抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法技术

本发明专利技术提出一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，称作卡尔曼随机并行梯度下降算法(Kalmanstochasticparallelgradientdescent)(KSPGD)，用于当存在光电探测噪声时提高空间激光束光纤耦合效率。传统随机并行梯度下降(Stochasticparallelgradient descent)(SPGD)算法通过实时测量目标函数值估计迭代点梯度，进而按梯度下降的方式更新迭代点。因此当目标函数测量存在较大噪声时，迭代点梯度估计值会振荡，因而影响算法的收敛性能。针对这一问题本发明专利技术提出的KSPGD算法利用目标函数模型信息，通过卡尔曼滤波算法得到迭代点梯度的最优加权估计，提高梯度估计值的准确性，进而抑制测量噪声对算法收敛性能的影响。将该方法应用于自适应耦合系统上，采用KSPGD算法的系统在不同大小的噪声下均能稳定收敛。系统在不同大小的噪声下均能稳定收敛。系统在不同大小的噪声下均能稳定收敛。

【技术实现步骤摘要】
抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法


[0001]本专利技术属于优化算法及光电应用领域，具体涉及一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，其为一种用于自适应光纤耦合系统的抑制光电探测噪声的优化控制方法。

技术介绍

[0002]星地激光通信等空间激光束传输中光纤耦合是一个重要环节，光纤耦合效率直接影响通信效率。自适应光纤耦合技术是一种提高接收端光纤耦合效率的方法。随机并行梯度下降算法(SPGD)是自适应耦合系统中常用的一种优化控制算法。然而光电探测噪声会影响算法的收敛性能，在噪声强度较大的情况下算法甚至不收敛。
[0003]Hu Qintao等(Hu,Qintao,Zhen,Liangli,Mao,Yao,Zhu,Shiwei,Zhou,Xi,Zhou,Guozhong.Adaptive stochastic parallel gradient descent approach for efficient fiber coupling[J].Optics Express,2020,28(9):13141
...

【技术保护点】

【技术特征摘要】
1.一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，其特征在于，包括以下的步骤：步骤(1)：建立优化迭代过程中梯度变化的动态方程；步骤(2)：估计自适应光纤耦合系统目标函数模型；步骤(3)：建立梯度预测方程；步骤(4)：计算观测梯度值；步骤(5)：建立梯度更新方程；步骤(6)：按梯度下降方式更新迭代点。2.根据权利要求1所述的一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，其特征在于：步骤(1)的梯度变化的动态方程为：步骤(1)的梯度变化的动态方程为：其中，是u
t
处的梯度，A是单位阵，Δu
t+1
＝u
t+1
‑
u
t
为前后迭代点之差，H
t
是u
t
处的Hessian矩阵，表示梯度的测量，C是单位阵，w
t
、v
t
分别表示过程噪声和测量噪声，为高斯噪声。3.根据权利要求2所述的一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，其特征在于：步骤(2)中目标函数模型需要对具体优化问题进行分析，应用场景即只考虑低阶倾斜像差校正的自适应光纤耦合系统，目标函数可以看成是一个高斯函数：其中，u1、u2为1、2阶倾斜项系数，A、B为待定系数，进一步可以得到步骤(1)中的Hessian阵：4.根据权利要求3所述的一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，其特征在于：步骤(3)中梯度预测方程为：P
t+1|t
＝AP
t|t
A
T
+Q,(6)其中，为梯度在迭代t时...

【专利技术属性】
技术研发人员：亓波，彭锦锦，毛耀，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：