基于光纤Fabry-Perot滤波的光纤激光温度传感系统

提出并设计了一种基于氢氟酸腐蚀技术制备光纤微腔的方法,并通过熔接4.5mm长的单模光纤构成全光纤(Fabry-Perot,F-P)多光束干涉滤波结构,其主干涉谱周期为20.7nm,次级干涉谱周期为1.4nm;在此基础上,以光纤F-P滤波器作为选频器件搭建了掺铒光纤激光系统,实现了中心波长1560.40nm,信噪比15.441dB,3dB线宽0.28nm的窄线宽激光输出。实验中通过温度加热平台分别对光纤F-P滤波器进行升温和降温实验,在360~430℃的温度实验范围内,升温过程中激光波长产生红移,传感系统的温度灵敏度为13.80pm/℃,线性拟合度为99.82%;降温过程中激光传感系统的温度灵敏度为13.36pm/℃,线性拟合度为99.44%。本研究为高精度高温传感提供了一种激光系统测量方法。

可调谐Fabry-Perot滤波器的研究与发展趋势

可调谐Fabry-Perot滤波器在光纤光栅传感及光纤通信中有重要的应用,文章对几种新型的Fabry-Perot滤波器的结构,性能和用途进行了介绍,给出了其发展趋势。

反射相移对小腔长可调谐Fabry-Perot滤波器滤波特性的影响

为具备尽量宽的波长调谐范围,可调谐Fabry-Perot滤波器(TFPF)作为分光器件应用于高光谱遥感时其腔长必须很小。不同于传统Fabry-Perot干涉仪,当TFPF的腔长与谐振波长相当时,其反射镜上的反射相移不可忽略。本文基于传输矩阵方法,在宽光谱范围内对介质反射镜的反射相移和TFPF的滤波特性进行了数值计算。结果显示,考虑反射相移后TFPF表现出更高的光谱分辨率,并且波长调谐范围被压缩。研究成果对面向高光谱遥感应用的TFPF的结构设计和波长校准具有指导意义。

基于光纤Fabry-Perot滤波器的电光混合光学双稳态

提出了一种新型的电光混合光纤光学双稳装置,它由波长为1.55μm带尾纤的DFB半导体激光器、全光纤可调谐Fabry_Perot滤波器和电光反馈电路构成。实验中通过改变输入光强实现了光学双稳运转。讨论了该双稳器件在激光光强稳定器和光纤传感器方面的应用。

新型光纤传感用角度调谐Fabry-Perot滤波器

提出一种光纤传感用可调谐滤波器方案,使用伺服电机驱动滤波片匀速旋转,利用改变入射光角度的方式实现连续调谐波长输出。结合光纤传感的解调原理,设计了基于DSP芯片的伺服电机控制电路。通过选择PID控制算法及PID参数稳定伺服电机转速,在1 530～1 570nm的波长调谐范围内,该滤波器实现了比较高的重复性和稳定性,由电机转速抖动误差造成的解调波长的误差控制在±10pm内,成本低,控制方便,可用于光纤传感系统。

微带交指带通滤波器小型化结构设计

文中提出在终端短路式交指带通滤波器的开路端引入一段微带加载线,使谐振器产生尺寸跳变。通过改变微带加载线的线宽,增加谐振器的等效电感值,从而实现降低该带通滤波器中心频率的目的,并且给出了在设计指标下,随加载线宽变化中心频率变化的经验公式。对X波段的微带交指带通滤波器和微带线尺寸跳变进行了研究,研究数据表明:谐振器越短,中心频率往高频偏移越多;微带线尺寸跳变越大,中心频率往低频偏移越多。通过合理减小谐振器长度和增加微带加载线线宽,滤波器整体长度减小而宽度不变,且改进前后滤波特性不发生改变,达到了滤波器小型化的目的。通过在HFSS中建立滤波器模型并进行仿真,改进后增加了传输零点,回波损耗更加稳定,谐振器长度减小10%,微带加载线线宽增加0.15 mm,整体滤波器尺寸减小10%,验证了所提出结构的可行性。

基于混合滤波的RSSI无线网络测距算法

针对基于ZigBee网络的节点接收信号强度指示(received signal strength indication,RSSI)在复杂环境测量会产生偏差的问题,提出一种基于混合滤波的无线网络测距算法。该方法在运用卡尔曼滤波的基础上融合了基于中值自适应加权高斯滤波的混合滤波,首先用卡尔曼滤波算法去除波动性较大的RSSI值,再利用中位值抗差性原理和自适应函数降低RSSI数据的波动。仿真实验结果表明,混合滤波无线网络测距算法能够较大程度减小异常值带来的波动,有效提高RSSI采样精度。

基于指数滤波模型的青藏高原根系层土壤水分估算研究

高精度、长时序的土壤水分数据对青藏高原陆-气相互作用研究十分重要。然而,当前青藏高原土壤水分研究大多聚焦表层土壤水分的卫星反演,根系层土壤水分的估算研究相对匮乏。基于青藏高原五个土壤水分观测网络(狮泉河、帕里、那曲、黑河上游、玛曲)数据,本文系统评估了指数滤波模型在青藏高原不同气候与下垫面区域估算根系层(10 cm/20 cm/40 cm)土壤水分的适用性,探讨了不同环境因素(土壤、气候、植被)对模型特征时长参数T值的影响,最后评估了利用三种方法(各观测网络或青藏高原站点最优T值(Topt)中位数、随机森林模型)获取的区域T值估算青藏高原根系层土壤水分的可靠性。研究发现:(1)随着土壤深度的增加,根系层与表层土壤水分的相关性降低,而其空间异质性增大,导致指数滤波模型的应用精度降低,而模型T值及其空间异质性增大;(2)空间上随着降水量和土壤含水量的增加,根系层与表层土壤水分的相关性增大,而其空间异质性降低,使得指数滤波模型的应用精度上升,而其在区域内不同站点应用精度的差异呈现降低趋势;(3)土壤性质尤其是砂土含量是控制青藏高原区域T值空间分布的主要因素;(4)T值的获取对指数滤波模型在青藏高原的应用精度影响较小,当前常用的区域Topt中位数和随机森林模型均能获取相对合理的区域T值和取得一致且相对准确的模拟结果。本研究的发现有望推动利用指数滤波模型基于卫星表层土壤水分资料准确获取青藏高原根系层土壤水分。

