XiaoMi-AI文件搜索系统
World File Search System误差源
精确相对定位的概念方法...
由小型低成本 GPS 记录设备收集的 L1 相位测量是导航方法的基础，旨在独立于任何辅助系统精确测量（飞行）轨迹。在一个移动接收器在两个不同时间进行的两个测量之间形成单一差异，可以在长达几分钟的时间间隔内实现低分米范围内的相对精度。该方法不需要空间或地面增强系统、第二个附近的基站接收器或任何（静态）初始化模式。这一事实大大降低了用户在极端偏远地区经常在恶劣的现场条件下操作时需要处理的复杂性。该方法利用消除歧义的优势，而不是努力估计每个相位测量都有偏差的这些未知量。本文推导了本构导航方程，并讨论了限制可能处理间隔的各种误差源的理论方面。该方法通过静态和动态参考数据进行了验证。最后，介绍了在凯尔盖朗群岛使用时差法测量信天翁动态翱翔的 GPS 活动的初步结果，并使用时差法处理了示例数据。
应用于 GPS/INS 集成系统的 MEMS 不同误差建模之间的比较
摘要：微机电系统 (MEMS) 的发展进步使得制造廉价、小尺寸的加速度计和陀螺仪成为可能，它们被用于许多需要进行全球定位系统 (GPS) 和惯性导航系统 (INS) 集成的应用中，即，识别轨道缺陷、地面和行人导航、无人驾驶飞行器 (UAV)、许多平台的稳定等。虽然这些 MEMS 传感器成本低廉，但它们会出现不同的误差，从而在短时间内降低导航系统的准确性。因此，有必要对这些错误进行适当的建模，以尽量减少这些错误，从而提高系统性能。在本研究中，我们展示并比较了目前用于分析影响这些传感器的随机误差的最常用技术：我们详细研究了自相关、Allan 方差 (AV) 和功率谱密度 (PSD) 技术。随后，还实现了惯性传感器的分析和建模，其中结合了自回归 (AR) 滤波器和小波去噪。由于低成本 INS（MEMS 级）的误差源包括短期（高频）和长期（低频）分量，我们引入了一种通过对 Allan 方差、小波去噪和选择分解级别进行完整分析来补偿这些误差项的方法，以实现这些技术的适当组合。最后，为了评估使用这些技术获得的随机模型，扩展卡尔曼
使用周期误差重建估计误差分布的相干贡献
缓解和校准方案对于最大限度地扩大当今的嘈杂中型量子 (NISQ) 硬件的计算范围至关重要，但这些方案通常专门用于解决相干或退相干误差源。因此，量化这两类误差是在对误差抑制工具进行基准测试时理想的特性。在本文中，我们提出了一种可扩展的以周期为中心的方法，用于详细估计相干对硬计算周期误差分布的贡献。我们建议的协议基于周期误差重建 (CER)，也称为 K 体噪声重建 (KNR)。该协议类似于周期基准测试 (CB)，因为它基于泡利保真度估计提供以周期为中心的诊断 [1]。我们在 CER 中引入了一个额外的超参数，允许硬周期在进行泡利旋转之前折叠多次。对我们添加的超参数的不同值执行 CER 可以通过保真度衰减公式的推广来估计相干误差贡献。我们通过量子模拟器上的数值模拟确认了我们方法的准确性，并在三个 IBM 芯片（即 ibmq_guadalupe 、 ibmq_manila 和 ibmq_montreal ）上进行了概念验证实验。在这三个实验中，我们测量了 Z 中存在显著的相干误差偏差。
高精度卫星阻力模型（HASDM）
摘要用于预测低围角颗卫星轨迹的力模型中的主要误差源是大气中的阻力。上部大气密度模型不能充分说明中性密度的动态变化，从而导致预测的卫星位置存在明显的误差。空军空间Battlelab的高精度卫星阻力模型（HASDM）估计值（三天）动态变化的全球密度场。HASDM包括动态校准气氛（DCA）算法，该算法解决了实时大气密度的昼夜和半潮湿变化的相位，从观察到的拖力对低亲属的无效有效载荷和碎屑的拖曳作用来实时，而上层大气密度接近实时。密度校正表示为纬度，局部太阳时间和高度的函数。在HASDM中，时间序列过滤器预测DCA密度校正参数是预测的极紫外线（EUV）能量指数E 10.7的函数，并预测了地磁风暴指数A P，并且是最近（上27天）的密度校正参数的函数。E 10.7索引是由Solar2000模型生成的，Solar2000模型是太阳辐照的第一个完整频谱模型。将在操作上使用估计的密度和预测的密度字段，以显着提高所有低蠕虫卫星的预测轨迹的准确性。
