本发明将使用主流声纹模型ECAPA-TDNN来识别LED灯的亮暗状态。主流声纹模型ECAPA-TDNN会根据输入的电子噪音特征，输出相应的0或1信号，以达到通信的目的。

本发明的优势在于：

1.实现了在非视距范围内的LED身份识别和通信，具有高度可靠性和精准度。

2.提供了一种在非视距环境下稳定通信的新方法，有望在各种复杂条件下应用。

3.利用低频噪声测量仪作为识别和通信工具，具备较低的成本和简便的操作。