基于Allan方差的光纤陀螺随机漂移建模与仿真

随机漂移是影响光纤陀螺精度的主要因素之一,建立陀螺随机漂移模型以便在滤波时加以修正是提高系统精度的有效方法。针对传统随机漂移模型建模耗时长、过敏感等问题,提出基于Allan方差的光纤陀螺随机漂移模型。通过各噪声项的功率谱密度函数推导出随机微分方程,用Allan方差分析出光纤陀螺各噪声项量化参数,将量化参数代入以单位白噪声驱动的随机微分方程,得到随机漂移模型。实验结果表明,该模型拟合出的随机漂移单项噪声误差不超过8.6％,远低于传统模型产生的单项噪声误差58.3％,是一种有效的光纤陀螺随机漂移建模方法。     

中红外谐波检测背景信号漂移的修正方法

可调谐半导体激光吸收光谱（TDLAS）由于具有高灵敏度、高分辨率、非侵入及实时检测等特点,被广泛应用于燃烧诊断、痕量气体监测、工业过程控制等领域中。波长调制光谱（WMS）的二次谐波（2f）检测是最常用的TDLAS气体传感方法之一。激光器作为TDLAS-WMS在线检测系统中最核心的部件之一,在长期运行过程中会由于其工作温度等因素变化,引起输出激光波长漂移和2f背景信号基线变化,从而导致气体浓度反演的精确度和TDLAS-WMS在线检测系统的稳定性降低。针对上述问题,根据NO气体分子在中红外波段5.176~5.189 μm的基频吸收特性,选择峰值发射波长位于5.184 μm的分布反馈式连续波量子级联激光器（DFB-CW QCL）,分析了输出激光中心波长对应的峰值采样点位置随采样时间变化的漂移规律和2f吸收及其背景信号的漂移特性。基于上述分析,提出了以2f信号平均峰峰值替代2f信号峰值建立气体浓度反演模型以修正2f背景信号基线漂移,并结合以信噪比最优为2f背景信号波长漂移修正原则的2f背景信号漂移综合修正方法,以消除TDLAS-WMS在线检测系统长期连续检测过程中2f背景信号漂移对气体浓度反演结果的不利影响。研究结果表明,2f信号平均峰峰值随配置的NO样气浓度的增加而增大,这两者呈现较好的线性关系,其拟合曲线的线性拟合度R2达到了0.999 9。在使用体积浓度为20×10-6 NO气体样品开展的连续60 min监测实验中,波长漂移修正后,反演浓度的标准偏差由波长漂移修正前的0.19×10-6下降到了0.07×10-6,反演浓度的最大相对误差由波长漂移修正前的6.30%下降到了3.85%,相对误差均方值由波长漂移修正前的24.39%下降到了9.99%。结果显示,该2f背景信号漂移综合修正方法可以有效地抑制2f背景信号漂移对气体浓度反演结果的影响,显著提高了TDLAS-WMS在线检测系统连续监测的灵敏度、精确度和稳定性。     

远程多光束激光相干场成像拍频误差校正研究

多光束激光相干成像技术是地基观测空间目标的重要方式,各光束的稳定性和性能一致性直接决定着系统成像质量,目前针对系统频率稳定性对成像质量的影响以及激光源频漂的补偿已有一定研究,然而针对多光束发射系统,由驱动放大噪声及声光移频噪声引起的各光束间独立的频漂还需进一步抑制.基于此,本文提出了动态解调和置信区间解调两种抑制方法,理论仿真了动态解调对缓慢频漂抑制的可行性,同时实验证明了置信区间解调法对成像效果的提升,并在200 m和1.2 km的湍流环境中对该解调方法进行了验证.研究表明,置信区间解调法对于各拍频间独立漂移有较好的实时补偿效果,能够有效抑制发射阵列中由声光调制及驱动放大引入的频率噪声,对水平距离1.2 km外的25 mm目标成像角分辨率达到4μrad.本研究为未来远程大功率发射阵列成像中的频率噪声抑制提供了较好的技术方案.     

