论文部分内容阅读
与常规自适应光学(AO-Adaptive Optics)技术相比,无波前探测AO技术省去了对波前信息的测量和重构,而是将波前校正器所需的控制信号作为优化参数,通过对性能指标的优化与实现,获得近似理想情况下的校正效果。简单的硬件实现、无需测量与重构波前信息及对复杂条件情况下较强适应能力的特性,拓展了常规AO技术的应用空间。文中开展了针对基于随机并行梯度下降(SPGD-stochastic parallel gradient descent)算法的无波前探测AO技术及基于分段随机扰动幅值的SPGD算法研究与分析。以数值仿真为主要手段,进行了传统SPGD算法的原理性研究与分析,深层次验证了传统SPGD算法对静态大气湍流波前畸变的校正特性。同时,详细分析了影响传统SPGD算法收敛特性的主要因素,且针对固定增益系数0.85,在初始随机扰动幅值的最优取值范围内分别取不同的值,采用传统SPGD算法对静态大气湍流畸变实施校正。通过仿真分析,随机扰动幅值0.2,传统SPGD算法的收敛特性最优。首先,基于对SPGD算法的详细分析可知,其收敛特性相对较慢,因此本文初步提出了基于分段随机扰动幅值的SPGD算法。其次,基于61单元变形镜,建立无波前探测AO系统模型,进行了针对前65阶Zernike多项式模拟的满足Kolmogorov谱大气湍流畸变波前的校正分析,并初步得出了基于分段随机扰动幅值的SPGD算法校正后的收敛特性较最优参数时传统SPGD算法提高了近1.6倍及最佳分段数L?4(5*c)的结论。同时,间隔c为0.01,分段数L为80,对最优初始随机扰动幅值的取值区间进行了研究与分析,并初步得出了最优取值区间0.3~1.5 rad的结论。最后,建立了光学实验平台,进行了针对AO系统的校正能力的深层次验证。