0 引言

光束位置探测器是同步辐射光束线上至关重要的仪器, 它可以检测光束的位置与光斑的大小, 提高光束位置探测器的分辨率与缩短测量时间一直是国内外研究的重点^[1-2].丝扫描探测器是上海光源使用最广泛的探测器之一, 其工作可靠、操作方便, 适应性强, 具有其他探测器不可替代的优势^[3].目前, 上海光源丝扫描探测器信号信噪比较差且有毛刺干扰, 需人工识别并截选拟合范围, 人工误差较大且操作繁琐, 耗时较长; 拟合算法误差较大, 迭代用时较多; 其分辨率约100 μm, 数据处理时间较长, 不能满足光源二期建设中对高性能丝扫描探测器的要求^[4].本工作设计光信号自动拾取丝扫描测量系统, 目的是改善上海光源丝扫描探测器的上述不足.

1 丝扫描探测器简介

丝扫描探测器是一种利用一根或多根丝扫描光束横截面来探测其光强分布的设备, 它主要由扫描丝及支架套件、直线导入器、导轨、电机等几个部分组成, 结构如图 1所示.使用时, 导轨与水平面呈45 $^{\circ}$ 放置以保证两根扫描丝可以在水平和竖直方向扫描光束, 两根扫描丝交叉固定在C形支架上, 顶部马达通过直线导入器使C形支架沿着导轨方向运动, 扫描丝扫过光束就可感应出电流, 通过双芯接头将电流引出连接到信号采集设备上, 即可得到电流强度随扫描丝运动位置的变化曲线.

丝扫描探测器依据光电效应原理进行测量.扫描丝在光束的照射下内部电子会被光子激发出来, 留下的正电荷将形成电流, 其电流强度正比于光子数且相对于空间位置服从高斯分布, 扫描丝一端绝缘, 另一端连接电流检测器, 通过检测其电流曲线可知光束的横截面光强分布情况, 通常将电流曲线的高斯拟合中心作为光束中心位置, 其2倍半高宽作为光斑大小.

2 系统设计 2.1 多进程优先级采样系统

丝扫描采样系统主要包括信号采集、运动控制、人机交互这3个部分, 在测量过程中, 系统同时启动数据采集卡和驱动马达, 扫描丝匀速运动, 信号采集卡高速连续采样, 并不断将采集到的数据存入本地文件, 扫描完毕后马达反向驱动将扫描丝带回初始位置.为应对突发情况, 防止探测器损伤, 本探测器在滑台支架上安装了两个全程可调高精度机械限位开关, 扫描丝运动超出规定范围将触发报警.系统同时需要处理与用户界面的信息交流, 包括数据采集卡和运动控制卡的参数配置、实时波形和工作状态的显示、停止命令、结果显示等.采样过程中系统存在多个进程同时进行, 为了保证系统运行的安全与可靠, 本系统设计了多进程优先级管理机制.采样过程中存在按重要性依次排序的进程如下:第一, 硬件限位报警监听; 第二, 采集卡缓存状态检测, 缓存数据读取; 第三, 扫描丝位置到达监听; 第四, 马达运动状态读取; 第五, 前面板波形显示与参数设置, 各进程在采样过程中并发执行, 通过排队系统轮流占用CPU.硬件限位报警采用中断方式通知系统, 如出现报警立即停止所有任务并结束程序, 响应速度最快; 采集卡缓存状态查询设定为高优先级, 可跳过任务等待队列, 执行周期为5 ms, 缓存满即执行读取、解码、存储, 并且如果在最迟的时间内没有执行读操作, 系统会发出漏读报错; 其余任务为低优先级, 通过设置不同的循环执行周期、调整各任务出现在等待队列中的频率来控制各任务执行的机会, 扫描丝位置检查周期为5 ms, 马达运动状态读取周期为10 ms, 前面板波形显示与参数设置周期为10 ms以上.

2.2 丝扫描信号处理方法 2.2.1 信号预处理

丝扫描采集的信号易受到可见光、电子学噪声、机械振动等多种因素的干扰, 信号信噪比差, 常出现毛刺干扰, 影响光信号拾取与拟合参数初值估测的准确性, 不利于丝扫描探测器分辨率的提高, 高速连续采样的样本数量巨大, 难以快速获得测量结果.由此, 采用如下步骤对信号进行预处理:首先, 对信号进行FIR低通滤波, 根据信号的频谱特征, 将截止频率设定为5 Hz; 接着, 采用平均法降采样, 依次统计信号中每1 000个样本点的平均值, 将得到的平均值作为新的样本组成降采样信号, 减小数据处理规模, 降低噪声; 最后, 进行中值滤波, 统计信号中每个样本与其前10个样本和后10个样本的中值, 将此中值作为该样本的新值, 中值滤波可有效滤除信号中的异常点, 消除信号毛刺.