面向可解释的增强智能（AI）进行裂缝表征
摘要：裂纹表征是工业部件和结构的 NDT&E（无损检测与评估）的核心任务之一。如今，执行此任务所需的数据通常使用超声相控阵收集。许多超声相控阵检查都是自动化的，但对其产生的数据的解释却不是。本文提供了一种设计可解释的 AI（增强智能）以应对这一挑战的方法。它描述了一个名为 AutoNDE 的 C 代码，它包括一个基于改进的全聚焦方法的信号处理模块，该方法可创建被评估样本的一系列二维图像；一个图像处理模块，用于过滤和增强这些图像；以及一个可解释的 AI 模块 - 决策树，它选择可能存在裂纹的图像，将那些看起来代表相同裂纹的图像分组，并为每个组生成一份可能的检查报告，供人工检查员审阅。AutoNDE 已在实验室收集的 16 个数据集上进行了训练，这些数据集通过对带有大型光滑平面缺口（包括嵌入式和表面破损）的钢样本进行成像而收集。它已在另外两个类似的数据集上进行了测试。本文介绍了此次训练和测试的结果，并详细描述了一种处理超声波数据中主要误差源（样本表面的起伏）的方法。
基于YOLOv3的高效小交通标志检测方法
摘要 近年来基于深度学习的目标检测框架取得了辉煌的成就。然而，现实生活中的交通标志检测仍然是大多数最先进的目标检测方法面临的巨大挑战。现有的深度学习模型不足以有效地从现实条件下的大图像中提取小交通标志的特征。本文提出了一种基于高效端到端深度网络模型的新型小交通标志检测方法，解决了小交通标志检测难题。所提出的方法将三个关键见解融入已建立的You Only Look Once (YOLOv3) 架构和其他相关算法中，具有速度快、精度高的特点。此外，适当引入网络剪枝以最小化网络冗余和模型大小，同时保持有竞争力的检测精度。此外，还采用了四个尺度预测分支来显著丰富多尺度预测的特征图。在我们的方法中，我们调整损失函数以平衡误差源对总损失的贡献。通过在清华-腾讯100 K交通标志数据集上的实验进一步证明了网络的有效性和鲁棒性。实验结果表明，我们提出的方法比原始的YOLOv3模型取得了更好的准确率，与相关文献中的方案相比，我们提出的方法不仅在检测召回率和准确率上表现出色，而且在检测速度上也获得了1.9 – 2.7倍的提升。
同时对量子比特和运动退相干不敏感的无激光捕获离子纠缠门
囚禁离子具有较长的相干时间、固有的均匀性和较高的门保真度，是量子模拟和通用量子计算的一个有前途的平台[1-8]。实现高保真度多量子比特纠缠门的最常用方法依赖于将内部量子比特“自旋”态与集体运动自由度耦合[1,2,9]。几何相位门——通过运动相空间中封闭的、自旋相关的轨迹产生纠缠——被广泛使用，因为它们对离子温度（在 Lamb-Dicke 极限下）具有一级不敏感性[10-12]。几何相位门利用激光束产生所需的自旋运动耦合，已被用于产生保真度为 ∼ 0 的贝尔态。 999 [7,8]，主要误差来自非共振光子散射[13]。其他无激光方案利用静态[14-19]、近量子比特频率[20-25]或近运动频率[20,26-28]磁场梯度引起自旋运动耦合。虽然无激光方案消除了光子散射误差，并且不需要稳定的高功率激光器，但由于其门持续时间通常较长，因此更容易受到其他噪声源的影响。由于场幅度波动导致的量子比特频率偏移或错误校准是使用微波场梯度实现的无激光门的主要误差源[19,21]。最近的研究表明，通过精心的陷阱设计可以被动地减少其中一些偏移[24]。也可以通过添加控制场来执行动态解耦，从而主动减少它们[18,29-32]；迄今为止，最好的
