相关实验视频
Updated: Jul 10, 2025
10:35
Bringing the Visible Universe into Focus with Robo-AO
Published on: February 12, 2013
19.5K
基于深度学习的大气流偏差校正,基于深度学习的波面传感
Jiang You1,2, Jingliang Gu1, Yinglei Du1
1Institute of Applied Electronics, China Academy of Engineering Physics, Mianyang 621900, China.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
一个新的深度学习波面传感 (DLWS) 模型,使用注意力机制和CNN,准确地测量大气流. 这种DLWS系统显著提高了激光束强度超过千米距离,而无需重新训练.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
- 大气科学 大气科学
背景情况:
- 波面传感对于自适应光学系统来纠正光学偏差至关重要.
- 像Shack-Hartmann波面传感 (SHWS) 这样的传统方法在速度和复杂性方面都有局限性.
- 深度学习为实时波面测量和校正提供了一个有希望的替代方案.
研究的目的:
- 开发和验证一个新的深度学习波面传感 (DLWS) 系统.
- 对DLWS模型的性能进行评估,并将其与SHWS等既有方法进行比较.
- 为了证明DLWS在远程激光偏差校正中的有效性.
主要方法:
- 开发一个DLWS神经网络,整合注意力机制和卷积神经网络 (CNN).
- 使用模拟大气流数据集和内部实验平台进行培训和验证.
- 在千米范围激光传输实验中部署和测试训练的DLWS模型.
主要成果:
- 在室内实验中,DLWS模型的准确性与Shack-Hartmann波面传感 (SHWS) 方法相美.
- 在室内训练的DLWS模型直接应用于千米级实验,而无需重新训练.
- 使用DLWS的闭环校正导致激光点在目标上的平均峰值强度增加了5.35倍.
结论:
- 拟议的DLWS模型证明了大气流补偿的高精度和稳定性.
- 在远程光学系统中,DLWS提供了一种实用且高效的解决方案,用于实时波面传感和偏差校正.
- 该研究强调了深度学习在推进自适应光学和激光通信技术方面的潜力.
