一种实时高精度波前畸变相位补偿系统技术方案

本发明专利技术公开了一种实时高精度波前畸变相位补偿系统，包括变形镜、分束器、第一聚焦透镜、第二聚焦透镜、接收模块、CCD相机、U

【技术实现步骤摘要】
一种实时高精度波前畸变相位补偿系统


[0001]本专利技术涉及一种实时高精度波前畸变相位补偿系统，属于无波前传感自适应光学领域。

技术介绍

[0002]随着科技的高速发展，传统的射频通信系统无论是在通信速率、亦或是在数据容量方面均已无法满足社会发展对高速通信业务的急剧需求。自由空间相干光通信因具有通信速率快、信息容量大的突出技术优势，被认为是突破现有高速通信瓶颈的重要技术手段。然而，在实际应用中光信号会受到大气湍流造成的光强闪烁、光束漂移等负面效应，严重影响自由空间相干光通信系统的通信质量。
[0003]无波前传感自适应光学相比于常规自适应光学最大的特点就在于不使用波前传感器探测波前畸变，而是通过优化算法直接控制波前校正器对信号光进行优化，成为近年来大气湍流抑制、提高自由空间相干光通信系统通信质量的主要研究方向之一。国外美国罗切斯特大学的S.W.Paine和J.R.Fienup等人使用基于传统InceptionV3网络架构的无波前传感自适应光学系统对波前像差进行了有效的预测。日本大阪大学的Y.Nishizaki等人使用基于CNN的神经网络精准计算出前32阶Zernike系数。国内曹景太等使用随机并行梯度下降(Stochastic Parallelism Gradient Descent，SPGD)算法在自由空间相干光通信系统中校正波前像差，仿真和实验的结果均表明SPGD算法可以有效补偿波前畸变，提升自由空间相干光通信系统的通信质量。马慧敏等提出了一种基于卷积神经网络的无波前传感算法，仿真结果显示，经过畸变补偿后，光斑的斯特列尔比有了明显提高。以上方法存在着如下问题：
[0004]1、负责提供训练样本的大气湍流模型大多使用基于Zernike多项式的方法进行仿真，这种方法产生的湍流样本存在高频信息不足的问题，容易使利用这些样本训练后的网络模型传感精度不高从而导致无法精确补偿波前畸变相位。
[0005]2、负责控制波前重构模块的优化算法大多使用传统卷积神经网络，这些网络模型存在处理数据能力较弱的问题，无法实现波前畸变相位的实时补偿。
[0006]因此设计一种采用无波前传感算法进行波前畸变相位实时精确校正的系统是一项迫切需要解决的技术难题。