2.2.2 光信号拾取

光信号出现位置确定步骤如下:首先, 应用Allen特征函数^[5-6]放大信号幅度变化特征, 其特征函数为

$ \begin{align} CF(k)=X(k)^2+[X(k)-X(k-1)]^2, \end{align} $

(1)

其中, $X(k)$ 为样本值, $k$ 为样本序号, $CF(k)$ 为样本序号 $k$ 位置的幅度变化特征量.

然后, 对上述幅度变化特征量应用长短时平均法(STA/LTA, Short Time Average/Long Time Average)^[7-8]粗略识别光信号出现位置, 其计算公式为

$ \begin{align} {\rm STA}(i)/{\rm LTA}(i)=\frac{\sum\limits_{k_1 }^i {CF(i)} /(i-k_1 +1)}{\sum\limits_{k_2 }^i {CF(i)} /(i-k_2 +1)}, \end{align} $

(2)

其中, $CF$ 为Allen特征量, $i$ 为当前样本序号, ( $i-k_{1}+$ 1)为短时间窗长度, ( $i-k_{2}+$ 1)为长时间窗长度, $k_{2}< k_{1}<i$ .本方法中, 短时间窗长度选为10, 长时间窗长度选为100.

长短时平均法是一种应用广泛的信号检测方法, 通过计算短时间窗内信号能量与长时间窗内信号能量的比值来反映相应位置的信号幅度变化情况, 如果信号幅度开始明显变化, 该比值会上升, 超过阈值可判定当前样本序号为信号出现位置, 本方法中阈值设定为2.长短时平均法适应性强、拾取效率高, 但精度有限, 所以取结果位置序号前后各5倍短时间窗长度划定为信号出现范围, 再由以下方法精确判定位置.

最后, 在上述方法划定的结果范围内根据赤池准则(AIC, Akaike Information Criterion)^[9]按如下公式计算

$ \begin{align} {\rm AIC}(k)=k{\rm var}(X[1, k])+(L-k){\rm var}(X[k+1, L]), \end{align} $

(3)

其中, $X(i)$ ( $i$ =1, 2, $\cdots$ , $L$ )为样本值, $L$ 为选择窗口大小, 本方法 $L$ =100, $k$ 遍历窗口内的所有样本点, var为方差, 窗口内对应AIC最小值的序号 $k$ 即被判断为信号出现点.

赤池准则是一种自回归算法, 通过将窗口内信号分割成两组数据, 分别计算两组数据的方差并乘以对应组长得到AIC值, 当分割点选为信号幅度开始明显变化位置时, AIC值最小.该方法准确性好, 适合小区间内的精确定位.

将信号逆序处理后重复上述步骤, 即可得到光信号消失位置.

2.2.3 拟合参数初值估测

列文伯格-马夸尔特(Levenberg-Marquardt, L-M)法^[10]是目前使用最广泛的最优化算法, 它同时具有梯度法和牛顿法的优点, 较其他拟合方法具有收敛速度快的特点.准确地拟合参数初值预测会减少拟合迭代次数以缩短算法用时, 降低拟合误差.本方法使用L-M法对信号进行高斯拟合, 其初值估测参数包括数学期望 $\mu $ 、标准差 $\sigma $ 、偏置常数 $c$ 、最大幅值 $m$ .

标准差 $\sigma $ 的初值估测对高斯拟合至关重要, 对于高斯分布, 经推导, 横坐标为 $\mu -\sigma $ 与 $\mu +\sigma $ 的两点导数绝对值最大, 即变化率最大.找到信号上升与下降阶段变化率最大的两点 $X_{1}$ 与 $X_{2}$ , 估测标准差 $\sigma $ , 其公式为

$ \begin{align} \sigma =\dfrac{X_2 -X_1 }{2}. \end{align} $

(4)

对于 $X_{1}$ 与 $X_{2}$ , 由能量随距离变化率公式确定

$ \begin{align} E(i)=[X(i+1)-X(i)]^2/\Delta L, \end{align} $

(5)

其中, $X(i)$ 为样本值, $\Delta L$ 为两个样本间隔的实际距离, 本方法中 $\Delta L$ =0.017 68 $\mu $ m, $E(i)$ 为 $i$ 位置的能量随距离变化率, 信号上升与下降过程中对应的 $E$ 最大值点即为 $X_{1}$ 与 $X_{2}$ .能量变化率法具有很好的可靠性和适应性, 能够准确地反映斜率最大值点的位置.通过统计信号最大值点幅度及对应的样本序号可估测最大幅值 $m$ 与数学期望 $\mu $ , 通过统计无光信号时的噪声平均幅度可估测偏置常数 $c$ .

