基于零拍探测和压缩真空光输入增强Sagnac效应

利用量子技术增强Sagnac效应提高陀螺输出精度具有重要的研究意义, 是实现全自主导航的重要途径. 以相干态激光作为输入光源的光学陀螺因真空零点波动使其输出精度限制于散粒噪声极限而难以提高. 为减小真空波动的影响, 提出在激光输入的分束器的另一输入端输入压缩真空光并结合平衡零拍探测技术的方法增强Sagnac效应. 理论分析表明Sagnac效应性能得到有效提升: 干涉输出的灵敏度检测极限和动态范围均随着压缩程度的增加而呈指数级增长. 该方法只需对经典光学陀螺做少量改动就可实现, 是提高光学陀螺输出精度的一种新方法.     

三电极电致膜阴离子抑制器的构建

制作了一个三电极电致膜抑制器,考察了加电方式、串连电阻阻值、电极间距对改善噪声的影响。相较于传统两电极抑制器,优化得到的三电极抑制器在抑制CO_3~(2-)-淋洗液时在噪声(～2.5倍)和信噪比(2.5～3.6倍)方面皆有一定程度的改善;所得三电极抑制器稳定性好,可与离子色谱结合后检测饮料中6种常见阴离子含量。     

高速串行数据链路中基于相位噪声时钟抖动测量

传统并行数据通信随着速度的增加,传输时延已难以准确控制,使得高速串行数据传输成为通信的主要方式,当数据速率超过Gb/s水平,时钟信号引入的抖动已成为系统抖动的主要成分,低数据速率抖动分析技术已难以满足要求,相位噪声测量技术在高速串行数据链路抖动分析中提供了解决方案,文章从原理上论述了相位噪声与抖动的关系,以实例给出了通过相位噪声测量间接测量抖动的工程计算方法。     

空间关联白噪声影响下小世界神经元网络系统的同步动力学

以电耦合的Terman-Wang小世界神经元网络系统为研究对象, 研究了空间关联白噪声影响下神经元网络系统的同步动力学. 首先将动力学平均场近似理论扩展到受空间关联白噪声影响下的小世界网络系统中, 将描述网络系统动力学演化的2N维随机微分方程简化为11个确定性的矩微分方程. 其次, 基于动力学平均场近似理论所推导的矩方程, 讨论了空间关联噪声、网络结构参数对神经元网络系统同步动力学的关键影响, 发现较大的噪声空间关联系数、耦合强度及节点平均度均对神经元网络系统同步放电具有积极作用. 进一步地, 利用计算机仿真数值模拟原神经元网络系统的同步动力学, 并与基于动力学平均场近似理论所得到的结果进行比较, 发现二者具有较好的一致性.     

基于统计特性的激光雷达距离像噪声抑制算法

激光成像雷达在工作时会受到噪声干扰,因此需要滤除距离像中无法反映真实信息的异常点。根据激光成像雷达距离像噪声的分布,推导出距离像中非异常值的分布特性,并提出了一种距离像异常值的判定条件。将判定条件表示为小范围内抽样分布的函数,利用稳健统计中的中位值法可估算出判定条件的取值,从而可以移除异常点得到噪声抑制后的距离像。利用该算法分别对激光雷达距离像进行仿真和实际获得的激光雷达距离像进行处理并进行数学分析,并与中值滤波进行了比较,结果表明基于统计特性的噪声抑制算法同时具有很强的噪声抑制能力和保护目标细节信息能力,可以满足激光成像雷达距离像噪声抑制的要求。算法充分利用了激光成像雷达较高的测距精度,可以应对多种场景下的需求,具有很强的实用性。     

光学频率梳非线性传输及其在相位噪声探测中的应用

光纤传递链路中相位噪声探测是基于光纤的精确射频标准传递系统中重要组成部分。为解决光纤链路相位噪声探测中节点反射干扰的问题, 本文基于广义非线性薛定谔方程, 理论上研究了窄带光学频率梳在色散位移光纤中的非线性光学传播特性。在理论分析的基础上, 结合密集波分复用架构, 提出了一种基于锁模光学频率梳进行光纤传递射频信号的相位噪声探测新技术, 克服了节点反射干扰, 给出了初步实验验证。     

基于大偏差理论非高斯随机动力系统离出行为研究

本文介绍了大偏差理论的基本思想及其在非高斯随机动力系统的离出问题研究中的应用.依据不同的非高斯噪声类型,本文分别评述了随机混合系统、指数轻跳跃过程和α稳定Lévy噪声驱动的随机动力系统的离出问题的主要研究方法和近期研究进展.针对随机混合系统,本文介绍了利用随机微分方程对其进行近似的拟稳态扩散近似方法,计算拟势和最优离出路径的WKB近似方法与细致平衡条件的研究,以及求解随机混合系统的简化版本(即生灭过程)的离出问题的研究进展.对于指数轻跳跃过程驱动的随机动力系统,本文介绍了其大偏差原理和中度偏差原理的泛函极值问题的建立,拟势概念的定义和平均离出时间的估计.针对具有α稳定Lévy噪声的随机动力系统,本文介绍了计算平均首次离出时间和离出概率的理论和数值方法,计算最优离出路径的Onsager-Machlup理论、机器学习方法、最大似然法和数据驱动方法.最后,给出了非高斯随机动力系统的离出现象相关的一些开放性问题.     

基于变分贝叶斯优化的近邻采样 PF-SLAM 算法

针对移动机器人同时定位与地图构建（SLAM）中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题,提出基于变分贝叶斯优化的近邻采样PF-SLAM算法。采用高斯混合模型对时变的观测噪声建模,使用变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权重将粒子划分为保留粒子和调整粒子,通过两种粒子间的近邻位置分布关系优化调整粒子位置,在处理时变观测噪声同时,解决粒子多样性丧失问题,使得优化的粒子集更好地表示机器人位置概率分布。实验表明,改进算法与传统PF-SLAM算法相比,定位与建图误差降低76%,较期望最大化算法下的定位与建图误差降低了54%,进一步验证了所提算法的可行性与有效性,为移动机器人同时定位与建图提供一定参考。     

Stochastic Resonance in a Time-Delayed Mono-Stable System with Multiplicative and Additive Noise

The stochastic resonance （SR） in a time-delayed mono-stable system driven by multiplicative white noise, additive white noise, additive dichotomous noise as well as a periodic square-wave signal is considered from the view of the signal-to-noise ratio （SNR）. It is found that the SNR increases monotonically with the increase of the delay time. The SNR exhibits the SR behavior when it is plotted as a function of intensities of the noises, displaying the asymmetry of the dichotomous noise. The SNR varies non-monotonically with the increase of the system parameter and the amplitude of the input square-wave signal.