技术实现思路

[0007]本专利技术为解决上述技术问题，提供一种实时高精度波前畸变相位补偿系统，系统结构简单，成本低，畸变相位校正算法处理数据能力强，网络训练所使用的样本精度高，有利于实现波前畸变相位的实时高精度补偿。
[0008]为解决上述技术问题，本专利技术所采用的技术方案是：
[0009]一种实时高精度波前畸变相位补偿系统，包括变形镜、分束器、第一聚焦透镜、第二聚焦透镜、接收模块、CCD相机、U
‑
Net卷积神经网络处理模块和波前重构模块；
[0010]波前重构模块根据U
‑
Net网络处理模块提取出的波前畸变相位信息产生相应的驱动电压，变形镜在驱动电压的控制下发生形变校正畸变波前进而输出调制光信号；经过变形镜校正的调制光信号经分束器，一路经过第一聚焦透镜到达接收模块，另一路经第二聚焦透镜后被CCD相机采集；CCD相机采集的光强图像数据输入U
‑
Net网络处理模块；U
‑
Net网络处理模块利用预测畸变相位信息与实际畸变相位信息构成的样本误差损失函数对网络参数进行迭代更新，直至达到设定的最大迭代次数K则停止迭代更新；
[0011]U
‑
Net网络处理模块进行迭代更新的样本误差损失函数为：
[0012][0013][0014][0015]其中，评估索引为j，Relu(x)＝max(0,x)；p
(j)
表示实际畸变相位；表示预测畸变相位；
[0016]预测畸变相位的具体表达式为：
[0017][0018]误差越小表示预测畸变相位与实际畸变相位越接近，最后将训练集中所有样本误差的平均来衡量网络模型预测的质量，具体表达式为：
[0019][0020]其中，m为样本数。
[0021]本专利技术技术方案的进一步改进在于：设定波前重构模块输出的初始驱动电压向量为利用公式(6)对驱动电压向量进行迭代更新：
[0022]v
(k+1)
＝v
(k)
+γΔv
(k)
ΔJ
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)，
[0023]其中，v
(k+1)
、v
(k)
分别为第k+1次迭代和第k次迭代所得的驱动电压向量；γ为正增益系数；为第k次迭代时生成的扰动电压向量，Δv
(k)
中各元素服从伯努利分布，且各元素的绝对值固定，取正负号的概率均为1/2；ΔJ
(k)
为性能指标J的变化量，根据公式(7)计算得到：
[0024][0025]分别为正方向与负方向的性能指标变化，分别根据公式(8)、(9)计算
得到：
[0026][0027][0028]其中J[v
(k)
+Δv
(k)
]与J[v
(k)
‑
Δv
(k)
]分别是电压向正方向与负方向变化时的性能指标目标函数；J[v
(k)
]是第k次迭代的驱动电压向量的性能指标目标函数；变形镜根据迭代后的驱动电压发生形变，从而补偿波前的畸变相位。
[0029]本专利技术技术方案的进一步改进在于：所述变形镜采用19单元、21单元、32单元或45单元的变形镜。
[0030]本专利技术技术方案的进一步改进在于：所述样本数m≥70000。
[0031]本专利技术技术方案的进一步改进在于：所述网络参数为网络的卷积核参数和标量偏差。
[0032]本专利技术技术方案的进一步改进在于：所述最大迭代次数K≥4000。
[0033]本专利技术技术方案的进一步改进在于：所述U
‑
Net网络处理模块预先使用海量精确样本对其进行训练，并采用残差块对其进行优化，所述的海量精确样本来自基于功率谱反演法模拟的精确大气湍流仿真模型。
[0034]本专利技术技术方案的进一步改进在于：所述为1V
‑
1.5V。
[0035]本专利技术技术方案的进一步改进在于：所述增益系数γ为1.2
‑
1.6。
[0036]本专利技术技术方案的进一步改进在于：所述为0.2V
‑
0.3V。
[0037]由于采用了上述技术方案，本专利技术取得的技术进步是：
[0038]本专利技术通过基于U
‑
Net网络的无波前传感闭环校正系统对波前畸变相位进行实时准确补偿；CCD相机负责采集光强信息(通常是光斑亮度值或光斑能量分布图)，这些信息比波前像差更容易获得；U
‑
Net网络与波前重构模块根据采集到的光强信息生成相应的驱动电压控制变形镜发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时高精度波前畸变相位补偿系统，其特征在于：包括变形镜(1)、分束器(2)、第一聚焦透镜(3)、第二聚焦透镜(4)、接收模块(5)、CCD相机(6)、U
‑
Net卷积神经网络处理模块(7)和波前重构模块(8)；波前重构模块(8)根据U
‑
Net网络处理模块(7)提取出的波前畸变相位信息产生相应的驱动电压，变形镜(1)在驱动电压的控制下发生形变校正畸变波前进而输出调制光信号；经过变形镜(1)校正的调制光信号经分束器(2)，一路经过第一聚焦透镜(3)到达接收模块(5)，另一路经第二聚焦透镜(4)后被CCD相机(6)采集；CCD相机(6)采集的光强图像数据输入U
‑
Net网络处理模块(7)；U
‑
Net网络处理模块(7)利用预测畸变相位信息与实际畸变相位信息构成的样本误差损失函数对网络参数进行迭代更新，直至达到设定的最大迭代次数K则停止迭代更新；U
‑
Net网络处理模块(7)进行迭代更新的样本误差损失函数为：Net网络处理模块(7)进行迭代更新的样本误差损失函数为：Net网络处理模块(7)进行迭代更新的样本误差损失函数为：其中，评估索引为j，Relu(x)＝max(0,x)；p
(j)
表示实际畸变相位；表示预测畸变相位；预测畸变相位的具体表达式为：误差越小表示预测畸变相位与实际畸变相位越接近，最后将训练集中所有样本误差的平均来衡量网络模型预测的质量，具体表达式为：其中，m为样本数。2.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：设定波前重构模块(8)输出的初始驱动电压向量为利用公式(6)对驱动电压向量进行迭代更新：v
(k+1)
＝v
(k)
+γΔv
(k)
ΔJ
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)，其中，v
(k+1)
、v
(k)
分别为第k+1次迭代和第k次迭代所得的驱动电压...

【专利技术属性】
技术研发人员：刘宇韬，郑明伟，徐苗，付广伟，
申请(专利权)人：燕山大学，
类型：发明
国别省市：