基于模型的无波前探测自适应光学系统

基于波前梯度的二阶矩和修正后的远场强度分布近似呈线性关系,设计了一种基于模型的无波前探测自适应光学系统快速闭环控制算法。使用61单元变形镜、CCD成像器件等建立了自适应光学系统仿真平台,并以不同湍流强度下的波前像差作为校正对象,分析了这种基于模型的无波前探测自适应光学系统的收敛速度、校正能力及对不同像差的适应性。结果表明,基于模型的无波前探测自适应光学系统在快速收敛的同时,能够获得接近波前校正器件的理想校正能力。N阶模式像差校正时,系统只需要进行N+1次远场光斑的测量。和现有的各种无波前探测自适应光学系统控制算法相比较,基于模型的无波前探测自适应光学系统所需的测量次数大大减少。     

自适应光学系统几种随机并行优化控制算法比较

 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。     

基于RUN优化算法的波前校正系统

将龙格-库塔优化器用于无波前探测自适应光学系统，提出基于RUN的自适应光学控制方法。以61单元变形镜为波前校正器件，不同湍流强度下的畸变波前为校正对象，建立基于RUN优化算法的自适应光学系统模型。对比分析基于RUN、PSO、DEA和GA等算法的波前校正效果、校正速度和局部极值。结果表明，相比基于粒子群优化算法、差分进化算法和遗传算法的自适应光学系统，在取得相同校正效果时，基于RUN优化算法的波前校正系统在不同湍流条件下的校正速度均提高三倍以上，且RUN算法不易陷入局部极值。研究结果可为基于RUN优化算法的波前校正系统的实际应用提供理论基础。     

自适应光学系统随机并行梯度下降控制算法仿真与分析

随机并行梯度下降算法能不依赖波前传感器直接对系统性能进行优化。以32单元变形镜为校正器,采用随机并行梯度下降算法建立了自适应光学系统仿真模型。通过分析该系统对静态波前畸变的校正能力,验证了随机并行梯度下降算法的收敛性;讨论了算法增益系数、随机扰动幅度与收敛速度的关系,并指出通过算法增益系数的自适应调整可以改进算法的收敛速度。     

基于干扰对消的红外焦平面非均匀性校正算法

红外焦平面器件的非均匀性产生机理复杂,难以准确拟合探测元响应曲线。提出了一种基于相关干扰抵消的非均匀性校正算法,以预先采集到的一帧黑体面源图像做为自适应干扰对消器的参考输入图像,自适应滤波器由参考输入图像迭代计算出待校正红外图像的空间噪声的最佳估计,实现从空间噪声中提取真实图像信号。自适应滤波算法采用变步长最小均方误差算法,减少了算法的运算量,提高了算法的收敛速度。理论分析以及针对实际红外图像的仿真结果表明,提出的算法校正效果好,收敛速度快,更易于工程实现。     

自适应光学系统随机并行梯度下降控制算法实验研究

随机并行梯度下降算法是一种极具应用潜力的自适应光学系统控制算法,具有不依赖波前传感器直接对系统性能指标进行优化的特点。基于32单元变形镜、CCD成像器件等建立自适应光学系统随机并行梯度下降控制算法实验平台。考察算法增益系数和扰动幅度对校正效果和收敛速度的影响,验证随机并行梯度下降算法的基本原理。实验结果表明参量选取合适的情况下,随机并行梯度下降控制算法对静态或慢变化的畸变波前具有较好的校正能力。根据实验结果分析了影响随机并行梯度下降算法校正速度的主要因素。     

基于随机并行梯度下降算法的自适应光学实时并行处理机

基于随机并行梯度下降(SPGD)算法的自适应光学系统通过直接优化系统的性能评价函数来控制波前校正器以补偿光束中存在的波前畸变。但由于算法收敛速度的影响,在一定程度上限制了SPGD在自适应光学系统中的应用。在对SPGD控制算法分析的基础上,充分提取和发掘算法内在的并发性,采用流水线和并行处理技术,设计并实现了基于现场可编程门阵列(FPGA)加数字信号处理器(DSP)的单指令流多数据流(SIMD)结构实时并行处理机,实现了SPGD控制算法由表达层到结构层的优化映射。该处理机应用在激光光束净化自适应光学系统中,同时实现了对变形镜和倾斜镜的控制。实验结果表明,采用基于SPGD算法自适应光学实时并行波前处理机具有很快的收敛速度,可以有效地校正激光出光过程中的光束波前相差和光束漂移误差。     

