基于改进的神经网络的自适应波前重构算法研究

论文摘要

本论文详细的介绍了基于改进的神经网络的自适应波前重构算法研究。文章从大气自由空间光通信系统中,通信光束在大气信道中的传输特性出发,结合以大气湍流为主的各种大气因子带来的影响、深入分析了大气信道中光束波前畸变的特征。针对大气信道中光束波前变化的特点,分析与研究了人工神经网络以及人工神经网络用于解决大气信道中波前重构的理论,考虑到大气湍流等影响因子具有高度随机性和变化不均匀性的特点,提出了改进神经网络算法的方案,即采用动态学习因子对神经网络自适应学习进行过程调控,改善节点加权因子的修正速度。这种方法可以使神经网络学习的速度跟随大气因子起伏的速度而变化,兼顾了实现波前重构的速度与精确。基于神经网络进行波前重构的算法研究,进行了该原理上的自适应光学系统的设计。通过利用重构波前与理想波前之间的差值,来指导神经网络的自适应学习过程,而学习后的神经网络发出控制信号再来改变可变形镜的形状完成进一步校正,以此来实现闭环自适应波前重构的过程。通过仿真,用蒙特卡洛法(Monte Carlo method)建立畸变波前,用神经网络算法指导泽尼克(Zernike)多项式计算出用于波前补偿的可变形镜形状。经过仿真验证了神经网络用于波前自适应重构的有效性,同时,比较了使用不同的学习速率和采用动态学习速率对系统性能的影响。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景
• 1.2 国内外研究现状
• 1.3 本文主要创新点和体系结构
• 1.4 本章小结
• 2 激光光束在大气信道中的传输研究
• 2.1 光波在大气中的波前畸变
• 2.2 泽尼克（Zernike）多项式表示波前畸变
• 2.3 波前畸变的谱密度函数
• 2.4 大气传输信道模型
• 2.5 本章小结
• 3 神经网络算法研究
• 3.1 神经网络理论
• 3.2 神经网络算法针对自由空间光通信的改进
• 3.3 基于傅里叶光学的神经网络自适应波前重构
• 3.4 蒙特卡洛（Monte Carlo）仿真
• 3.5 本章小结
• 4 系统设计
• 4.1 斯特列尔比（Strehl Ratio）
• 4.2 可变形镜在自适应波前重构中的应用
• 4.3 基于神经网络算法的自适应波前重构
• 4.4 本章小结
• 5 数值仿真与结果分析
• 5.1 数值仿真
• 5.2 数值仿真流程
• 5.3 结果分析
• 5.4 展望
• 5.5 本章小结
• 结束语
• 致谢
• 参考文献
• 附录1 攻读学位期间发表论文目录
• 附录2 实验中用到的高阶泽尼克多项式表达式