无传感器自适应光学系统中的基于残差网络的像差校正
| 自由空间光通信（FSOC）的性能常受大气湍流影响。无传感器自适应光学（SLAO）系统是克服大气湍流影响的有效方法，其控制算法的性能直接决定着系统能否有效校正波前像差。本研究提出采用残差网络（ResNet）替代传统控制算法，通过减少迭代次数显著提升了FSOC系统的实时性能。最终训练模型在训练集上的准确率达到0.98，在测试集上达到0.92。仿真结果表明，随机并行梯度下降（SPGD）算法需要700倍的迭代次数且至少500次才能达到与ResNet相当的性能。我们通过实验验证了ResNet模型的可行性。 |
| 本研究将ResNet作为控制算法应用于自由空间光通信系统（FSOC）的自适应波前校正（SLAO）系统，用于测量和修正波前像差。通过训练精心设计的ResNet模型，该方法可直接从CCD图像中获取直接寻址微镜（DM）的控制信号。相较于我们先前的研究，此方法能避免迭代计算，有效提升FSOC系统的实时性能。仿真结果显示，SPGD算法需要700倍的迭代次数且至少500次迭代才能达到ResNet的性能水平。基于ResNet的SLAO系统控制算法显著提升了FSOC系统的实时性能，为未来FSOC系统设计提供了重要参考。此外，我们可针对实际工程场景创建更多针对性数据集进行离线训练，以优化ResNet算法的校正效果。通过自制实验平台验证模型分类能力后，我们对实验结果和存在的问题进行了分析。我们认为需改进训练模型数据集中四阶与五阶泽尼克系数区间划分方式，并重点聚焦弱湍流与中等湍流环境下的湍流强度特征。因此，如何将ResNet作为强湍流环境下的波前校正控制算法，仍是当前面临的主要挑战之一。当前更优的解决方案是将ResNet与SPGD等传统算法结合使用：通过传统控制算法处理由ResNet算法分类不准确或强湍流干扰引发的少数异常情况，而让ResNet负责处理中度至弱湍流及大多数常规场景。这种组合方案既能保证前端信号控制（FSOC）系统的实时性能，又能进一步提升波前校正效果和系统稳定性。这正是我们未来研究的重点方向。 |
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间联系我们，我们将协调进行处理，最终解释权归旭为光电所有。