微机械薄膜变形镜自适应光学系统实验研究

为求出自适应光学系统的最优校正电压, 提出了一种基于改进奇异值分解的闭环迭代控制算法。该算法可通过调节控制参量g1,g2和w,优化模式的收敛速度, 使控制信号快速收敛到一个可靠的局部最优解。搭建基于微机械薄膜变形镜(MMDM)的自适应光学系统, 测量光学影响函数并验证单个电极电压和镜面变形之间的准平方线性关系, 以及各个驱动器电极响应之间的线性叠加性。分别采用模拟眼和人眼出射波前作为原始波前进行实验。实验结果表明, 改进算法能快速有效地对静态或动态畸变波前进行校正, 为基于MMDM的自适应光学系统提供了算法支持。     

基于改进型SPGD算法的涡旋光波前畸变校正

涡旋光束经过大气湍流时,其波前会发生畸变,因此需要对畸变的波前进行校正。无波前传感器的波前畸变校正系统基于随机并行梯度下降算法,可以实现对波前畸变的校正,但算法的收敛速度及稳定性受随机扰动电压的影响。结合深度学习理论中改进的梯度下降算法,对随机并行梯度下降算法中随机扰动电压的迭代方式进行调整,并分析不同湍流强度下改进型算法的校正效果。仿真结果表明:在弱湍流条件下,需优先选择基于RMSprop的改进型算法;而在中等湍流和强湍流条件下则需要结合实际需求从算法的稳定性、性能评价函数大小以及收敛速度等方面考虑,选择合适的校正算法。     

自适应光学系统随机并行梯度下降算法

随机并行梯度下降(SPGD)算法可以对系统性能指标直接优化来校正畸变波前。对基于SPGD算法的61单元自适应光学系统进行仿真模拟,分析了对不同初始静态畸变波前的校正能力,并比较了不同性能指标情况下的算法增益系数、扰动幅度值的选取及校正情况。仿真结果表明:算法收敛速度很大程度上依赖于增益系数和扰动幅度值,对畸变较大的波前,随机扰动幅度在0.50~0.85范围内,性能指标采用焦斑平均半径比采用斯特列尔比取得的校正效果好。     

自适应光学随机并行梯度下降算法波前整形规律仿真

本文首先介绍了基于Zernike模式的SPGD算法对大气湍流畸变波前的整形原理,通过推导得到了关于性能指标的简明表达式,使SPGD算法收敛速率得到明显提升。然后建立了自适应光学随机并行梯度下降算法波前整形系统模型,主要对SPGD算法收敛速率、整形能力和整形效果随波前畸变量和变形镜模型的变化规律作了较为详细的仿真研究,整体定性结果表明：三者的变化规律有一定的相似性,同时利用最小二乘法得到了关于整形能力和整形效果变化规律的定量表达式,若从自适应光学波前整形系统的实时性和简单性考虑,在保证一定整形效果的情况下,选择37单元变形镜对畸变波前的3~27（25）阶Zernike像差进行整形即可。     

基于分区域耦合的随机并行梯度下降自适应光学

基于随机并行梯度下降(SPGD)方法的自适应光学(AO)系统通过直接优化系统的性能评价函数来控制波前校正器以补偿光束中存在的波前畸变。为了提高这种无模型优化自适应光学系统的收敛速度, 提出了基于分区域耦合的新方法以改进传统随机并行梯度下降自适应光学系统的工作方式。将波前校正器光学孔径分成多块子区域, 每块子区域对应着的所有驱动器作为一个整体控制单元, 从形式上可以得到一个空间分辨率较低的分区域波前校正器。该校正器与原校正器同步工作, 并采用随机并行梯度下降算法对同一个性能评价函数进行优化, 从而构成了双校正器的耦合工作结构。对256单元分立活塞式波前校正器建立了自适应成像系统的数值模型, 结果表明这种分区域耦合的随机并行梯度下降自适应光学系统比传统随机并行梯度下降自适应光学系统具有更快的收敛速度和更好的渐近态。     

Hybrid approach used for extended image-based wavefront sensor-less adaptive optics

The stochastic parallel gradient descent(SPGD) algorithm is widely used in wavefront sensor-less adaptive optics(WSAO) systems. However, the convergence is relatively slow. Modal-based algorithms usually provide much faster convergence than SPGD; however, the limited actuator stroke of the deformable mirror(DM) often prohibits the sensing of higher-order modes or renders a closed-loop correction inapplicable. Based on a comparative analysis of SPGD and the DM-modal-based algorithm, a hybrid approach involving both algorithms is proposed for extended image-based WSAO, and is demonstrated in this experiment. The hybrid approach can achieve similar correction results to pure SPGD, but with a dramatically decreased iteration number.     

