自适应光学系统随机并行梯度下降算法

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61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0.50~0.85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。

随机并行梯度下降算法在激光束整形中的应用

为了满足高光束质量要求,校正激光束在传输过程中产生的波前畸变,改善激光位相分布,进而提高聚焦光斑的能量集中度,基于79单元微机械薄膜变形镜(MMDM)搭建了一套激光束整形实验系统。利用随机并行梯度下降(SPGD)算法,分别选择聚焦光斑半径、形心为中心的环围能量比和质心为中心的环围能量比作为算法性能指标,开展了激光束整形实验研究。3种情况下,分别经过58次、197次、133次迭代趋于收敛,但光斑半径作为性能指标时振荡严重;环围能量比从整形前的0.200 5、0.127 7、0.200 5分别增加到整形后的0.669 9、0.733 9、0.864 0。实验结果表明:MMDM用于激光束整形具有良好的效果,光斑半径作为性能指标整形速度最快,其次为质心环围能量比,形心环围能量比最慢;质心环围能量比作为性能指标整形效果最好,其次为形心环围能量比,光斑半径最差。综合比较,质心环围能量比作为性能指标时综合效果最好。

基于Zernike模式的随机并行梯度下降算法的收敛速率

为了加快控制变形镜进行波前整形的随机并行梯度下降(SPGD)算法的收敛速率,提高实时波前整形能力,本文利用由12阶Zernike多项式构成的畸变波前和32单元变形镜建立了仿真模型。基于Zernike多项式的单位正交性,得到了两个常数矩阵,当斯特列尔比(SR)达到0.8时,需要算法迭代660次,简化了算法的运算过程,加快了算法运行时间。通过Matlab7.8.0对6种SPGD算法进行仿真对比,结果显示:当SR要求不高时,可使用间接固定双边SPGD算法来提高收敛速度;当SR要求较高时,则应当使用间接自动双边SPGD算法。提出的算法为实际的激光整形提供了理论指导。

基于随机并行梯度下降算法的湍流像差校正仿真

随机并行梯度下降(SPGD)算法可不依赖波前探测直接优化系统性能指标来校正畸变波前。建立了基于随机并行梯度下降算法控制的61单元湍流校正仿真模型,实现了通过该算法控制倾斜镜和变形镜对湍流引起的像差的校正。结果发现,该算法能够找到补偿湍流像差所需的倾斜镜和变形镜的最优面形。采用SPGD算法控制,倾斜镜校正后,远场光斑质心更靠近轴心而且轴上斯特列尔比有所提高;倾斜镜和变形镜共同校正比变形镜单独校正的效果好,这也说明倾斜镜的校正是有效的。

自适应光学随机并行梯度下降算法波前整形规律仿真(英文)

本文首先介绍了基于Zernike模式的SPGD算法对大气湍流畸变波前的整形原理,通过推导得到了关于性能指标的简明表达式,使SPGD算法收敛速率得到明显提升。然后建立了自适应光学随机并行梯度下降算法波前整形系统模型,主要对SPGD算法收敛速率、整形能力和整形效果随波前畸变量和变形镜模型的变化规律作了较为详细的仿真研究,整体定性结果表明：三者的变化规律有一定的相似性,同时利用最小二乘法得到了关于整形能力和整形效果变化规律的定量表达式,若从自适应光学波前整形系统的实时性和简单性考虑,在保证一定整形效果的情况下,选择37单元变形镜对畸变波前的3~27（25）阶Zernike像差进行整形即可。

基于随机并行梯度下降算法的光束相干合成技术

介绍了随机并行梯度下降算法的基本原理,对算法流程进行了仿真验证,并对其中随机扰动幅度和增益系数两个关键参数进行了仿真分析。分析结果表明,这两个参数存在一个最适区间,只有在此区间内取值时算法才能有效收敛。以仿真分析为依据开展了光纤激光的相干合成实验,结果表明光束相干合成效果显著,有效地验证了仿真分析的结果。

基于Zernike模式的自适应光学系统随机并行梯度下降算法

控制算法的收敛速度一定程度上限制了无波前探测自适应光学技术在实时波前畸变校正中的应用。从理论分析角度提出将模式法和区域法结合起来以提高算法收敛速度,并以61单元变形镜为校正器,建立基于随机并行梯度下降算法自适应光学系统仿真模型。结果表明:达到同样的校正效果时,采用组合优化的算法收敛速度要明显优于基于区域法的收敛速度,从而验证了理论分析的合理性。