3 实验结果与讨论

本装置在上海光源线站BL09B上进行测试, 其能量为3.5 GeV, 电流为5 mA.实验所用扫描丝为镀金钨丝, 测试光束为白光, 主机为研华工控机(CPU主频2.6 GHz, 内存1G).

3.1 预处理效果

预处理前后信号对比如图 2所示, 左图为未经预处理, 按1 000:1比率抽取的原始信号, 右图为预处理过的信号.由图可知, 原始信号掺杂了很多噪声且有毛刺, 经过FIR(Finite Impulse Response)低通滤波、平均法降采样、中值滤波的预处理步骤, 信号变得平滑, 毛刺噪声完全被消除, 信噪比得以明显提高, 有利于后续光信号自动拾取与高斯拟合.

3.2 光信号拾取效果

信号经预处理后由Allen函数放大其幅度变化特征, 对得到的特征量信号进行长短时平均(STA/LTA), 得到结果如图 3所示, 左图为从信号始端到中心(幅度最大值点)的STA/LTA; 右图为从信号末端到中心的STA/LTA, 其横坐标为信号逆序后序号.以左图为例, STA/LTA在序号区间300 $\sim $ 400陡然升高, 在 $i$ =357时STA/LTA超过阈值2.由此说明, 光信号出现在此位置附近, 导致原始信号幅度有明显变化, STA/LTA激增.右图同理, 汇总判断结果如表 1所示.

本方法经过大量试验确定短时间窗长度、长时间窗长度、阈值的取值.短时间窗平均值反映信号幅度瞬时变化情况, 短窗过小, 则对短时干扰敏感, 易造成误触发的错误判断, 过大则不能反映信号幅度变化特征; 长时间窗大小取值应能反映相对于短窗信号的背景噪声水平.对于阈值, 过大会造成漏触发, 过小会造成误触发.

在上述结果范围内应用赤池准则, 得到结果如图 4所示, 左图为光信号出现位置附近范围AIC; 右图为光信号消失位置附近范围AIC, 其横坐标为信号逆序序号.可以看出, AIC值先变小后变大, 对应最小值的横坐标即被判断为幅度明显变化点, 即光信号出现或消失点, 最终判断结果为, 光信号出现位置为 $i$ =355, 消失位置为 $i$ =1 749, 所以, 系统截选355 $\sim $ 1 749为高斯拟合区间, 此结果与人工识别位置很好地符合.

3.3 拟合参数初值估测结果

通过能量随距离变化率找到信号上升与下降阶段斜率最大值点, 进而估计标准差 $\sigma $ , 能量变化曲线如图 5所示, 左图为从信号始端到中心的能量变化率; 右图为从信号末端到中心的能量变化率, 其横坐标为信号逆序后的序号.以左图为例, 能量变化率在450 $\sim $ 800水平较高, 其变化率最大值点即被判断为高斯分布的 $\mu-\sigma $ 点, 右图同理.对原始信号进行数理统计得到其他参数初值, 汇总结果如表 2.

通过准确的拟合参数初值估测, 拟合误差可由原55.57 mV $^{2}$ 降为44.80 mV $^{2}$ , 拟合算法平均用时由原9 ms降为5 ms.

3.4 系统分辨率

在上海光源线站BL09B上对此测量系统进行反复测试, 图 6为10次连续重复测量同一光束的结果, 左图为对光束中心位置的测量, 右图为对光斑大小的测量.通过计算10次测量结果的标准差, 得到测量系统的光束位置测量分辨率为48.3 $\mu $ m, 光斑大小测量分辨率为38.4 $\mu $ m.由于测量点光斑受光源点光抖动影响会发生漂移, 实际分辨率要好于测量值, 上海光源光束抖动控制在5 $\mu $ m以内, 此分辨率的测量误差小于5 $\mu $ m; 该探测器从扫描完毕至给出测量结果之间的数据处理时间缩短至166 ms左右, 有利于系统快速给出测量结果.

4 结论

本文设计了光信号自动拾取丝扫描测量系统, 该系统采用平均法降采样、中值滤波等方法, 可有效降低信号噪声, 消除毛刺干扰, 通过长短时平均法与赤池准则相结合精确拾取光信号以实现高斯拟合区间截取的自动化, 通过能量变化法等估测拟合参数初值可降低拟合误差与缩短拟合用时, 经测试, 该设计可以有效提高丝扫描探测器的分辨率与缩短数据处理用时, 可为高性能丝扫描探测器设计提供有利参考.