A Full Rank Pileup Deconvolution Scheme Suitable for Calorimeter Online Trigger Primitive Generation

本文提出了一种用于量能器在线触发基元生成的满秩堆积反卷积方案，该方案利用ADC采样数与未知数相匹配的确定系统，消除了对稀疏表示等数学假设的需求。

要点

以下是用简单语言和日常类比对该论文的解读。

核心难题：房间里的“回声”

想象你身处一个巨大且充满回声的大厅。每当有人拍手，声音并不会立刻停止，而是会 lingering 并缓慢消散。如果另有人在稍后的一刹那拍手，新的拍手声就会与第一声逐渐消散的回声混合在一起。

在高能物理实验（如大型强子对撞机中的实验）中，探测器就像那个大厅。当粒子撞击探测器时，会产生一个信号（一次“拍手”）。但由于探测器极其灵敏，一次撞击产生的信号需要一点时间才能完全衰减。如果另一个粒子在第一个信号尚未衰减时再次撞击，这两个信号就会堆积并融合成混乱的波形。

科学家们需要确切知道每个粒子是何时撞击的，以及其强度如何。但目前，他们面对的是混乱、融合的波形，并试图猜测各个“拍手”发生的位置。

旧方法：靠数学猜测

通常，当科学家试图解开这种混乱（这一过程称为去卷积）时，他们掌握的信息并不充分。想象一下，你试图弄清楚谁拍了手以及何时拍的，但你只拥有最后 5 秒的录音，而 6 秒和 7 秒前产生的回声仍悬浮在空气中。

由于缺失了“过去”的数据，他们不得不进行数学猜测。例如，他们假设“拍手是罕见的”（这一概念称为稀疏表示）。他们迫使数学模型去寻找用最少数量的“拍手”来解释噪声的解。这就像在解一个拼图，你缺失了一半的拼图块，因此只能基于“画面通常很简单”这一理念，去猜测缺失部分的模样。

新构想：“完整录音”

本文提出了一种新的解谜方法，专门针对在线触发系统（即负责实时决定保存哪些数据的快速计算机）。

作者金源（Jinyuan Wu）指出了“离线”分析（事后查看数据）与“在线”处理（实时查看数据）之间的一个关键区别：

• 离线：你只能获得一小段数据窗口。你缺失了过去。
• 在线：计算机（FPGA）直接连接至探测器。它能在数据产生的同时访问每一个样本，而不仅仅是一小段窗口。

类比：
想象你试图弄清楚对话中是谁在说话。

• 旧方法：你只听到对话的最后 10 秒。你必须基于“人们不会说太多话”的假设，去猜测在此之前是谁在说话。
• 新方法：你拥有从对话一开始就录制的完整录音。你确切知道沉默是从何时开始的。因为拥有完整的历史，你无需猜测。你可以通过数学计算精确得出谁在说话以及何时说话，无需任何假设。

工作原理：“滑动窗口”

本文描述了一种逐步解开信号的方法：

1. 寻找安静点：系统等待加速器处于静默的时刻（即“束流间隙”）。此时，我们确切知道没有粒子撞击探测器。“回声”为零。
2. 解开第一个谜题：利用这个安静的起点，计算机求解接下来几秒的数学问题。它精确计算出信号是什么。
3. 传递接力棒：一旦解出第一个片段，它就取该解的“尾部”，并将其作为下一段时间片段的“过去历史”。
4. 重复：系统不断向前滑动，利用已知的过去来求解当下。

由于系统拥有一个“满秩”矩阵（一种数学说法，意指该谜题拥有唯一且完美的解），且无需猜测，因此它可以分离非常接近的信号，即使它们的峰值看起来已经融合。

结果：清晰且稳定

作者通过计算机模拟测试了该方法：

• 测试：他们创建了一个包含随机“拍手”（粒子撞击）的伪造探测器信号，并加入了一些静态噪声（如无线电干扰）。
• 结果：新方法成功分离了“拍手”，即使它们紧挨在一起。
• 噪声：虽然静态噪声产生了一些微小的“幽灵”信号（虚假的拍手），但它们太小了，无关紧要。
• 长期稳定性：这种“传递接力棒”方法最大的担忧是，微小的误差可能会随时间堆积，导致结果越来越糟。然而，模拟显示，由于探测器信号衰减迅速，误差不会堆积。即使在长时间内，系统也能保持稳定。

总结

本文提出了一种在实时中清理混乱探测器信号的方法，且无需进行数学猜测。通过利用在线计算机能够访问完整数据历史这一事实，它们可以完美地解开谜题，仅通过数学计算而非猜测，就能分离重叠的粒子撞击。作者的下一步是将此方法构建到实际的硬件（FPGA）中，以观察其在现实世界中的表现。

