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。     

随机并行梯度下降湍流场光束净化的实时校正实验研究

自适应光学技术可用于补偿高能激光系统出射光束的波前畸变以改善光束质量.为研究随机并行梯度下降(SPGD)自适成光学方法用于光束净化的可行性,分别采用高速光电探测器和高速变形镜作为系统性能评价函数的测量器件和波前校正器件,搭建了迭代速率为100 Hz的SPGD自适应光学系统,并且对通电电阻丝产生的湍流所造成的动态波前畸变进行了实时校正.实验结果显示,此套自适应光学系统能够对在4 Hz以下频率范围内缓慢变化的动态波前畸变进行实时校正,针孔中远场光斑的能量提高2.2倍,稳定性提高1.4倍.这表明SPGD自适应光学系统用于光束净化是町行的.     

基于Zernike模式的自适应光学系统随机并行梯度下降算法

 控制算法的收敛速度一定程度上限制了无波前探测自适应光学技术在实时波前畸变校正中的应用。从理论分析角度提出将模式法和区域法结合起来以提高算法收敛速度,并以61单元变形镜为校正器,建立基于随机并行梯度下降算法自适应光学系统仿真模型。结果表明：达到同样的校正效果时,采用组合优化的算法收敛速度要明显优于基于区域法的收敛速度,从而验证了理论分析的合理性。     

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.     

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。     

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。     

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。     

点目标成像自适应光学随机并行梯度下降算法性能指标与收敛速度

在自适应光学中,随机并行梯度下降(SPGD)算法通过对系统的性能指标直接优化从而校正波前像差,具有很强的应用潜力.在点目标成像自适应光学系统中,SPGD算法经常采用强度分布平方和、平均半径和环围能量作为系统的性能指标进行优化.利用数值仿真分析了三种性能指标与畸变波前的均方根之间的关系.建立了一套实验平台,通过静态波前畸变校正实验,分析了SPGD算法采用以上三种不同的性能指标时的校正效果.实验结果与前面的数值仿真结果一致,表明SPGD取平均半径作为性能指标进行优化时效果较好.实验还分析了控制通道数目对收敛速度的影响.结果表明随着控制通道数目的增加性能指标曲线收敛所需的迭代次数显著增加,与驱动器个数的平方根之间存在一个近似的线性关系.     

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。     

基于随机并行梯度下降算法的相干合成动态相差控制与带宽分析

分析随机并行梯度下降(SPGD)算法用于多路大型固体激光装置相干合成中校正动态相差的能力。首先介绍了SPGD算法实现相干合成的基本理论,利用数值模拟方法对算法进行了优化,实现了两路基于SPGD算法的波长为800nm、带宽为30fs光束的相干合成实验,验证了在外加10,15,20,25Hz动态相差条件下算法的特性,并进一步模拟了动态活塞相差和指向性相差的校正过程,分析了不同相位噪声强度和频率对校正能力的影响,计算了控制带宽与光束路数、算法执行速度之间的关系。结果表明:远场强度分布的平方和是高能短脉冲激光相干合成的最佳性能评价函数;采用自适应增益的方式时,在保证算法稳定性的前提下,提高了算法的收敛速度;随着相位噪声强度和频率的提高,算法的有效控制带宽减小;算法执行速度越快,光束路数越少,则算法控制带宽越大;受限于器件性能,SPGD算法不适用于4路以上带宽为30fs激光阵列的相干合成。     

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。     

基于随机并行梯度下降算法自适应光学系统的校正残差分析

对自适应光学系统随机并行梯度下降控制的校正残差进行了分析。通过对随机并行梯度下降(SPGD)算法校正静态像差的数值模拟,定标出了算法收敛时间与系统变形镜校正单元数的关系。建立了基于随机并行梯度下降算法自适应光学系统的简化控制模型,根据湍流大气的时间功率谱,推导了算法收敛时间与校正残差之间的解析表达式。结果表明,采用N个校正单元的自适应光学系统补偿Greenwood频率大小为f_G的大气湍流带来的动态像差,为保证校正残差σ~2λ/10,随机并行梯度下降算法的迭代速率需大于86 Nf_G。根据一组典型的计算结果指出了自适应光学系统随机并行梯度下降控制作用距离的有限性。     

激光相干合成系统中SPGD算法的自适应优化

激光相干合成技术是目前最常用的实现高功率激光输出的方式,各路光束间的相位不一致是影响相干合成效果的重要因素。研究了用于控制相位的SPGD算法,探讨了SPGD算法的参数优化方法,提出了一种自适应增益策略,并通过仿真分析了固定增益和自适应增益算法的收敛速度、收敛精度。仿真结果表明,通过算法参数的优化选取和自适应增益方法,能够将算法的收敛速度提高12.7%,收敛精度提高0.23%,得到了较好的收敛效果。     

基于正交模式扰动梯度下降算法的自适应光学控制技术

针对无波前探测自适应光学提出一种基于正交模式扰动梯度下降(OP_GD)算法的控制技术。通过与串行扰动梯度下降算法和随机并行梯度下降(SPGD)算法对比,分析了该算法的可行性和收敛速度。在此基础上,采用液晶空间光调制器(LC_SLM)作为波前校正器,建立了基于该控制技术的自适应光学实验装置,实验研究了算法的收敛特性。实验结果表明,正交模式扰动梯度下降算法具有很好的全局收敛性,其收敛速度和SPGD算法相当。但是与SPGD算法相比,正交模式扰动梯度下降算法无需设计伪随机序列发生器,因此硬件实现更加容易。     

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。     

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。     

SPGD算法在光纤激光相干阵列光束控制中的应用

主动相位控制的光纤激光阵列相干合成在提高输出功率的同时能够保证良好的光束质量,其关键技术在于光纤激光相干阵列的锁相控制。基于随机并行梯度下降(SPGD)算法的锁相控制方案不仅具有控制策略简单、系统结构紧凑的优点,而且通过算法性能评价函数和迭代参数的选取,能够对光纤激光相干阵列进行多种锁相控制,从而得到各种形式的阵列合成光束输出,实现与自适应光子锁相元件整列(APPLE)系统阵列的有效契合。理论研究并实验实现了基于SPGD算法的相位控制方案的同相相干合成锁相控制、合成光束主极大偏转控制和空心光束产生等功能,验证了基于SPGD算法的全电光束控制在各种形态光束控制中的可行性。     

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。     

一种自适应光学闭环系统预测控制算法的仿真研究

介绍了校正大气湍流畸变波前像差的自适应光学系统中,基于预测控制技术对变形镜控制电压进行预测以减少自适应光学系统中时间延迟误差的方法.对受横向风影响的大气湍流畸变波前斜率数据,利用数值仿真方法,研究了基于递推最小二乘(RLS)算法的线性预测控制算法对自适应光学系统变形镜控制电压进行超前预测的方法,并与采用比例积分(PI)...     

相干合成中的随机并行梯度下降算法性能研究

随机并行梯度下降算法(SPGD)是一种基于直接性能指标优化的相位控制方法,在自适应光学中有较好的适用性。该算法主要包含增益系数和随机扰动幅度两个可变参数,其取值对算法收敛性有很大的影响。对双边SPGD算法实现收敛时参数的取值要求进行研究,结合算法原理分析了算法参数的取值范围,并通过大量仿真实验找出所有使双边SPGD算法收敛的增益系数和随机扰动幅度值;得到随机扰动幅度的取值下限,理论和仿真分析了下限存在的原因及取值;在相干合成中存在相位噪声,研究了不同相位校正器参数的情况下可使算法收敛的参数的取值范围。