基于遗传算法的相位差法波前检测piston误差

光学综合孔径望远镜常常因为子望远镜间的失调大于1λ产生相位差,影响望远镜的分辨能力。基于相位差法的检测技术,可以检测出子望远镜间的微小失调误差。提出了相位差波前检测方法与遗传算法相结合,设计了一个相位差波前传感器,进行综合孔径望远系统的piston误差检测。在计算机模拟成像系统的基础上,仿真结果证明,基于遗传算法的相位差波前检测方法可以较准确地恢复波前相位,检测piston误差。

基于多CNN的分块镜piston和tip-tilt误差同步检测方法研究

绝大多数大型望远镜采用分块镜的设计方案,为了获得优质的成像效果,需要控制分块望远镜系统的piston和tip-tilt误差。神经网络误差检测方法相较于传统的检测方法具有一定优势,但存在仅检测单一类型误差的局限性。本文提出一种基于卷积神经网络的piston和tip-tilt误差同步检测方法,通过在出瞳面设置具有离散孔的光阑,引发分段镜反射的子波发生干涉-衍射现象,构建包含丰富piston和tip-tilt误差信息的数据集。通过粗测网络和精测网络级联,满足大范围和高精度同步检测的需求。结果表明,该方法实现了对输入光源相干长度内纳米级的piston误差检测,并对10μrad范围内的tip-tilt误差实现了亚微弧度检测;对40 dB的CCD噪声表现出良好的抗干扰性,对面形误差的允差为0.05λ0RMS(λ0=600 nm),同时对六子镜系统具有可扩展性。本文方法光路简单,操作便利,具有实际意义。

基于相位差法的光学综合孔径望远镜失调检测技术

光学综合孔径望远镜常常因为子望远镜间的失调大于1λ而产生相位差,影响望远镜的分辨能力。基于相位差法的检测技术,主要是利用在焦面和离焦位置上同时采集的一对图像,对光瞳上的相位分布进行恢复,从而得出子望远镜间的微小失调误差。在计算机模拟成像系统的基础上,我们使用有限差分法对波前相位进行了恢复。模拟研究结果表明,相位差法可以较准确恢复出波前相位,检测出失调量。

拼接式望远镜主镜衍射效应研究

拼接式主镜的设计使超大口径望远镜的构想成为现实。为了研究拼接式望远镜的成像性能,精确分析和量化了拼接式主镜构型、平移误差、倾斜误差对衍射效应的影响,从拼接式光学系统的成像原理出发,基于齐次坐标变换建立了拼接式主镜的光瞳模型,并仿真分析了拼接主镜构型对衍射效应的影响。分析结果表明:对于不同构型的拼接主镜,其衍射效应受拼接主镜的填充因子和孔径间隔共同影响,填充因子越高,孔径间隔越小,系统成像质量越好。以典型的拼接主镜构型为例,分别仿真分析了单个子镜平移误差、倾斜误差和拼接主镜整体平移误差、倾斜误差对衍射效应的影响。分析结果表明:对于单个子镜,平移误差对远场衍射的影响具有周期性;对于拼接主镜整体,当子镜piston误差的均方根值小于0.039λ时,斯特列尔比大于0.95;当子镜tiptilt误差的均方根值小于0.036λ时,斯特列尔比大于0.95。分析结果为拼接式望远镜的成像性能分析、主镜的构型设计、平移误差和倾斜误差的检测与调整等提供了依据。

基于深度学习的拼接镜共相检测新方法研究

基于互相关算法的双波长共相检测方法在大量程共相误差检测中,存在检测速度慢、精度低的问题。针对该问题,利用卷积神经网络的方法建立拼接镜的平移(piston)误差预测模型,以实现双波长共相检测方法在大量程共相误差下的快速、准确检测。首先,将两波长下的圆孔衍射图像拼接作为卷积神经网络的训练数据。训练结束后,将包含piston误差信息的圆孔衍射拼接图像输入到训练好的模型中,可直接检测出piston误差值。仿真结果表明:基于卷积神经网络的共相方法具有高的检测精度、快的检测速度及较好的抗噪性和泛化能力。该方法为平移误差的测量提供了一种可行且易于实现的方案。