一种基于多算法融合的金刚石NV色心锁频方法及系统

摘要: 本发明涉及量子精密测量、固态量子传感与自动化测控,尤其涉及一种基于多算法融合的金刚石nv色心锁频方法及系统。背景技术:1、随着量子信息科学的快速发展,基于金刚石...
一种基于多算法融合的金刚石NV色心锁频方法及系统

本发明涉及量子精密测量、固态量子传感与自动化测控,尤其涉及一种基于多算法融合的金刚石nv色心锁频方法及系统。

背景技术:

1、随着量子信息科学的快速发展,基于金刚石氮-空位(nitrogen-vacancy, nv)色心的量子精密测量技术在微弱磁场检测、量子态精密操控以及高精度时频同步等领域展现出了巨大的应用潜力。nv色心作为固态量子传感器,其对外部环境(如磁场、电场、温度等)的变动极其敏感。在实际测量中,通常通过采集光检测磁共振(optically detectedmagnetic resonance, odmr)谱线,并将其微波基准频率锁定在共振峰的陡峭边缘,利用荧光强度的变化来实时反演外部物理量的微弱变化。因此,微波频率锁定的鲁棒性与精度直接决定了整机测量系统的分辨率与长期稳定性。

2、然而,在实际工况或长期运行过程中,nv色心精密测量系统面临着复杂的多源环境干扰。首先,环境温度的物理波动会导致金刚石晶格常数发生改变,从而引发共振频点的严重零点漂移;其次,激发激光器的功率抖动与激光器老化以及微弱的机械振动,均会对荧光信号引入强烈的瞬态噪声和基线漂移。

3、传统技术中,通常采用比例-积分-微分(pid)控制算法进行闭环频率锁定。但由于nv色心荧光信号本身的信噪比(snr)较低,且温漂、光漂及机械振动等干扰呈现出非线性、多时间尺度叠加以及突发性的特征,传统pid控制暴露出以下严重缺陷:

4、(1)抗干扰能力弱且存在控制滞后:pid控制器属于反馈控制,只有在频率已经发生偏差后才进行调节,对于突发性的瞬态干扰(如机械振动、突发光漂)无法做到提前抑制,极易导致系统失锁;

5、(2)多源干扰无法有效解耦:长期的慢速温漂与快速的瞬态光漂在荧光响应上交织在一起,传统方法无法在时域上将不同物理机制引发的漂移进行精准解耦,导致控制器的参数难以兼顾“快速响应”与“长期稳定”,在长期闭环运行中常因误差累积而导致锁频精度大幅下降或因共振峰移出扫描窗口失效;

6、(3)自动化程度低且重锁机制繁琐:当环境干扰过大导致系统失锁时,传统系统往往需要人工介入重新进行宽频大范围扫描以寻找共振峰,无法实现 “失锁判定-重捕获-精准窄带锁定”闭环逻辑,难以满足高鲁棒性自动闭环测控需求。

技术实现思路

1、本发明提出一种基于多算法融合的金刚石nv色心锁频方法及系统,解决了现有技术中采用传统pid控制进行闭环频率锁定的方案存在周期滞后且无法有效解耦长短期干扰等问题。

2、本发明的技术方案是这样实现的:

3、本发明第一方面提供了一种基于多算法融合的金刚石nv色心锁频方法,包括以下步骤:

4、步骤s1:基于主控平台配置初始扫描参数,控制微波源输出连续扫频信号并同步采集荧光信号,生成一维odmr谱线数据;

5、步骤s2:将一维odmr谱线数据输入预训练的一维卷积神经网络,输出共振峰中心频率、半高全宽与识别置信度;

6、步骤s3,将识别置信度与设定阈值进行比较,若识别置信度小于设定阈值,则退回步骤s1重新进行宽频扫描;否则根据共振峰中心频率与半高全宽生成窄带扫描窗口,并将微波扫描范围收窄至所述窄带扫描窗口内,然后进入后续步骤;

7、步骤s4:在窄带扫描窗口内持续采集实测共振峰中心频率,利用历史实测共振峰中心频率预测未来共振峰的慢漂移量,并结合当前锁频偏差以预测偏差最小化为目标求解当前周期的最优频率调整增量;同时,对系统受到的实时扰动进行在线观测并输出前馈补偿量;

8、步骤s5:独立于步骤s4并行采集环境温度、激光功率及当前时刻数据,通过扩展卡尔曼滤波从实测共振峰中心频率中分离出温度、激光功率及时间共同引起的长期复合频率漂移分量,得到解耦后的纯净中心频率估计值,并以纯净中心频率估计值更新微波基准频率;

9、步骤s6:结合所述最优频率调整增量、前馈补偿量以及纯净中心频率估计值,计算最终的微波输出频率并实时下发至微波源硬件,完成当前周期的闭环锁频;

10、步骤s7:返回步骤s2执行下一周期的闭环锁频,直至锁频终止。

11、具体地,步骤s1中,所述初始扫描参数包括微波扫描范围、激光功率、微波功率、采样率和平均次数;

12、控制微波源输出连续扫频信号时,生成微波频率扫描序列;在每个频率点重复采集多次荧光信号并取平均值,生成一维odmr谱线数据。

13、具体地,步骤s4中,通过模型预测控制求解当前周期的最优频率调整增量的方法包括以下步骤:

14、将历史若干个周期的实测共振峰中心频率输入lstm预测模块,预测出未来若干个周期的慢漂移量;

15、计算未来各周期的预测偏差:

16、;

17、;