Fabry-Perot腔滤波器的数学模型

将信号与系统的知识应用于Fabry-Perot(FP)腔滤波器的分析和设计中,避免了繁琐的矩阵运算,而且FP腔滤波器同整个系统紧密地联系在一起,使其成为一个以传递函数为特征的器件,更易于理解和优化设计.

基于光纤光栅的多腔Fabry-Perot滤波器透射特性理论分析

理论分析了基于光纤光栅的全光纤多腔Fabry-Perot(FP)结构透射谱特性,推出包含任意多个腔时的传输矩阵函数通用公式以及对称两腔结构的能量传输率具体计算公式,给出在光栅阻带内中心波长处产生单谐振传输峰需满足的条件,并通过数值计算进行了验证。在此基础上比较分析了单腔与两腔FP结构下,中心波长1550 nm处产生谐振透射峰的光谱特性,结果表明引入两腔结构后谐振峰的平坦性及其过渡带滚降特性都得到了改善。详细计算并模拟了腔长及光纤光栅特性变化对两腔FP结构透射谐振峰谱型造成的影响,总结出滤波器设计原则,并得出结论:增大光纤光栅反射率能够优化谐振峰滚降特性,通过适当选取腔长及光栅反射率大小,此结构能够用于窄带单通道选择或多通道波长的解复用。

平顶响应的热光可调谐Fabry-Perot滤波器

制作了一种平顶响应的热光可调谐滤波器,通过用湿法腐蚀方法将半波长的共振腔分成具有不同光学厚度的两部分,并且使入射光照射到两部分的面积基本上相等,实现平顶响应特性。对该滤波器的输出响应进行检测,实验结果与理论模拟符合,相对透射率的极大值与极小值间的起伏度小于0.01。与实现平顶响应的其他方法相比,本滤波器器件的制作工艺简单,平顶性能优越,容易与其他有源和无源光子器件集成。还给出了制作几十μm量级的共振腔实现平顶窄带响应的热光可调谐滤波器的机理,其输出响应的起伏度小于0.02,3dB带宽小于1nm。

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明:所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的遮挡干扰问题。

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。

基于多端口参数提取和主动空间映射法的腔体滤波器设计

为提高微波腔体滤波器的设计效率,文中提出了一种基于多端口参数提取和空间映射法的滤波器快速设计方法。通过添加额外内部端口提取腔体滤波器电磁模型的Y参数,从而计算出耦合矩阵,再结合空间映射法将求解滤波器理想尺寸问题转换为逼近理想耦合矩阵问题。最后设计并加工了一款四阶同轴腔体滤波器,在初值偏差很大的情况下,经过四次迭代即可得到满足指标的滤波器物理尺寸,实物调试结果和仿真结果一致性良好,从而证明了文中方法的快捷有效。

基于改进自适应滤波的MEMS陀螺振动误差抑制研究

本文提出一种基于改进自适应滤波的MEMS陀螺随机振动误差的补偿算法。该算法采用简化Sage-Husa自适应滤波算法估计量测噪声,并通过协方差匹配技术引入收敛性判据抑制了滤波的发散,它提高了实时性且减少了计算量。实验结果表明:经过改进算法滤波后,MEMS陀螺随机振动误差的方差减少97.76%,与常规卡尔曼滤波相比,改进算法的方差减少了72.66%,验证了改进的自适应卡尔曼滤波算法可以有效地抑制MEMS陀螺因随机振动引起的输出误差。

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

稀疏约束与时间一致的背景感知相关滤波目标跟踪

背景感知滤波算法通过循环移位采集真实负样本,有效解决了边界效应.但在复杂场景例如遮挡、快速移动、背景干扰等,其较大的采样区域导致过多背景在杂波干扰,从而影响跟踪效果.针对这一问题,本文首先提取灰度HOG特征与颜色CN特征来提高目标外观模型,在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征,增强滤波器在复杂背景下的判别能力.同时针对BACF在跟踪过程中目标快速变化,本文引入时间正则项提高滤波器抑制畸变的能力.最后,本文提出了一种独立的尺度滤波器算法,准确提供目标尺度大小.实验仿真结果表明,在公开数据集OTB-2013和OTB-2015上,本文算法较基准算法有很大提升,能够较好应对不同复杂场景下的跟踪难题.

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

基于联合GLMB滤波器的可分辨群目标跟踪

针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题,结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先,采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息,并利用HGM结果提升量测与预测状态之间的关联性能。其次,通过图理论计算邻接矩阵,获取群结构信息和子群数目。随后,利用群结构信息估计协作噪声,进而校正目标的预测状态。最后,通过平滑算法改善滤波效果,并设置轨迹长度阈值,使其在平滑状态达到消除短轨迹的目的。仿真实验表明,所提算法在线性系统下能有效提升群目标跟踪性能。