基于FPGA的自适应光学系统SPGD算法实现

FPGA(field programmable gate array)具有可重复编程、算法实现灵活等优势,以97单元变形镜为原型,提出基于FPGA的SPGD(stochastic parallel gradient descent algorithm)控制算法通用快速实现方案。采用TimeGen软件对SPGD算法进行时序分析,并采用Vivado软件分别对SPGD算法随机扰动电压生成、性能指标计算和控制电压的计算与输出进行FPGA配置和编程,将每个模块的计算结果与Matlab结果进行对比、分析。研究结果证明了该文所提方案的合理性和可行性,为下一步基于FPGA的SPGD算法硬件实现和应用提供基础。

自适应增益的SPGD算法

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。