随机并行梯度下降光束净化实验研究

利用自适应光学技术进行光束净化是高能激光系统中一项重要的研究内容.为实现光束净化系统的小型化和低成本,基于系统性能评价函数无模型最优化的波前畸变校正方法是适合的技术方案.就随机并行梯度下降(SPGD)最优化算法在光束净化系统中的应用展开研究.针对高能激光束常见的像差分布进行了SPGD波前校正的数值模拟,在此基础上构建了37单元自适应光学光束净化实验平台,讨论了双边扰动梯度估计和迭代增益系数自适应变化对算法收敛特性的影响.数值模拟与实验结果验证了SPGD算法对不同程度波前畸变的校正能力,表明了SPGD光束净化方案的可行性.     

Comparison of several stochastic parallel optimization algorithms for adaptive optics system without a wavefront sensor

Optimizing the system performance metric directly is an important method for correcting wavefront aberrations in an adaptive optics (AO) system where wavefront sensing methods are unavailable or ineffective. An appropriate “Deformable Mirror” control algorithm is the key to successful wavefront correction. Based on several stochastic parallel optimization control algorithms, an adaptive optics system with a 61-element Deformable Mirror (DM) is simulated. Genetic Algorithm (GA), Stochastic Parallel Gradient Descent (SPGD), Simulated Annealing (SA) and Algorithm Of Pattern Extraction (Alopex) are compared in convergence speed and correction capability. The results show that all these algorithms have the ability to correct for atmospheric turbulence. Compared with least squares fitting, they almost obtain the best correction achievable for the 61-element DM. SA is the fastest and GA is the slowest in these algorithms. The number of perturbation by GA is almost 20 times larger than that of SA, 15 times larger than SPGD and 9 times larger than Alopex.     

Adaptive optics correction based on stochastic parallel gradient descent technique under various atmospheric scintillation conditions: numerical simulation

An adaptive optics system utilizing a Shack–Hartmann wavefront sensor and a deformable mirror can successfully correct a distorted wavefront by the conjugation principle. However, if a wave propagates over such a path that scintillation is not negligible, the appearance of branch points makes least-squares reconstruction fail to estimate the wavefront effectively. An adaptive optics technique based on the stochastic parallel gradient descent (SPGD) control algorithm is an alternative approach which does not need wavefront information but optimizes the performance metric directly. Performance was evaluated by simulating a SPGD control system and conventional adaptive correction with least-squares reconstruction in the context of a laser beam projection system. We also examined the relative performance of coping with branch points by the SPGD technique through an example. All studies were carried out under the conditions of assuming the systems have noise-free measurements and infinite time control bandwidth. Results indicate that the SPGD adaptive system always performs better than the system based on the least-squares wavefront reconstruction technique in the presence of relatively serious intensity scintillations. The reason is that the SPGD adaptive system has the ability of compensating a discontinuous phase, although the phase is not detected and reconstructed.     

基于Zernike模式的随机并行梯度下降算法的收敛速率

为了加快控制变形镜进行波前整形的随机并行梯度下降（SPGD）算法的收敛速率,提高实时波前整形能力,本文利用由12阶Zernike多项式构成的畸变波前和32单元变形镜建立了仿真模型。基于Zernike多项式的单位正交性,得到了两个常数矩阵,当斯特列尔比（SR）达到0.8时,需要算法迭代660次,简化了算法的运算过程,加快了算法运行时间。通过Matlab7.8.0对6种SPGD算法进行仿真对比,结果显示：当SR要求不高时,可使用间接固定双边SPGD算法来提高收敛速度;当SR要求较高时,则应当使用间接自动双边SPGD算法。提出的算法为实际的激光整形提供了理论指导。