Kalman濾波時間尺度算法是時間產生和保持工作的常用方法，在守時實踐中具有重要的實用價值。然而，當鐘差數據異常時，會使Kalman濾波時間尺度算法中狀態估計出現異常擾動，從而降低時間尺度的準確性和穩定性。因此，應當對原子鐘異常數據進行實時處理。
　　近日，中國科學院國家授時中心時頻基準實驗室關于原子鐘異常數據情況下改進的Kalman濾波時間尺度算法研究取得了新進展。該研究引入等價協方差矩陣和自適應因子，對Kalman濾波時間尺度算法進行改進。研究構造等價協方差矩陣來控制測量異常值對原子鐘狀態估計的影響，利用統計量實時計算自適應因子的量值來控制狀態預測協方差矩陣的增長，以降低原子鐘異常對狀態估計的影響。
　　該研究從模擬數據和實測數據兩方面原子鐘數據異常情況下的Kalman濾波算法進行分析，并與經典Kalman濾波算法進行比較，結果表明當原子鐘數據異常發生時，改進的Kalman濾波算法能有效抵制異常數據對時間尺度的影響，可以提高時間尺度的準確度和穩定度。研究還分析了測量噪聲為非高斯噪聲情況下的算法性能，比較了最小二乘閾值設置用于異常數據處理的情況，結果顯示改進的Kalman濾波時間尺度優于最小二乘預處理計算時間尺度的穩定度。
　　相關研究成果以A robust Kalman filter time scale algorithm with data anomaly為題，發表在Journal of Instrumentation（Volume 16,June 2021 JINST 16 P06032）上。審稿人認為，算法針對原子鐘數據異常情況提出了一種改進的Kalman濾波時間尺度算法，模擬數據和實測數據均驗證了該算法的有效性，具有實用價值。研究工作得到國家重大科技基礎設施——長短波授時系統、國家自然科學基金、中科院“西部之光”人才培養引進計劃等的支持。
　　圖1.基于兩種Kalman濾波算法的時間尺度穩定度比較
　　圖2.基于兩種算法的原子鐘改正時間偏差比較