国家点火装置功率传感器的反卷积不确定性

发布时间: 2019-06-20 14:21:02   作者:本站编辑   来源: Proc. SPIE   浏览次数:

     

  研究人员使用蒙特卡洛方法来产生来自国家点火装置诊断系统反卷积测量的误差条。通过对诊断系统已知脉冲响应函数(IRF)的掩蔽和归一化过程,研究人员实现减小波形所有点的反卷积测量误差超过两倍。该技术通常可用于已测得IRF的反卷积。

1.     

  美国国家点火装置(NIF)的光路中有超过100个传感器,通过光电二极管和数字示波器对脉冲波形进行测量。利用系统已测得的脉冲响应函数(IRF)可进行获取数据的反卷积。由于测得的脉冲和IRF都会受到测量噪声的影响,因此这两部分的噪声会传递到反卷积结果中。两者反卷积输入的信号预处理可以将测量噪声对反卷积的贡献降到最低,尽管某些形式的反卷积误差传输对报告和验证已使用预处理技术的有效性是必需的。

  尽管蒙特卡洛误差传播是最常用的通解,我们还进行了一些对反卷积和傅里叶变换中误差解析传播的尝试。不含扩展解析推导时,蒙特卡洛方法正确地传播了的经过反卷积输入预处理产生的降低后的噪声。在本文中,我们通过反卷积算法使用蒙特卡洛模拟传播我们的测量噪声,并利用这告知已使用的信号预处理技术的选择,来最小化传播误差。产生的误差传播将进一步用于在反卷积结果上附加误差条。

2.     

  

  1. 反卷积过程的方块图。该过程重复10000次来进行生成误差统计的蒙特卡洛仿真

  仿真模拟在MATLAB中进行(图1.)。根据获得的测量结果估算出一个初始信号输入和IRF。数据和IRF进行卷积,然后进行噪声处理来匹配系统的噪声谱。IRF随后单独进行噪声处理,来匹配相同的噪声谱。经过噪声处理的卷积数据和IRF成为反卷积的两个输入。在这些生成后,使用一个四步算法进行反卷积和误差分析:掩蔽IRF,归一化IRF,应用滤波反卷积,使用蒙特卡洛仿真模拟生成误差统计。

  相较于其记录长度,IRF在时间上的持续时间非常短——50ns的记录中IRF只占据4-5ns的时间,其余部分都是噪声(图2.)。为了处理IRF并消除寄生噪声,IRF会被掩蔽,通过信号幅度超过或低于噪声基底≥5个采样点来分别确定开始和结束边界点的位置。采用五阶超高斯掩蔽。掩蔽后,我们对IRF归一化,使其与初始带噪声的IRF的面积相同。处理IRF之后,会进行五阶超高斯低通滤波傅里叶反卷积。

  为传播这一反卷积的误差,使用了蒙特卡洛仿真。通过大量尝试,上述过程会以相同的噪声谱重复,时间轴上每个点的反卷积结果的标准差即为传播误差。据发现10000次尝试足够获得传播误差的一致估计。

  

  2. 点火波形和功率探测器IRF。包括稳定时间在内的IRF持续时间,比波形的持续时间短约10

  3.      结果和讨论

  3.所示是反卷积结果的传播误差。填充线在该点具有比标准差高三倍的高度,因此在该点它们可作为误差范围内99.7%的置信限度。新的掩蔽和归一化方法比先前的方法减少了两倍以上的误差(图3.)。除了减少反卷积的误差,现在还可以使用这一技术预测获得数据的误差范围。

  用以实现误差减少的两种处理技术是IRF的掩蔽和归一化。IRF掩蔽方法在不影响真实信号的情况下,通过消除噪声区域的方法提高信噪比。一种保守的掩蔽方法会让额外的噪声进入而非掩蔽信号。噪声会扰动点火波形的积分区域;再归一化消除了这一扰动,并降低反卷积波形的噪声。掩蔽和归一化技术可应用于任何IRF,通过识别信号低于噪声基底的位置来实现近似的提升。使用蒙特卡洛模拟产生误差条的方法更广泛地应用于任何涉及测量IRF和数据的反卷积。

  

  3. 与没有进行噪声归一化的IRF(左)相比,归一化后的IRF(右)可使反卷积的幅值误差明显减少。此外,这一技术还能用于预测获取数据的误差范围

  同样的技术也应用于点火波形,成果有限。与约50个采样点未掩蔽的IRF波形相比,点火波形有约1000个采样点未掩蔽。由于点火波形具有较大的采样点数,噪声对积分区域的扰动明显小于IRF

  在没有扩展的解析推导时,蒙特卡洛仿真成功地通过反卷积算法传播了测量噪声。然而,蒙特卡洛过程的计算强度非常大,需要额外的工作使其更适用于实时应用。由于蒙特卡洛仿真的迭代是独立的,且其运行时间由FFT操作控制,这一过程需要大量的计算和GPU并行工作。

  摘译自:Deconvolution uncertainty for power sensors at the National Ignition Facility, Dominic M. Carrano; Ryan D. Muir. Proc. SPIE 10898, 108980Q

我来说两句
您尚未登录,请登录后发布评论! 【马上登录
评论列表
已有 0 条评论(查看更多评论)
友情链接
 
电话:021-69918000 传真:021-69918800
360网站安全检测平台 Powered by SIOM Copyright © 2014 www.siom.ac.cn, All Rights Reserved pv总量 访客数总量