Extended Kalman Smoothing of Free Spin Precession Signals for Accurate Magnetic Field Determination

技术摘要：利用扩展卡尔曼平滑处理自由自旋进动信号以实现精确磁场测定

问题陈述
准确测定静态磁通量密度依赖于对极化原子核（如 $^3$He）自由自旋进动频率 ($f_L$) 的测量，其关系式为 $f_L = \frac{\gamma}{2\pi}B_0$。虽然 $^3$He 的旋磁比 $\gamma$ 已被精确测定（相对不确定度 $<10^{-9}$），但目前磁场测量的整体精度受限于核磁共振（NMR）信号频率估计的精度。传统方法主要采用非线性最小二乘拟合（特别是正弦-余弦拟合，即 SCF），在处理自由进动衰减（FPD）信号时面临显著挑战。这些信号表现出指数级的振幅衰减以及由磁场漂移引起的随时间变化的频率偏移。传统方法通常需要将数据划分为固定长度的区块，以假设振幅和频率恒定，这产生了一种权衡：短区块可以适应漂移，但会因噪声导致高方差；长区块可以减少噪声，但无法追踪快速变化的频率或振幅衰减，从而导致模型失配和偏差。

方法论
作者提出了一种将扩展卡尔曼平滑器（EKS）应用于估计 FPD 信号中随时间变化的频率和振幅的新颖方法。与在实时运行的标准卡尔曼滤波器不同，EKS 利用所有可用测量值（过去和未来的数据）来优化状态估计，因此非常适合处理传感器数据的后处理。

该方法包含以下关键组成部分：

1. 状态空间建模：系统在频域而非时域进行建模。信号被分割成互不重叠的区块。对于每个区块，状态向量 $x_k$ 包括振幅 $A_k$、频率偏移 $\delta f_k$ 和相位 $\phi_k$。状态的演化被建模为集成随机游走（用于振幅和频率）和数值积分（用于相位）。
2. 测量方程：EKS 并非直接拟合时域信号，而是将模型预测与信号区块的离散傅里叶变换（DFT）系数进行比较。这将在频域内将时域信号的加性高斯噪声转化为独立的高斯噪声分量，从而显著降低噪声方差。
3. 参数优化：模型的静态参数（过程噪声协方差 $Q$、测量噪声协方差 $R$ 以及初始值）通过期望最大化（EM）算法进行自动优化。这使得该方法能够适应信号特性，而无需手动调整区块长度或噪声参数。
4. 参考方法：使用变量投影法分离线性与非线性参数的标准正弦-余弦拟合（SCF）方法对 EKS 进行基准测试。在 SCF 方法中，最优区块长度是通过在模拟中回顾性地确定，以使均方误差（MSE）最小化，这代表了传统方法的“最佳情况”。

核心贡献

• 算法创新：本文引入了一个专门用于追踪具有缓慢变化频率和衰减振幅的谐波信号的频域 EKS 框架，并利用傅里叶系数作为测量模型。
• 自动适应：该方法消除了手动选择区块长度或噪声参数的需求，而这些参数在最小二乘拟合中是关键且难以调优的步骤。EM 算法负责优化过程噪声和测量噪声协方差。
• 全面基准测试：研究通过广泛的模拟（改变信噪比 SNR 和频率漂移扩散常数）以及来自 $^3$He 磁力计的真实实验数据，对 EKS 和 SCF 进行了严格对比。

结果

• 模拟研究：在广泛的信噪比（SNR）和频率漂移率范围内，EKS 系统性地降低了估计误差，优于 SCF。在具有中高 SNR 和演化频率的机制下，EKS 将频率估计提高了约 2 倍（由 $\rho_{RMSE,f} \approx -1$ 表示）。仅在极低 SNR 且频率漂移可忽略不计的情况下，SCF 才会优于 EKS，此时它接近克拉美-罗下界（Cramér–Rao lower bound）。
• 振幅估计：EKS 在估计信号振幅方面显著优于 SCF，因为当信号发生指数衰减时，SCF 固定的区块内恒定振幅的假设会导致性能退化。
• 实验验证：在应用于时长约为 4 小时的 ^^3He 自旋进动测量实验数据时，EKS 展示了卓越的频率波动追踪能力。相比之下，使用大区块长度的 SCF 估计无法解析快速频率变化（例如在 ~300s 处的向上突跳），并表现出不可靠的不确定度区间；而 EKS 则保持了稳定的追踪。值得注意的是，EKS 实现的不确定度区间与使用近两个数量级更小区块长度的 SCF 相当，证明了其在不牺牲精度的前提下具有更高的时域分辨率。

意义
论文声称，基于 EKS 的分析实质性地提高了 NMR 磁力计中频率估计的准确性，而这是绝对磁场测定的基础步骤。通过有效地过滤噪声并自动适应信号衰减和频率漂移，该方法增强了测量的高稳定性与高精度。作者强调，这种多功能方法对于追踪随时间变化的磁场波动特别有用，这是现代磁力计应用的关键要求。这项工作提供了一种稳健、易用的实现方式，不依赖于系统特定参数，使其成为取代当前超高精度 NMR 测量中尖端最小二乘法的有力竞争者。