TDLAS痕量气体检测中激光器管壳温度对背景信号的影响

采用可调谐半导体激光吸收光谱(TDLAS)技术对痕量气体的连续检测，二次谐波背景信号会随着半导体激光器管壳温度变化产生漂移，使得二次谐波波形无法保持稳定，对测量结果产生误差。基于TDLAS原理，解释了二次谐波背景信号的产生，分析了背景信号的来源和背景漂移对测量结果的影响，通过对背景信号的扣除获得标准的二次谐波波形，设计并搭建了一套高精度恒温控制系统，此系统搭载了风冷以及水冷模块进行辅助控温，控制精度达到±0.1 ℃，选取了1 796和1 653 nm波长的DFB半导体激光器，通过控制两只激光器在20～44 ℃温度条件下来回变动，温度间隔为2 ℃，对获得的二次谐波背景信号进行了实验研究。研究表明：随着半导体激光器管壳温度上升，背景信号发生红移，反之发生蓝移；实验中温度每变化2 ℃, 1 796和1 653 nm的DFB激光器的背景信号分别产生了约3.2和2.67 pm波长漂移；通过对半导体激光器进行控温封装，实现对半导体激光器管壳的恒温控制，可以有效地消除室温变化引起的背景信号漂移，维持测量系统的稳定性，提高痕量气体检测的精度和准确度。     

A method for automatic correction of drift-distorted SPM images

A method for automatic correction of drift-distorted surface images obtained using a scanning probe microscope is developed. For the case of slowly varying drifts, simple linear transformations describing the observed distortions are constructed. One or two pairs of counter-scanned images (CSIs) are used as initial data. A system of linear equations is solved by finding the coordinate of the same surface feature in each CSI. The solutions obtained, i.e., linear transformation coefficients, are used to correct drift-induced distortions in horizontal and vertical planes. Two nonlinear drift correction methods are proposed, which provide a better accuracy in comparison with the linear correction method. The developed method can be used in feature-oriented scanning of the surface.     

Research on the Fastest Detection Method for Weak Trends under Noise Interference

Trend anomaly detection is the practice of comparing and analyzing current and historical data trends to detect real-time abnormalities in online industrial data-streams. It has the advantages of tracking a concept drift automatically and predicting trend changes in the shortest time, making it important both for algorithmic research and industry. However, industrial data streams contain considerable noise that interferes with detecting weak anomalies. In this paper, the fastest detection algorithm “sliding nesting” is adopted. It is based on calculating the data weight in each window by applying variable weights, while maintaining the method of trend-effective integration accumulation. The new algorithm changes the traditional calculation method of the trend anomaly detection score, which calculates the score in a short window. This algorithm, SNWFD–DS, can detect weak trend abnormalities in the presence of noise interference. Compared with other methods, it has significant advantages. An on-site oil drilling data test shows that this method can significantly reduce delays compared with other methods and can improve the detection accuracy of weak trend anomalies under noise interference.     

High-resolution, >1 GHz NMR in unstable magnetic fields

Resistive or hybrid magnets can achieve substantially higher fields than those available in superconducting magnets, but their spatial homogeneity and temporal stability are unacceptable for high-resolution NMR. We show that modern stabilization and shimming technology, combined with detection of intermolecular zero-quantum coherences (iZQCs), can remove almost all of the effects of inhomogeneity and drifts, while retaining chemical shift differences and J couplings. In a 25-T electromagnet (1 kHz/s drift, 3 kHz linewidth over 1 cm(3)), iZQC detection removes >99% of the remaining inhomogeneity, to generate the first high-resolution liquid-state NMR spectra acquired at >1 GHz.     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。     

波长漂移对近红外光谱PLSR分析模型的影响

在近红外光谱分析过程中,单台仪器在不同时间的波长变化及多台仪器间的波长一致与否会对化学计量学定标模型的校正及传递效果产生影响,上述问题可以统一为波长漂移对定标模型的影响.以分析小麦粉中粗蛋白含量为例,首先结合不同谱区光谱数据,利用偏最小二乘回归(PLSR)方法建立了两个定标模型.再由计算机生成不同类型、不同幅度的波长漂...     

XFEL飞秒同步与定时系统中光纤长度变化的数字化监测(英)

分析了X射线自由电子激光装置对飞秒同步定时系统的技术需求。系统中采用光纤来传输定时/相位信息。而光纤的光长度会随温度的慢漂而改变,因此通过对比实验研究了温度慢漂对光纤长度变化的影响。研制了基于现场可编程门阵列（FPGA）的数字化相位和幅度检测器对光纤长度变化进行数据监测。百米光纤在典型昼夜温差下导致的时间延迟约6 ps。结果显示此数字化相位和幅度检测器可以用于飞秒同步定时系统的长度变化监测和稳定控制系统当中。     

纳米精度外差干涉仪非线性漂移的研究

在纳米精度外差干涉仪中，由于非线性温度漂移，成为外差干涉仪实现纳米精度测量的重要误差源。本文对差动干涉仪的理论分析得出如下的结论，干涉仪中除了测量光路和参考光路以外，还存在参考光误差分量和测量光误差分量的额外光路，从而引和了干涉混叠，产生非线性漂移：１／４波片的相位延迟量误差和安装是引入非线性漂移的主要因素，其影响程度是一阶的，提高波片对加工精度，并尽量减少其级数可降低非线性漂移。     

