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。     

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。     

随机并行梯度下降算法用于次镜校准的仿真研究

将随机并行梯度下降(SPGD)算法应用于共轴三镜系统次镜,无需进行误差测量,可直接通过调节次镜的6个自由度,寻求评价函数的最优值,从而简化了次镜的校准。分析了影响随机并行梯度下降算法校正速度的主要因素,并对其进行优化。仿真计算结果表明,在各参量选取合适的情况下,系统峰谷值及均方根显著改善,从而验证了SPGD算法用于校准次镜的可能性。     

基于点衍射干涉仪的分布式随机并行梯度下降算法

分析了一种光强解耦合的分布式随机并行梯度下降算法,此算法借助近场的波前传感器得到性能指标来得到算法的更新参数,这种性能指标解耦了随机并行梯度下降算法使用的耦合的全场光强,使得算法性能得到提升.分析了一种马赫泽得形式的自参考点衍射干涉仪作为波前传感器.建立两种仿真模型对算法进行了分析,结果表明分布式的随机并行梯度下降算法...     

基于高效随机并行梯度下降算法的板条激光光束净化

为解决传统随机梯度下降(SPGD)算法参数难以实时调节、收敛速度较慢的难题,提出了一种基于自适应增益及联合指标优化的高效SPGD算法,建立了该算法的数值仿真模型,并将该算法用于千瓦级板条激光器的光束净化。仿真结果表明:与传统SPGD算法相比,提出的算法无需参数调节,且收敛速度和收敛效果均有显著提升,在对千瓦级板条激光器的光束净化实验中,激光光束质量β由7.89优化至1.95。     

空间光波前畸变校正中的元启发式SPGD算法

为了改善传统随机并行梯度下降(Stochastic Parallel Gradient Descent, SPGD)算法收敛速度慢且容易陷入局部极值的问题,提出了一种元启发式随机并行梯度下降(Meta-Heuristic SPGD, MHSPGD)算法。该算法将SPGD算法和元启发式算法的开发与探索两步结合,首先利用SPGD算法的梯度下降搜索得到局部最优解,然后进行邻域搜索得到局部最优区域以外的可能最优解,通过所有解性能指标的比较来确定新的迭代起点。随着搜索范围的自适应扩展,该算法能够避免陷入局部极值并趋向收敛于全局最优。同时,为了避免重复搜索,建立了记忆表来记录迭代过程中产生的次最优解。搭建了无波前探测器自适应光学系统模型,运用所提算法对不同湍流强度下的波前畸变进行了仿真校正,并针对不同Zernike阶数的像差进行了仿真实验。在三种湍流强度下,MHSPGD算法所能达到的斯特列尔比(Strehl Ratio, SR)分别为0.7621、0.6554、0.3749,相比于SPGD算法分别提升了0.1%、2%和18.6%。此外,当畸变中含有较多高阶成分时,文中所提优化算法相比传统的SPGD算法,SR收敛到0.6所需的迭代次数减少了约47%,且SR收敛极限值也提升了约9.4%。结果表明:与三种主流优化算法相比,MHSPGD在保持较快收敛速度的同时,能够在各种湍流强度下达到更高的收敛极限,有效地解决了算法的局部收敛问题。     

直接斜率法畸变波前校正的研究

直接斜率法直接将波前传感器的测量量与变形镜的响应特性建立起对应关系,通过算法直接计算出控制电压信号。用64个子孔径的哈特曼波前传感器对畸变波前进行仿真探测,按照变形镜面形为影响函数加权叠加的假设,可以求解出加在各个驱动器上的电压值,进而可以对仿真的32单元变形镜进行控制,校正波前。仿真的结果显示,直接斜率法可以有效校正畸变波前。     

基于随机并行梯度下降算法光纤放大器相干合成的动态模拟与控制带宽分析

对随机并行梯度下降(SPGD)算法校正时变相位噪声的动态过程进行数值模拟,计算不同强度和频率的相位噪声对控制带宽的影响程度,分析控制带宽与光束数目以及算法执行速度之间的关系.计算结果表明,随着相位噪声强度和频率的增加,算法的控制带宽随之减小,带宽大小与参与合成的光束数目N的-4/3次方成正比,与算法执行速度成线性关系.计算结果可为SPGD算法应用至多路高功率光纤放大器相干合成提供参考.     

