自适应增益的SPGD算法

摘要：

SPGD算法是一种应用广泛的无波前探测自适应光学控制算法.传统SPGD算法中增益系 数保持某一固定值不变,随着变形镜单元数的增加,这将导致算法收敛速度变慢及陷入局部极值的概率增大.Adam优化器是深度学习常用的一种优化随机梯度下降算法,它具有增益系数自适应性调整的特点.将Adam优化器自适应调整增益系数的优势与SPGD算法结合起来用于自适应光学系统控制.分别以32、61、97、127单元变形镜作为波前校正器件,不同湍流强度的波前像差作为校正对象,建立了无波前探测自适应光学系统模型.结果 表明,优化后的算法收敛速度更快,而且陷入局部极值的概率降低,并且随着变形镜单元数的增加与湍流强度的增大,算法的优势更加明显.以上研究结果为基于Adam优化的SPGD算法的实际应用提供了理论基础.

关键词：自适应光学、SPGD、波前校正、变形镜、Adam

所属期刊栏目：49

分类号：TP273.2(自动化技术及设备)

资助基金：国家自然科学基金;江苏省"六大人才高峰"高层次人才项目;人才培养项目;江苏省研究生科研与实践创新计划项目

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25