基于随机并行梯度下降算法的InSAR相位解缠方法

相位解缠是干涉合成孔径雷达InSAR数据处理中的一个关键步骤,解缠结果的好坏直接影响最终数字高程模型的精度。介绍了一种基于随机并行梯度下降SPGD算法的解缠方法,该方法对图像中各相位点施加随机并行扰动,通过迭代使得解缠误差代价函数收敛到全局最优值,从而实现相位解缠的目的。模拟和实测数据实验结果表明,相较于最小二乘解缠方法,随机并行梯度下降解缠算法精度更高,且原理简单,易于实现,为相位解缠提供了一个全新的思路。

随机并行梯度下降算法性能与变形镜排布规律的关系研究

对随机并行梯度下降算法(SPGD)性能与不同变形镜排布规律的关系进行了研究。以采用Roddier方法生成的由52项Zernike像差构成的畸变波前为整形对象,对SPGD算法的收敛速率和整形效果与变形镜排布规律(单元数分别为19、21、32、37、45、60、61、77、91)之间的关系进行了仿真研究。结果表明:从整体分析,随着变形镜单元数逐渐增多,SPGD算法的收敛速率和整形效果均逐渐变差;从局部分析,由于变形镜元胞类型变化和边缘占空比的影响,在渐变规律中产生了局部差异。

基于点衍射干涉仪的分布式随机并行梯度下降算法

分析了一种光强解耦合的分布式随机并行梯度下降算法,此算法借助近场的波前传感器得到性能指标来得到算法的更新参数,这种性能指标解耦了随机并行梯度下降算法使用的耦合的全场光强,使得算法性能得到提升。分析了一种马赫泽得形式的自参考点衍射干涉仪作为波前传感器。建立两种仿真模型对算法进行了分析,结果表明分布式的随机并行梯度下降算法比原算法在收敛速度上有了数量级的提升,在127仿真结果单元模型上,收敛速度是原算法的10倍以上且收敛结果几乎相同。仿真研究针对不同光束之间的平移相差和同光束的高阶像差,显示了算法应用在光束相干合成的前景。

随机并行梯度下降自适应光学系统中算法收敛速度的仿真研究

在随机并行梯度下降(SPGD)自适应光学(AO)中,SPGD算法通过直接对系统的性能评价函数进行优化从而校正波前像差,有可能实现实时校正,具有很强的应用潜力。SPGD算法的收敛速度与控制单元的数目、性能评价函数的选取、增益系数及扰动幅度的取值等密切相关。通过仿真的方法,研究了控制单元数对SPGDAO系统在静态波前校正中收敛速度的影响,得出了收敛所需迭代步数与控制单元数成线性关系的结论;仿真了SPGDAO系统在不同迭代速率或不同风速下的动态波前校正,为系统控制单元数的选取提供了参考。

随机并行梯度下降图像匹配方法性能研究及优化

随机并行梯度下降图像匹配方法是一种全新的图像匹配方法,该方法同时对所有的变形参数施加相互统计独立的随机扰动,并以相关系数随机梯度分量代替真实的梯度分量进行迭代运算,使之能够快速地得到最优参数估计。在编程实现该技术方案的过程中,匹配坐标系选取、双边或单边扰动方式等因素对匹配效果影响明显。本文主要从这两个方面对匹配性能的影响进行分析研究并采取优化措施,使该方法得到进一步完善。

自适应光学系统几种随机并行优化控制算法比较

直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。

一种Yarn框架下的异步双随机梯度下降算法

针对异步随机梯度下降算法在多核系统和主/从集群环境中的通信冲突问题,提出了异步双随机梯度下降算法.该算法主要通过离散各从节点在梯度求解时的计算量,分散各从节点对主节点的通信请求,有效减少模型训练过程中通信冲突次数,从而加快模型的训练速度;在Hadoop Yarn基础上提出了异步并行计算框架,进行了异步随机梯度下降算法以及异步双随机梯度下降算法的快速求解;在多核系统和Hadoop环境下,基于HIGGS数据集进行了异步随机梯度下降算法和异步双随机梯度下降算法的对比实验,结果表明,在保证模型准确率的前提下,异步双随机梯度下降算法比异步随机梯度下降算法具备更快的训练速度.