技术摘要

技术摘要：用于量能器在线触发原语生成的满秩堆积反卷积方案

问题陈述
在现代高能物理实验中，亮度的增加导致量能器等探测器中出现显著的“堆积”（pile-up）问题。当模数转换器（ADC）的采样时钟与加速器射频（RF）同步时（例如大型强子对撞机 LHC 中的 40 MHz 或 160 MHz），读出数据代表了探测器脉冲响应（IR）与事件击中序列的卷积。当多个击中在几个束团交叉（BX）内发生时，它们的信号会叠加，导致峰值合并并掩盖单个贡献。

传统用于离线分析的反卷积方法面临一个根本性的数学限制：数据采集（DAQ）系统通常仅记录触发事件周围有限的时序窗口。因此，未知数的数量（实际击中，包括那些刚好在窗口外但对信号有贡献的击中）超过了方程的数量（ADC 采样值）。这导致了一个欠定且秩亏的系统。为了解决这一问题，离线方法依赖于数学先验假设，例如稀疏表示，以约束解空间。然而，这些假设可能不适用于或不必要于在线触发原语生成，因为那里的信号可用性和计算约束存在显著差异。

方法论
本文提出了一种专门设计用于直接连接 ADC 的现场可编程门阵列（FPGA）在线处理的反卷积方案。其核心前提是，在线环境中，所有 ADC 读出值都是可用的，而不仅仅是 DAQ 窗口内的值。这种可用性使得方程组能够被排列成方程数量等于未知数数量，从而形成一个确定的、满秩的系统。

该方法将量能器建模为具有有限脉冲响应（FIR）$h[i]$ 的线性时不变（LTI）系统。ADC 输出 $y[j]$ 是脉冲响应与输入脉冲序列 $x[i]$ 的卷积。

1. 矩阵表述：该过程定义了一个包含 $N+1$ 个采样值的时间窗口。输出向量 $\mathbf{y_0}$ 与输入向量 $\mathbf{x_0}$（窗口内的脉冲）之间的关系表示为 $\mathbf{y_0} = \mathbf{H_0}\mathbf{x_0}$，其中 $\mathbf{H_0}$ 是由脉冲响应构建的 Toeplitz 矩阵。
2. 处理历史：为了考虑当前窗口之前发生的脉冲（历史），引入扰动项 $\mathbf{y_1} = \mathbf{H_1}\mathbf{x_1}$，其中 $\mathbf{x_1}$ 代表 $n$ 个先前脉冲的历史。
3. 递归求解：未知当前脉冲使用公式 $\mathbf{x_0} = (\mathbf{H_0})^{-1}(\mathbf{y} - \mathbf{H_1}\mathbf{x_1})$ 进行计算。
   • 该过程在足够长的束团间隙（例如加速器回旋间隙）处启动，此时已知历史为零（$\mathbf{x_1} = 0$）。
   • 当前窗口计算出的脉冲成为下一个窗口的历史（$\mathbf{x_1}$），从而形成一个递归算法。
   • 为了减轻误差累积，该算法包含一种逻辑：如果计算出的击中与随机噪声无法区分，则强制 $\mathbf{x_0} = 0$。

主要贡献

• 消除数学先验假设：与离线方法不同，该方案不需要稀疏表示或其他数学猜测，因为在线流中所有 ADC 数据的可用性完全确定了该系统。
• 满秩确定系统：通过利用完整的 ADC 数据流，卷积矩阵 $\mathbf{H_0}$ 成为一个满秩的方阵，确保其逆存在，并允许在不依赖正则化假设的情况下进行直接求解。
• 递归在线算法：本文概述了一种适用于 FPGA 硬件的实际递归实现，从已知的零历史状态开始并向前传播解。

仿真结果
作者使用具有有限长度脉冲响应（具有快速衰减和尾部振铃）和随机噪声水平（约 9% 峰峰值）的仿真验证了该方案。

• 恢复精度：仿真表明，即使击中紧密间隔且峰值模糊，实际脉冲也能被正确恢复。
• 噪声处理：虽然噪声引入了微小的“幽灵”脉冲（正负），但与实际信号相比，这些脉冲足够小。
• 噪声累积：进行了一次长窗口仿真以测试递归过程中的误差累积。结果显示没有可见的噪声累积，这表明随着快速衰减的脉冲响应，跨迭代的噪声增益保持小于 1，从而有效地抑制了累积。

意义与主张
本文声称，这种方法提供了一种稳健的、无假设的堆积反卷积方法，专门针对在线触发原语生成而设计。通过利用基于 FPGA 系统中 ADC 数据的完全可用性，该方法将欠定问题转化为确定性问题，消除了离线分析中使用的复杂数学先验的需求。作者指出，迈向实际应用的下一步是该方案在 FPGA 上的实际实现。这项工作作为原理讨论和仿真验证呈现，确立了高亮度环境下满秩反卷积方案的可行性。