一种基于深度多分支补偿网络的涡旋光波前畸变校正方法与流程

技术特征：
1.一种基于深度多分支补偿网络的涡旋光波前畸变校正方法，其特征在于：该网络不需要反复迭代，仅需要向用样本数据集训练好的网络输入一张涡旋光畸变强度图，网络即可预测出畸变涡旋光对应的相位补偿屏并对畸变涡旋光进行补偿；该方法所需时间较短，操作简便。2.根据权利要求1所述的一种基于深度多分支补偿网络的涡旋光波前畸变校正方法，其特征在于：利用网络对涡旋光不同类型畸变特征进行分支精准学习，从而能够更加准确地预测湍流补偿屏，进一步提高畸变涡旋光补偿之后的模式纯度，步骤如下：(1)基于深度残差网络对畸变涡旋光特征进行初步提取，然后对三种畸变特征分三支进行训练，分支如下：第一支为表征平移、倾斜现象的第1、2、3阶zernike多项式的系数，第二支为表征离焦、像散现象的第4、5、6阶zernike多项式系数，第三支为表征彗差和高阶彗差现象的第7、8、9、10阶zernike多项式系数；(2)经过数百次迭代，训练好的网络学习出输入的畸变涡旋光强度图和大气湍流屏之间的映射关系，从而预测出表征大气湍流补偿屏的步骤(1)中十项zernike多项式系数，对畸变涡旋光进行补偿。3.根据权利要求1和权利要求2所述的一种基于深度多分支补偿网络的涡旋光波前畸变校正方法，其特征在于：多分支补偿网络泛化能力强，改变样本数据集即可用于其他种类畸变光场的校正，根据像差特征调整网络分支结构与分支参数即可有效提取输入畸变图像特征,具有良好泛化能力与灵活性。

技术总结
本发明涉及一种基于深度多分支补偿网络的涡旋光波前畸变校正方法。涡旋光是一种具有螺旋波阵面的特殊光场，多种模式的单态涡旋光自干涉可生成叠加态涡旋光。该方法设计了一种深度多分支补偿网络，选取前十项Zernike多项式对大气湍流相位进行数值模拟，根据不同Zernike多项式表征不同像差特征的原理，分支学习涡旋光畸变强度图与大气湍流相位屏的映射关系。在概念实验中，可以实现在多种湍流强度下，一旦给训练好的网络输入一个畸变涡旋光强度分布图，仅需极短时间网络即可较准确预测出对应的大气湍流补偿屏。该方法可用来对受相位干扰的畸变涡旋光进行校正，且校正效果良好。本方法具有良好的灵活性、快速性和鲁棒性，操作简便，泛化能力强。泛化能力强。泛化能力强。


技术研发人员：任元 赵杰 李修乾 孟凡杰 刘通 刘政良 王琛 王紫阳
受保护的技术使用者：中国人民解放军战略支援部队航天工程大学
技术研发日：2021.09.22
技术公布日：2022/1/4