光纤激光相干合成高速高精度相位控制器

基于随机并行梯度下降算法(SPGD)和现场可编程逻辑阵列(FPGA)设计制作了相干合成(CBC)相位控制器。理论分析表明,该控制器单次迭代速率大于1.125MHz,对于2路和16路相干合成,其平均控制带宽的理论值分别大于70kHz和9kHz,与现有的SPGD算法相位控制器相比有了量级上的提高。利用该控制器进行了验证性实验,表明该控制器能够实现高速高精度相位控制。当利用相位控制器对两路激光的相位进行锁定时,目标圆孔内能量提高了1.51倍,远场光斑对比度提高了5.29倍。

基于随机并行梯度下降算法光纤激光相干合成的高精度相位控制系统

随机并行梯度下降(SPGD)算法是实现大功率主振荡功率放大器相干合成的有效手段之一.分析了SPGD算法用于相干合成的基本原理,设计了基于SPGD算法的相位控制系统,给出了基于该SPGD控制器的相干合成实验结果.理论分析表明,SPGD算法控制器的迭代速率为200kHz,对于两路相干合成的平均控制带宽大于12.5kHz,最优控制精度可达1/179个波长.实验表明,SPGD控制器能够实现高速的相位控制.在相位噪声幅度大于1/10个波长、频率为3kHz的情况下,有效地实现了两路激光的相位锁定,相位残差控制在1/25个波长内.

基于光斑二阶矩的阵列光束倾斜相差自适应控制方法

针对阵列光束相干合成中存在的倾斜相差大的问题,提出了基于合成光束远场光斑二阶矩的阵列光束倾斜相差自适应控制方法。以合成光束远场光斑二阶矩作为评价函数,理论上模拟了采用随机并行梯度下降算法实现7路光束的倾斜闭环控制过程。实验上搭建了7路光纤激光相干合成系统,利用自适应光纤准直器对倾斜相差进行校正。以合成光束远场光斑的二阶矩作为评价函数,采用随机并行梯度下降算法,实现了7路光束的倾斜的闭环控制,合成光束模拟远场光斑的桶中功率由0.05 V提升至1.95 V。实验中将倾斜扰动的增益系数变为与二阶矩相关的函数,实现了自适应变增益系数的倾斜闭环,在一定程度上提升了倾斜控制的带宽。从理论上和实验上验证了基于光斑二阶矩的倾斜相差自适应控制方法在光束合成及合成孔径探测领域应用的可行性。

自适应光学系统随机并行梯度下降控制算法实验研究

随机并行梯度下降算法是一种极具应用潜力的自适应光学系统控制算法,具有不依赖波前传感器直接对系统性能指标进行优化的特点。基于32单元变形镜、CCD成像器件等建立自适应光学系统随机并行梯度下降控制算法实验平台。考察算法增益系数和扰动幅度对校正效果和收敛速度的影响,验证随机并行梯度下降算法的基本原理。实验结果表明参量选取合适的情况下,随机并行梯度下降控制算法对静态或慢变化的畸变波前具有较好的校正能力。根据实验结果分析了影响随机并行梯度下降算法校正速度的主要因素。

自适应光学系统随机并行梯度下降控制算法仿真与分析

随机并行梯度下降算法能不依赖波前传感器直接对系统性能进行优化。以32单元变形镜为校正器,采用随机并行梯度下降算法建立了自适应光学系统仿真模型。通过分析该系统对静态波前畸变的校正能力,验证了随机并行梯度下降算法的收敛性;讨论了算法增益系数、随机扰动幅度与收敛速度的关系,并指出通过算法增益系数的自适应调整可以改进算法的收敛速度。

基于随机并行梯度下降算法光纤放大器相干合成的动态模拟与控制带宽分析

对随机并行梯度下降(SPGD)算法校正时变相位噪声的动态过程进行数值模拟,计算不同强度和频率的相位噪声对控制带宽的影响程度,分析控制带宽与光束数目以及算法执行速度之间的关系。计算结果表明,随着相位噪声强度和频率的增加,算法的控制带宽随之减小,带宽大小与参与合成的光束数目N的-4/3次方成正比,与算法执行速度成线性关系。计算结果可为SPGD算法应用至多路高功率光纤放大器相干合成提供参考。