气体光谱分析应用中傅里叶变换红外光谱基线漂移分段比校正方法

针对气体光谱分析应用中傅里叶变换红外光谱仪长时间连续工作时易出现光谱基线漂移、畸变问题,对红外光源温度波动及漂移、动镜倾斜、分束器性能变化以及检测器横向偏移对光谱基线的影响进行了仿真研究,结果表明光谱基线的漂移近似线性。基于此,本文提出分段比光谱基线漂移修正法SBCPD校正光谱基线。通过比较基线校正前后仿真光谱峰高变化、偏最小二乘(PLS)定量分析模型预测不确定度、油气探井气测录井在线基线校正性能,发现SBCPD性能优越,要优于传统的多项式拟合法及airPLS法。经检验,该方法性能稳定,计算量小,便于工程应用。     

基于基线漂移模型的气体光谱自动基线校正

傅里叶红外光谱是监测污染源废气排放的一种重要手段。发展针对气体光谱的自动基线校正方法对于污染气体快速检测及长时间在线监测具有重要意义。目前自动基线校正中的一个难点是如何准确校正存在宽峰的光谱：宽峰在频域中具有一定低频成分,基于频域滤波提取光谱中低频基线信息的方法因难以选择合适的分离条件容易产生基线扭曲。采取自动识别基线点,基于预先设定的基线模型拟合光谱基线的方法可以规避频域方法中分离条件选取的环节,但其校正效果对所采用的基线模型非常敏感。当基线模型中的自由度过小时,拟合基线无法准确逼近光谱基线漂移,基线校正的误差较大;而当基线模型中的自由度过大时,尤其是含有实际基线漂移中不存在的虚假自由度时,容易产生基线扭曲。目前常用的基线模型有线性、多项式、样条插值、指数模型等,在基线模型的选择上缺乏较为统一的标准。本研究着眼于避免基线模型缺乏必要自由度或含有虚假自由度,提出基于实际基线漂移的自由度建立基线模型。研究发现,气体光谱中主要的基线漂移在光谱中可被近似表示为波数的特定阶次(0次、1次、2次和4次项)的形式。以此作为基线模型提出了一种自动基线校正新方法。新方法以传统迭代多项式拟合自动基线校正方法作为基础,将其中仅设定多项式最高阶次的基线模型改进为上述由具有物理意义支撑的特定阶次构成的基线模型;此外,增加了对吸收峰尾部的判定,用于避免在采用阈值分辨吸收峰与基线时,吸收峰尾部因吸光度较低被误识别为基线的问题。以实测获得的含有水汽宽峰的空气光谱作为样本,对所提方法的基线校正效果进行了验证,并与迭代多项式拟合方法中两种较有代表性的Lieber和Mahadeven-Jansen(LMJ)方法以及Liu和Koenig(LK)方法的基线校正效果进行了对比。实验结果表明,所提方法与采用不同最高多项式阶次的LMJ及LK方法相比,可更好的避免基线扭曲,同时其校正后的光谱基线与吸光度0线间具有最低的方差平均值。研究表明,采用实际基线漂移的自由度建立光谱基线模型可获得良好的基线校正效果。     

基于多参数模型的非分散红外光谱气体检测稳定性方法研究

针对非分散红外光谱传感器零点和温度漂移问题,建立了一种基于零气光强、参考光强、标准温度、环境温度、温度漂移系数等多参数模型,对红外传感器长期连续运行中存在的零点和温度漂移进行自动校正和补偿。测试结果和长时间应用表明,仪器在各种变换的环境条件下检测精度均小于5%F.S。CO₂的平均检测精度从未综合处理前的9.26%提高到了处理后的1.23%,CH₄的平均检测精度从未综合处理前的10.61%提高到了处理后的0.70%,克服了很多气体检测仪存在的稳定性差,标定周期短等不足,有效提高了仪器的检测精度、稳定性,降低了维护成本。     

Measuring the Effectiveness of Adaptive Random Forest for Handling Concept Drift in Big Data Streams

