空间光波前畸变校正中SPGD方法的自适应优化

为了提高传统随机并行梯度下降 (Stochastic Parallel Gradient Descent, SPGD) 算法校正波前畸变的性能,提出了一种基于AdaBelief优化器的新型SPGD优化算法。该算法将深度学习中AdaBelief优化器的一阶动量和二阶动量集成到SPGD算法中以提高算法的收敛速度,并使得算法能够自适应地调整增益系数。 此外,对实际增益系数进行自适应动态裁剪以避免因实际增益系数出现极端值而造成的震荡。仿真结果表明:在37单元变形镜 (Deformable Mirror, DM)下,新型SPGD优化算法能够对不同湍流强度下的波前畸变实现有效校正,不同波前畸变经过校正后的斯特列尔比(Strehl ratio, SR)分别提升至0.83、0.47和0.31。此外,该算法在不同湍流强度下的SR仅仅需要149、229和230次迭代达到阈值,与传统SPGD算法及其他优化算法相比有更快的收敛速度,且在稳定性和参数调节方面也具有一定的优越性。     

基于随机并行梯度下降算法的多级波前校正技术

为提高基于随机并行梯度下降(SPGD)箅法的高分辨率自适应光学(AO)系统的有效校正带宽,提出了分级SPGD波前校正的方法.在每一级SPGD波前校正中,将高分辨率波前校正器的控制单元按位置分成多组.每一组都施加相同的控制电压作为一个控制变量.采用的校正级越高,独立的控制变量的数目也越多.多级SPGD自适应光学系统按从低到商的等级顺序对畸变波前进行校正.以一个具有16×16控制单元的分立活塞式波前校正器为基础建立了基于3级SPGD波前校正的自适应光学系统的数值模型,并针对大气湍流引起的某一帧随机相位屏做了模拟校正实验.结果表明采用分级波前校正后收敛速度提高了23%,此方法确实提高了基于随机并行梯度下降算法的自适应光学系统的有效校正带宽.     

基于SPGD算法的激光大气传输湍流效应校正的初步研究

随机并行梯度下降算法(SPGD)是近年来广泛发展的一种无模型优化控制算法,它具有速度快、无需信标光等优点,得以运用于自适应光学系统中.利用相位屏法数值模拟激光大气传输过程,以61单元变形镜为校正器,采用SPGD算法对激光大气传输湍流效应进行了初步校正研究,研究表明: SPGD算法可以用在自适应光学系统中用于校正激光大气传输湍流效应引起的畸变,且不同参数如扰动幅度值、增益系数的选取对校正效果有一定影响,文中给出了不同传输情况下的仿真计算结果.     

基于随机并行梯度下降算法的湍流像差校正仿真

随机并行梯度下降(SPGD)算法可不依赖波前探测直接优化系统性能指标来校正畸变波前.建立了基于随机并行梯度下降算法控制的61单元湍流校正仿真模型,实现了通过该算法控制倾斜镜和变形镜对湍流引起的像差的校正.结果发现,该算法能够找到补偿湍流像差所需的倾斜镜和变形镜的最优面形.采用SPGD算法控制,倾斜镜校正后,远场光斑质心...     

基于随机并行梯度下降算法的望远镜静态像差校正

为校正大口径量子通信望远镜的静态像差,提高接收信号光的能量集中度,提出了基于随机并行梯度下降(SPGD)算法的静态像差校正方法。该方法不同于经典的自适应光学校正方法,无需波前传感器,可有效降低系统的复杂性。对SPGD算法进行了分析,在此基础上利用64单元变形镜和CCD探测器搭建了校正平台,并将该校正平台应用到青海湖量子通信地面站望远镜系统,对700mm望远镜的静态像差进行了校正,远场光斑直径由校正前的58μm改善为30μm,验证了SPGD算法对望远镜波前畸变校正的可行性。     

盐水和沙子上方传输激光束波前畸变校正的对比研究

主要研究激光束在盐水和沙子两种下垫面上方传输时的波前特性,并采用自适应光学系统对波前畸变进行校正。建立了激光传输实验平台,基于自适应光学系统的输入输出数据建立了自适应光学系统模型,基于该模型设计了自适应光学系统闭环控制器,对比了激光束在两种下垫面上方传输时的波前畸变特性与自适应光学系统校正的差异。实验结果显示,在同样辐射加热的条件下,沙面上方的空气湍流对激光束波前影响更剧烈;经自适应光学系统校正后,波前传感器点位移方差在盐水情况下减少了28%,而在沙子情况下减少了10%。该研究为在海洋环境中利用闭环自适应光学系统进行光束波前畸变校正的可行性做出了初步探索。     

基于分段随机扰动幅值的随机并行梯度下降算法研究

为了提高随机并行梯度下降(SPGD)算法的收敛速度,提出了分段随机扰动幅值的改进方法。从理论上分析了固定增益系数时,随机扰动幅值对SPGD算法收敛速度的影响;提出了分段随机扰动幅值的改进方法;基于61单元变形镜,建立无波前探测自适应光学系统模型,对前65阶Zernike多项式模拟的满足Kolmogorov谱的大气湍流畸变波前进行校正。结果表明,采用分段随机扰动幅值的SPGD算法比固定最佳随机扰动幅值时传统SPGD算法的收敛速度提高了近1.6倍,证明了该改进算法的可行性。