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。     

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。     

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。     

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。     

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。     

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。     

基于随机并行梯度下降算法光纤激光相干合成的高精度相位控制系统

随机并行梯度下降(SPGD)算法是实现大功率主振荡功率放大器相干合成的有效手段之一.分析了SPGD算法用于相干合成的基本原理,设计了基于SPGD算法的相位控制系统,给出了基于该SPGD控制器的相干合成实验结果.理论分析表明,SPGD算法控制器的迭代速率为200kHz,对于两路相干合成的平均控制带宽大于12.5kHz,最优控制精度可达1/179个波长.实验表明,SPGD控制器能够实现高速的相位控制.在相位噪声幅度大于1/10个波长、频率为3kHz的情况下,有效地实现了两路激光的相位锁定,相位残差控制在1/25个波长内.     

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。     

随机并行梯度下降算法性能与变形镜排布规律的关系研究

对随机并行梯度下降算法(SPGD)性能与不同变形镜排布规律的关系进行了研究。以采用Roddier方法生成的由52项Zernike像差构成的畸变波前为整形对象,对SPGD算法的收敛速率和整形效果与变形镜排布规律(单元数分别为19、21、32、37、45、60、61、77、91)之间的关系进行了仿真研究。结果表明:从整体分析,随着变形镜单元数逐渐增多,SPGD算法的收敛速率和整形效果均逐渐变差;从局部分析,由于变形镜元胞类型变化和边缘占空比的影响,在渐变规律中产生了局部差异。     

基于随机并行梯度下降算法的光束相干合成技术

介绍了随机并行梯度下降算法的基本原理,对算法流程进行了仿真验证,并对其中随机扰动幅度和增益系数两个关键参数进行了仿真分析。分析结果表明,这两个参数存在一个最适区间,只有在此区间内取值时算法才能有效收敛。以仿真分析为依据开展了光纤激光的相干合成实验,结果表明光束相干合成效果显著,有效地验证了仿真分析的结果。