We are living in the age of big data, a majority of which is stream data. The real-time processing of this data requires careful consideration from different perspectives. Concept drift is a change in the data’s underlying distribution, a significant issue, especially when learning from data streams. It requires learners to be adaptive to dynamic changes. Random forest is an ensemble approach that is widely used in classical non-streaming settings of machine learning applications. At the same time, the Adaptive Random Forest (ARF) is a stream learning algorithm that showed promising results in terms of its accuracy and ability to deal with various types of drift. The incoming instances’ continuity allows for their binomial distribution to be approximated to a Poisson(1) distribution. In this study, we propose a mechanism to increase such streaming algorithms’ efficiency by focusing on resampling. Our measure, resampling effectiveness (ρ), fuses the two most essential aspects in online learning; accuracy and execution time. We use six different synthetic data sets, each having a different type of drift, to empirically select the parameter λ of the Poisson distribution that yields the best value for ρ. By comparing the standard ARF with its tuned variations, we show that ARF performance can be enhanced by tackling this important aspect. Finally, we present three case studies from different contexts to test our proposed enhancement method and demonstrate its effectiveness in processing large data sets: (a) Amazon customer reviews (written in English), (b) hotel reviews (in Arabic), and (c) real-time aspect-based sentiment analysis of COVID-19-related tweets in the United States during April 2020. Results indicate that our proposed method of enhancement exhibited considerable improvement in most of the situations.     

Pupil detection and tracking for analysis of fixational eye micromovements

Even with fixed gaze, the human eye is under steady motion (tremor micosaccades and drifts). Detection of these movements requires of invasive techniques or expensive devices with sophisticated detection methods. In this paper we present a technique for pupil segmentation and contour analysis which will provide valuable information about fixational eye movements. The method is based on fitting an ellipse to the pupil contour. Pupillary hippus, microsaccades and drifts are obtained as well as cyclotorsional movements. The method is simple and the experimental requirements are easily available since just a biomicroscope and a digital videocamera are required.     

人工鱼群算法在单轴旋转惯导系统轴向陀螺漂移辨识中的应用

在惯性导航系统中,采用单轴旋转技术可以调制垂直于旋转轴方向上的惯性器件误差,而对沿旋转轴方向的误差没有抑制作用,因此旋转轴方向上激光陀螺漂移成为影响惯性导航系统精度的主要因素之一。为精确地辨识旋转轴方向上激光陀螺漂移,提高激光陀螺单轴旋转惯导系统的精度,利用人工鱼群算法AFSA（artificial fish swarm algorithm）建立了单轴旋转惯导系统轴向陀螺漂移辨识模型,给出了AFSA 辨识的详细步骤和方法。实验结果表明:AFSA可以对轴向激光陀螺漂移进行精确建模,补偿后的激光陀螺零偏不稳定性达到0.000 4 /h。     

Motion of spiral waves induced by local pacing

The motion of spiral waves in excitable media driven by a weak pacing around the spiral tip is investigated numerically as well as theoretically. We presented a Bifurcations diagram containing four types of the spiral motion induced by different frequencies of pacing: rigidly rotating, inward-petal meandering, resonant drift, and outward-petal meandering spiral. Simulation shows that the spiral resonantly drifts when the frequency of pacing is close to that of the spiral rotation. We also find that the speed and direction of the drift can be efficiently controlled by means of the strength and phase of the local pacing, which is consistent with analytical results based on the framework of the weak deformation approximation.      

近红外光谱和模式识别的菊花品种无损鉴别

菊花为菊科植物菊的头状花序,滁菊、贡菊、杭菊和亳菊是常见的几类药用品种菊花.不同品种菊花在外观上具有极大的相似性,非专业人员仅凭肉眼难以对其进行准确鉴别分析.常规仪器分析法检测成本较高,分析时间较长,且需要对样品进行破坏性处理,影响了产品的二次销售.近红外光谱技术作为近年来快速发展起来的一种绿色、简单、快速的新型检测技...     

带有实时温度补偿功能的微型光谱仪研制

解调飞机上变栅距光栅位移传感器的微型光谱仪在受到严重的高低温冲击后会出现温度漂移。针对航空领域中变栅距光栅位移传感器的解调系统研制了一种具有实时温度补偿功能的微型光纤光谱仪。为了实现实时温度补偿,分析了温度变化对微型光谱仪的影响,并对传统的交叉式Czerny-Turner光路进行了优化,用ZEMAX软件模拟得到：在相同的受热产生的变形条件下,优化的C-T光路光谱漂移量相比优化前的更小且整体漂移线性度更好。在此基础上提出了一种引入参考光来实现实时温度补偿的方法,并最终基于改进的C-T光路制作了一个体积为80 mm×70 mm×70 mm、工作波段在500～1 000 nm、积分时间为8 ms～1 000 ms、光学分辨率约为2 nm的微型光纤光谱仪,用实验验证了优化的C-T光路的光谱温度漂移情况及温度补偿方案的可行性。实验结果表明在近60 ℃范围内的温度冲击下,研制的微型光谱仪能够达到波长标准误差小于0.1 nm,波长最大误差小于传感器系统所要求的0.3 nm,满足初始的设计要求。该微型光谱仪的创新之处在于采用了优化的交叉式C-T光路作为色散系统且基于引入参考光的方法实现了实时温度补偿功能。