發(fā)布時(shí)間：2018-02-06 00:18

  本文關(guān)鍵詞： 分塊鏡 共相位誤差 自適應(yīng)光學(xué) 無(wú)波前傳感器 隨機(jī)并行梯度下降 遺傳算法 調(diào)制傳遞函數(shù) piston誤差　出處：《北京理工大學(xué)》2016年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：分塊鏡共相位誤差檢測(cè)方法主要分為兩大類(lèi),一類(lèi)是光學(xué)檢測(cè)校正方法,包括邁克爾遜干涉法、窄帶/寬帶夏克-哈特曼法、色散條紋法、相位恢復(fù)法、相位差法等,這類(lèi)算法都是通過(guò)光學(xué)干涉或者衍射方法對(duì)分塊鏡成像后的圖像進(jìn)行分析得到誤差信息,并進(jìn)行校正的。這些方法都需要改變?cè)泄饴坊蛟黾有碌墓鈱W(xué)元件,如濾光片、色散棱鏡等,增加了光學(xué)系統(tǒng)的復(fù)雜性;另一類(lèi)分塊鏡共相位誤差校正方法是電學(xué)方法,該類(lèi)方法主要是在分塊鏡背部安裝電容式、電感式或光纖式傳感器,用于測(cè)量相鄰子鏡間的相對(duì)位移量,進(jìn)而得到分塊鏡之間的拼接誤差并進(jìn)行校正,這類(lèi)方法無(wú)法測(cè)量相鄰子鏡沿光軸方向的絕對(duì)距離,一般需要用光學(xué)方法事先標(biāo)定出各個(gè)子鏡間的絕對(duì)零位。本文以歸一化的像清晰度函數(shù)作為評(píng)價(jià)函數(shù),仿真分析了單色光和白光照明兩種情況下分塊鏡共相位誤差與評(píng)價(jià)函數(shù)的變化關(guān)系。仿真表明當(dāng)采用單色光照明時(shí),分塊鏡平移(piston)誤差校正的動(dòng)態(tài)范圍小于0.5λ;采用白光照明時(shí)評(píng)價(jià)函數(shù)存在局部極值,必須采用全局最優(yōu)化算法。當(dāng)piston誤差大于0.5λ時(shí),采用隨機(jī)并行梯度下降(SPGD)算法易陷入局部極值,而采用遺傳算法可以搜索到全局最優(yōu)解,但迭代速度較慢。本文提出基于無(wú)波前傳感器自適應(yīng)光學(xué)混合優(yōu)化算法,該算法是結(jié)合隨機(jī)并行梯度下降(SPGD)算法和遺傳算法的優(yōu)點(diǎn),對(duì)分塊鏡傾斜誤差小于0λ/D,piston誤差在[-λ,λ]范圍內(nèi)的分塊鏡共相位誤差進(jìn)行校正。該混合優(yōu)化算法先利用遺傳算法的全局尋優(yōu)能力在[-λ,λ]范圍內(nèi)搜索最優(yōu)解的大致范圍,后利用SPGD算法的快速尋優(yōu)能力在[-0.5λ,0.5λ]小范圍內(nèi)迅速找到最優(yōu)解,當(dāng)piston誤差在[-λ,λ]范圍內(nèi)時(shí),混合優(yōu)化算法的校正精度可優(yōu)于10nm。為了進(jìn)一步擴(kuò)大分塊鏡piston誤差的校正范圍,本文提出建立起寬光譜調(diào)制傳遞函數(shù)(MTF)與分塊鏡piston誤差之間的函數(shù)關(guān)系,以?xún)蓧K分塊鏡光瞳為仿真模型,通過(guò)建立的函數(shù)關(guān)系式對(duì)分塊鏡piston誤差進(jìn)行校正,仿真研究表明不同帶寬(Δλ)下,分塊鏡piston誤差的校正范圍和精度也不同。當(dāng)Δλ=1nm,piston誤差在[-300λ,300λ]范圍時(shí),校正精度優(yōu)于15λ;當(dāng)Δλ=10nm,piston誤差在[-60λ,60λ]范圍時(shí),校正精度優(yōu)于8λ;當(dāng)Δλ=50nm,piston誤差在[-12λ,12λ]范圍時(shí),校正精度優(yōu)于1λ,因此實(shí)現(xiàn)了分塊鏡大piston誤差的檢測(cè)和校正。針對(duì)更多塊的分塊鏡光瞳模型,仿真分析了固定帶寬下四種不同分塊鏡模型對(duì)應(yīng)的MTF與分塊鏡piston誤差之間的關(guān)系,仿真結(jié)果表明僅在兩塊分塊鏡相對(duì)排列時(shí)各分塊鏡間不能進(jìn)行獨(dú)立的標(biāo)定和校正。
[Abstract]:The common phase error detection methods of block mirror are mainly divided into two categories. One is optical detection and correction methods, including Michelson interferometry, narrowband / wideband Shack-Hartmann method, dispersion fringe method, phase recovery method. The phase difference method is used to obtain the error information by optical interference or diffraction. These methods need to change the original optical path or add new optical elements, such as filter, dispersion prism and so on, which increase the complexity of optical system. The other method is the electrical method, which is mainly to install capacitive, inductive or optical fiber sensors on the back of the block mirror to measure the relative displacement between adjacent sub-mirrors. Then the splicing error between the sub-mirrors is obtained and corrected. This method can not measure the absolute distance of the adjacent sub-mirror along the optical axis. It is generally necessary to calibrate the absolute zero position between each sub-mirror by optical method in advance. In this paper, the normalized image definition function is used as the evaluation