一种基于深度学习的激光大气传输光束扩展定标方法技术

本发明专利技术公开了一种基于深度学习的激光大气传输光束扩展定标方法，包括根据激光系统参数和大气统计特性确定训练模型及目标；根据预定训练模型和目标生成数据集；对生成的数据集进行预处理和标准化；进行模型训练、优化和性能表征；将训练好的模型集成化为应用程序接口，用于准实时化的激光大气传输性能测试、评估和预测。本发明专利技术计算精度高、速度快、对大参数范围适用性强，且具有普适性，不受限于具体的激光大气传输方式和场景，实际应用中可以根据激光系统的具体部署，对激光系统特性和大气传输场景进行定制和优化，从而实现更高的定标精度。

【技术实现步骤摘要】

本专利技术涉及激光大气传输性能测试、评估和预测，特别涉及一种基于深度学习的激光大气传输光束扩展定标方法。

技术介绍

1、激光在大气中传输时，激光与大气相互作用将产生一系列的线性与非线性效应，导致其到靶功率降低或作用距离的下降，影响严重时甚至造成功能失效。大气对激光传输的影响主要包括：大气分子和气溶胶的吸收和散射造成的光衰减，大气湍流引起的光束抖动扩展等。当需要传输大能量时，由于大气吸收激光能量加热大气，还会导致非线性热晕效应，以及湍流与热晕的相互作用，造成光束的进一步偏转、扩展和畸变。

2、目前，对激光大气传输各种效应研究已经很深入，有大量的近似物理分析、实验模拟研究和数值仿真计算研究，这些研究成果都为先进光电工程应用发挥了重要作用。但由于大气湍流效应的高度随机性和热晕效应的非线性，涉及的数学物理模型都很复杂，一些近似的估算公式和数值仿真定标公式仍然存在一些问题，包括不同场景下物理模型的适用性、定标模式大参数范围的适用性等等。突出表现为以下两点：首先，对不同效应间影响的平方加和(root-sum-squaring,rss)假设的适用性，学术界并本文档来自技高网...

【技术保护点】

1.一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述扩展定标方法还包括深度学习模型，其中深度学习模型可以为单层神经网络模型、多层神经网络模型、卷积神经网络模型，以及Transformer模型的变形模型。

3.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述激光大气传输，包括准直传输和聚焦传输情形；

4.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述扩展定标方法的光束扩展的...

【技术特征摘要】

1.一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述扩展定标方法还包括深度学习模型，其中深度学习模型可以为单层神经网络模型、多层神经网络模型、卷积神经网络模型，以及transformer模型的变形模型。

3.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述激光大气传输，包括准直传输和聚焦传输情形；

4.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述扩展定标方法的光束扩展的原因包括发射系统像差、发射系统抖动、衍射效应、大气湍流效应、非线性热晕效应中的一个或多个；

5.根据权利要求1所述一种基于深度学习的激光大气传输光束扩展定标方法，其特征在于，所述步骤s1中根据激光系统参数和大气统计特性确定训练模型及目标；<...

【专利技术属性】
技术研发人员：王志强，陆璐，王英俭，乔春红，张京会，冯晓星，邵士勇，黄印博，范承玉，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：