线性菲涅尔聚光太阳能集热器
Hyperlight Energy（Hyperlight）和美国国家可再生能源实验室（NREL）正在开发一种用于聚光太阳能发电应用的新型低成本线性菲涅尔集热器。Hyperlight 目前正在加州布劳利附近一个半英亩的试点环路中部署其线性菲涅尔集热器技术。聚光太阳能发电集热器的光学性能是整个系统效率的最大损失。准确模拟集热器复杂光学相互作用的能力对于成功实施新的集热器技术至关重要。本研究对 Hyperlight 线性菲涅尔技术的光学性能进行了详细的灵敏度分析，表征了潜在光机误差源对集热器性能的影响。光学模型在 SolTrace 中实现，SolTrace 是一种由 NREL 开发的蒙特卡罗光线追踪软件。首先，使用 SolTrace 分析集热器对主反射器和接收器组件中各个光机误差扰动的灵敏度。然后，采用高保真光机误差模型来捕捉已安装的 Hyperlight 线性菲涅尔集热器的实际性能。灵敏度分析可以提供有见地的指导，以指导在制造和实施新集热器技术期间收紧和放宽公差。
双物种里德伯阵列
1. 实验平台 1 2. 中间电路读出 2 3. 里德堡激光器 3 4. 电场控制 6 5. 静电场的消除 6 6. 静电场对 F¨orster 相互作用的影响 7 7. C 6 和 C 3 系数的提取 8 8. F¨orster 物理的里德堡态选择 8 8.1. 里德堡相互作用景观 8 8.2. 数值研究 9 9. SPAM 校正 10 9.1. 将状态准备误差转化为原子损失 10 9.2. 将测量基映射到“亮，亮” 11 9.3. 读出缺陷 11 9.4. 减轻阻塞测量的 SP 误差 12 9.5. 眼图的 SPAM 校正 12 9.6. QND 测量的 SPAM 校正 12 10. 辅助测量的 QND 性 13 11. 主方程模拟 13 误差源 14 11.1. 阻塞强度 14 11.2. 原子态寿命 14 11.3. 原子损失 14 11.4. 里德堡检测 14 11.5. 失相机制 15 11.6. 双量子比特门的误差预算 15 11.7. 地面-里德堡模拟 16 12. 物种内对的集体驱动 17 13. 具有独立 Rabi 频率的同时驱动 17 14. 量子态转移 17
使用 IoSiS 对太空中的卫星和物体进行高分辨率成像
如今，空间碎片已成为卫星系统的主要威胁之一，尤其是在低地球轨道 (LEO) 上。据官方估计，有超过 700,000 个碎片物体有可能摧毁或损坏卫星。通常，无法从地面直接识别撞击的影响。但是，高分辨率雷达图像有助于检测这种可能的损坏。此外，还可以对未知的空间物体或卫星进行调查。因此，DLR 开发了一种名为 IoSiS（太空卫星成像）[2, 3] 的实验雷达系统，该系统基于现有的转向天线结构和名为 GigaRad [1] 的多用途高性能雷达系统，在传播方向上的分辨率优于 5 厘米。在横向或方位角方向上，通过使用逆合成孔径雷达 (ISAR) 技术，可以获得高空间和距离独立分辨率。该技术基于沿合成孔径从不同角度对物体进行相干观察，需要在轨道通过期间精确跟踪物体。因此，要在距离和方位角上获得相似的分辨率，就必须进行宽方位角观测。对于一个 ISAR 图像，5 厘米的预期空间分辨率意味着大约 25° 的观测角。如此高的空间分辨率不是遥感雷达应用的标准。目前的地球观测系统实现的分辨率在几分米的数量级，比现有系统差一个数量级。因此，这种改进需要相应更高的系统和轨道校正性能。特别是，对雷达电子设备、天线和馈电频率响应进行足够精确的校准至关重要。此外，还必须对观测物体进行精确的轨道测定。本文概述了 IoSiS 雷达系统的主要技术特点。讨论了主要的误差源和相应的解决方案。说明了最终生成几厘米分辨率的雷达图像的校准工作。