自适应光学系统随机并行梯度下降算法 stochastic parallel gradient descent algorithm for adaptive optics system.pdfVIP

第22卷第6期 强 激 光 与 粒 子 束 V01．22，NO．6 HIGH LASERANDPARTICI。EBEAMS 2010年6月 POWER Jun．，2010 文章编号： 1001—4322(2010)06—1206-05 自适应光学系统随机并行梯度下降算法’ 马慧敏， 张鹏飞， 张京会， 范承玉， 王英俭 (中国科学院安徽光学精密机械研究所大气成分与光学重点实验室，合肥23003I) 摘要： 随机并行梯度下降(SPGD)算法可以对系统性能指标直接优化来校正畸变波前。对基于SPGD 算法的6l单元自适应光学系统进行仿真模拟，分析了对不同初始静态畸变波前的校正能力，并比较了不同性 能指标情况下的算法增益系数、扰动幅度值的选取及校正情况。仿真结果表明：算法收敛速度很大程度上依赖 于增益系数和扰动幅度值，对畸变较大的波前，随机扰动幅度在0．50～o．85范围内，性能指标采用焦斑平均半 径比采用斯特列尔比取得的校正效果好。 关键词： 自适应光学； 随机并行梯度下降算法；数值仿真；波前畸变 中图分类号：TP273．2 文献标志码： A doi：IO．3788／HPLP1206 传统的自适应光学系统是利用波前传感器探测畸变波前信息，再控制波前校正器补偿像差。随着该技术 的发展以及应用领域的扩展，传统的自适应光学系统由于波前探测困难而表现出一定的局限性。近几年来，利 用优化算法直接优化系统性能指标的无波前自适应光学控制技术，越来越受到自适应光学领域的重视。1997 改进和完善，针对不同单元数、不同校正器类型、高分辨力波前校正等方面也进行了数值模拟和实验研究，验证 了随机并行梯度下降算法对波前畸变的校正能力。国内对基于该算法的自适应光学技术的研究目前处于起步 自适应光学系统仿真模型，对不同畸变的静态波前进行校正，重点考查和比较性能评价指标选用斯特列尔比和 焦斑平均半径两种情况下算法参数的选取情况和校正效果。 ． 1 自适应光学系统SPGD算法 1．1 SPGD算法在自适应光学系统中的应用 SPGD算法是一种特殊的梯度下降算法，它利用控制参量的变化量6“与系统性能指标测量值的变化量 Ⅳ进行控制参数的梯度估计，并且在进行梯度估计时采用了并行扰动技术，从而使梯度估计的运算时间独立 于控制变量的维数，大大提高搜索最优值的速度。 位，，=(z，y)为与光轴垂直的平面内的位置矢量。选取系统的性 能指标J=儿乒(r)]=儿甜(，)]，其中“(r)为控制参量，H一{U。， U。，…，UN}。SPGD算法的实现过程如下： 随机生成扰动向量8““’={6“。，艿“：，…，8“N)“’，其分布满足 伯努力分布。性能指标的变化量为 aJ‘”’=8Jj-’一6J9’ (1) 其中8J≯=J(M“’+8Mh’)一J(““’)，8．，9=J(“h’一8”“’)一 ．，(Hh’)，那么梯度估计为8．，“’龇“’，利用梯度下降进行迭代 “‘什1’。甜‘”’+rsJ‘”’8u‘”’ (2) 在实际应用中，目标函数向极大化方向优化，y取正值；反之，)，取 Fig．1Schematicofsimulationmodel 图1仿真模型示意图 负值。迭代的过程就是在一定的迭代步数内，在控制参量空间寻 *收稿日期：2009—05—17；修订日期：2009—1I-13 基金项目：国家自然科学基金项日；中国科学院合肥物质科学物质研究院计算中心资助课题 作者简介：马慧敏(2984一)。女，硕士研究生，主要从事[I适，赶光学技术方面的研究；huimin201@163．corn。 通信作者：范承玉(1965一)。男，博士，研究员，主要从事自适应光学技术方面的研究；eyfan@aiofm．ac．en。 万方数据 第6期