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.     

随机并行梯度下降自适应光学对主振荡功率放大器激光系统的光束净化实验

主振荡功率放大器(MOPA)固体激光系统中的功率放大器会将热致波前畸变引入到被放大的激光束中,造成输出光束质量变差,可以通过自适应光学(AO)系统实时补偿光束的波前畸变以改善光束质量.采用随机并行梯度下降(SPGD)算法控制一个37单元变形镜,通过光电探测器测量远场光斑的桶中功率作为评价光束质量的判据,建立了一个迭代速率为100 Hz的最优化自适应光学系统,对由Nd:YAG主振荡器与Nd:YAG功率放大器组成的MOPA激光系统在不同抽运电流情况下的输出光束进行了净化实验.结果显示,净化后光束质量都得到了提高,甚至β因子大于9的光束在净化后其β因子也减小了58%,表明基于随机并行梯度下降算法的自适应光学方法确实可以用于光束净化.     

基于梯度下降算法的初级球差校正

固体激光器在实际工作过程中会因腔镜热变形而产生球差效应,使激光的光强分布发生变化、聚焦能力下降、光束质量变差,因此需要校正。基于这一目的,利用梯度下降算法进行了初级球差的校正仿真。首先,建立了初级球差和变形镜模型,变形镜模型针对初级球差选取分立式环形阵列,镜面利用率高。然后,设计出算法的具体实现过程,算法以变形镜单元的位移量为控制对象,以离散化的各部分球差的方差为性能指标。最后,仿真并给出了性能指标与迭代次数的关系、校正后的球差等结果,结果显示达到了预期的校正效果。     

基于梯度下降法的ISAR最小熵相位校正算法

最小熵相位校正算法是一种非常有潜力的ISAR相位校正算法,有多种不同的方法可以实现最小熵相位校正算法,如定点迭代法即是一种典型的最小熵相位校正算法.文中运用梯度下降法来实现最小熵相位校正的方法,并且通过对实测数据的ISAR成像,将梯度下降法与其他方法的收敛速度进行了比较,同时讨论了如何对梯度下降法步长参数进行选择.     

基于随机平均梯度下降和对比源反演的非线性逆散射算法研究

采用非线性对比源反演(CSI)算法求解电磁逆散射问题时,在每次迭代过程中都涉及到求解散射场数据关于对比源和总场的微分,即Jacobi矩阵,该矩阵求解导致算法存在计算代价大和收敛速度慢等问题。该文在CSI框架下,采用一种基于随机平均梯度下降的对比源反演算法(SAG-CSI)代替原来的全梯度交替共轭梯度算法来重构介质目标介电常数的空间分布信息。该方法在每次迭代中只需计算随机抽取的部分测量数据在目标函数中的梯度信息,同时目标函数对未抽中的测量数据的梯度信息保持不变,用以上两部分梯度信息共同求解出目标函数的最优值。由模拟数据结果表明,该方法与传统CSI方法在成像精度相比拟的情况下,降低了计算代价并提高算法收敛速度。

     

一种秩基于降秩共轭梯度法的零陷加宽技术

在自适应阵列处理技术中,零陷加宽技术常用于增强自适应权和数据失配时的鲁棒性,但该技术同时会带来计算量的增加。将零陷加宽技术引入到降秩共轭梯度法中,提出了基于降秩共轭法的零陷加宽技术。相比于常规的零陷加宽技术,该方法有效地降低了计算量。计算机仿真表明,小快拍条件下新算法的干扰抑制性能优于常规零陷加宽法。