利用卡尔曼滤波实现超越原子传感器时间分辨率的信号跟踪

我们研究了一个典型原子传感器（通过法拉第旋转探测监测的碱金属蒸气）中时变信号的因果波形估计（跟踪）。我们使用卡尔曼滤波（它最优地跟踪已知的线性高斯随机过程）来估计我们通过光泵浦产生的随机输入信号。将已知输入与估计值进行比较，我们确认了原子统计模型的准确性以及卡尔曼滤波器的可靠性，从而能够恢复远短于传感器固有时间分辨率的波形细节。通过适当的滤波器选择，我们在跟踪部分已知和非高斯信号过程时获得了类似的益处，正如在大多数实际传感应用中所见。该方法规避了相干传感中灵敏度与时间分辨率之间的权衡。