18、其中,表示未来第步的预测偏差;表示当前时刻的锁频偏差;表示第步的微波频率控制增量,为预测的未来第步共振峰的慢漂移量;为当前时刻的微波基准频率,为当前时刻实测的共振峰中心频率;

19、建立滚动优化的代价函数:

20、;

21、其中,为预测时域,为控制时域,为控制平滑惩罚系数;

22、通过二次规划求解使代价函数最小化的最优控制序列,根据滚动优化原理提取第一步的控制增量作为当前周期的微波频率最优调整增量。

23、进一步地,步骤s4中,将系统受到的实时扰动统一视为系统总扰动,通过三阶扩张状态观测器对系统总扰动进行在线观测并输出前馈补偿量,包括以下步骤:

24、所述三阶扩张状态观测器根据上一时刻的状态估计值与控制输入推算当前时刻共振峰中心频率的预测值,并将所述预测值与实测的共振峰中心频率进行比较,获得状态观测误差;

25、依据状态观测误差通过三阶扩张状态观测器的扩张状态观测方程实时估算当前系统总扰动的估计值,使系统总扰动的估计值收敛至真实值;

26、将估算出的系统总扰动估计值取反后作为前馈补偿量输出。

27、具体地,步骤s5中,从实测共振峰中心频率中分离出长期复合频率漂移分量的方法包括以下步骤:

28、定义六维系统状态向量:

29、;

30、其中,为第个采样时刻的系统状态向量,为第个采样时刻的纯净中心频率估计值;为基准零漂系数;为温度一阶漂移系数;为温度二阶漂移系数;为激光功率耦合漂移系数;为时间线性漂移系数;上角标为向量的转置;

31、采用随机游走模型描述状态的时域演化:

32、;

33、其中,为六维状态转移矩阵,用于约束中心频率长期慢漂,以抑制纯随机游走发散;为过程噪声向量,为过程噪声协方差矩阵;表示过程噪声服从均值为0、协方差为的正态分布;

34、构建非线性观测方程:

35、;

36、其中,为第个采样时刻的实测共振峰中心频率,为温度传感器读数,为激光功率传感器读数,为当前采样时刻,为观测噪声,为测量噪声协方差;表示观测噪声服从均值为0、协方差为的正态分布;

37、通过扩展卡尔曼滤波按照标准预测-更新流程对所述状态向量与非线性观测方程进行迭代递归计算,从实测共振峰中心频率中分离出温度、激光功率和时间共同引起的长期复合频率漂移分量。

38、具体地,步骤s6中,计算最终微波输出频率的公式为:

39、;

40、其中,为当前周期的最终微波输出频率,表示当前周期的最优频率调整增量,表示前馈补偿量。

41、本发明第二方面提供了一种基于多算法融合的金刚石nv色心锁频系统,包括:

42、主控平台,作为全流程核心控制中枢;

43、微波源,受控于所述主控平台,用于输出连续扫频信号或窄带精细扫频信号至金刚石nv色心样品;

44、激光器,受控于所述主控平台,用于输出激光至金刚石nv色心样品;

45、光电探测器,用于接收金刚石nv色心样品辐射的荧光信号并将其转化为电信号;

46、数据采集卡,用于采集光电探测器输出的电信号并反馈至主控平台;

47、温度传感器和激光功率传感器,布置于金刚石nv色心样品外围,用于实时监测环境温度及激光功率并反馈至主控平台;

48、所述主控平台基于电信号、环境温度及激光功率,采用上述的锁频方法,实现金刚石nv色心共振峰的闭环频率锁定。

49、本发明第三方面提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述锁频方法的步骤。

50、相较于现有技术,本发明的有益效果在于:

51、(1)本发明通过引入一维卷积神经网络(1d-cnn)对odmr谱线数据进行共振峰快速识别,能够自动输出共振峰中心频率、半高全宽与识别置信度;当置信度低于设定阈值时自动退回宽频扫描重新捕获;这一机制使系统在失锁后无需人工干预即可自动完成“失锁判定-重捕获-精准窄带锁定”的全流程,从根本上解决了传统系统失锁后需人工介入重新进行大范围扫描的繁琐问题,显著提升了系统的自动化水平与运行鲁棒性;

52、(2)本发明通过lstm预测模块对历史共振峰中心频率队列进行时序建模,预测未来多个周期的慢漂移趋势,并基于预测结果构建自适应预测状态方程,通过mpc滚动优化求解使预测偏差最小化的最优频率调整增量;相较于传统pid控制只能在偏差发生后进行反馈调节,本发明实现了对共振峰慢漂移的前瞻性预判与提前调节,有效消除了控制滞后,提升了系统对温漂等慢变干扰的跟踪能力;

53、(3)本发明利用三阶扩张状态观测器(eso)将模型预测控制(mpc)未能预测的外部实时快速干扰统一视为系统总扰动,通过状态观测误差在线估计扰动值并以前馈方式提前补偿;相较于传统pid控制依赖偏差反馈进行事后调节,本发明对瞬态光漂、突发机械振动等快速干扰实现了主动抑制,有效避免了系统因突发扰动而失锁,显著提升了系统的抗瞬态干扰能力;

54、(4)本发明通过扩展卡尔曼滤波(ekf)构建以真实中心频率和多种漂移系数为状态变量的随机游走模型,并建立融合温度、激光功率及时间的非线性观测方程,将多传感器数据融合后进行递归滤波,从实测共振频率中分离解耦出温度、激光功率及时间共同引起的长期慢漂分量,输出经噪声抑制后的纯净中心频率估计值并实时更新锁频基准频率;实现了多种长期漂移的精准解耦与针对性补偿,有效降低了长期运行中的误差累积,提升了系统在长时间尺度上的稳定性。