基于深度神经网络的大气湍流压缩波前探测

压缩感知技术用于光学波前测量时,常规的斜率恢复方法精度较低,难以测量大气湍流引起的复杂波前,本文利用深度神经网络进行斜率恢复,提高斜率恢复精度,从而提高压缩波前探测方法测量大气湍流波前的精度。传统的压缩波前探测方法在稀疏化过程中忽略相对较小的斜率值,导致波前测量误差的增加。为了快速测量大气湍流引起的复杂波前,本文提出了一种深度神经网络,可以高精度地恢复斜率,从而提高了波前重构的精度。在压缩比为0.1～0.9情况下,基于深度神经网络的压缩波前探测算法（DNNCWS）的波前重构误差PV优于0.014μm,算法的运行时间为4.4 ms。在暗弱星等情况下,残差波前的峰谷值（PV）优于0.011μm。模拟结果表明,DNNCWS具有良好的抗噪声性能。深度神经网络DNNCWS提高了压缩波前的探测精度,可以用于测量大气湍流引起的复杂像差,还可用于其他自适应光学应用,如激光通信和视网膜成像。