function. The relationship between the co-phase error and the evaluation function is analyzed under the condition of monochromatic light and white light illumination. The simulation results show that when monochromatic illumination is used. The dynamic range of error correction is less than 0.5 位; When white lighting is used, the evaluation function has local extremum, so the global optimization algorithm must be adopted. When the piston error is greater than 0. 5 位. The stochastic parallel gradient descent (SPGD) algorithm is easy to fall into the local extremum, while the genetic algorithm can be used to search the global optimal solution. In this paper, an adaptive optical hybrid optimization algorithm based on wavefront sensor is proposed, which combines the advantages of stochastic parallel gradient descent SPGDalgorithm and genetic algorithm. The tilting error of the split mirror is less than 0 位 / D Piston error. [The common phase error of the block mirror in the range of-位, 位] is corrected. The hybrid optimization algorithm first uses the global optimization ability of genetic algorithm. [Search for the approximate range of the optimal solution in the range of-位, 位, and then use the fast optimization ability of the SPGD algorithm. [The optimal solution is found quickly in a small range when the piston error is within the range of 0. 5 位 / 0. 5 位. [In the range of-位, 位, the correction accuracy of the hybrid optimization algorithm is better than that of 10 nm. In order to further expand the correction range of the piston error of the split-mirror. In this paper, a functional relationship between the wide-spectrum modulation transfer function (MTF) and the piston error of the split-mirror is proposed. The simulation model is based on the pupil of two block mirrors. The piston error of block mirror is corrected by the established function relation. The simulation results show that there are different bandwidth (螖 位). The correction range and accuracy of the piston error of the block mirror are also different. [In the range of -300 位 / 300 位, the correction accuracy is better than 15 位; when 螖 位 = 10nmPiston error. [The correction accuracy is better than 8 位 in the range of -60 位 ~ (60 位). [In the range of -12 位 ~ (12 位), the correction accuracy is better than 1 位, so the detection and correction of the large piston error of block mirror are realized. The relationship between the MTF and the piston error of the four different split-mirror models with fixed bandwidth is simulated and analyzed. The simulation results show that there is no independent calibration and correction between the two chunking mirrors when they are arranged relative to each other.
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董寧;文志強(qiáng);余波;;基于防反射邊界的圖像分塊反降晰研究[J];計(jì)算機(jī)工程;2011年11期

2 李泉永;;一個(gè)使用較少外存的分塊直接解法及其在天線結(jié)構(gòu)分析中的一個(gè)應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);1984年01期

3 金淳浩;周桅;;動(dòng)態(tài)分塊快速網(wǎng)格化方法[J];物探化探計(jì)算技術(shù);1988年04期

4 韓永飛;分塊果園法的證明[J];吉林大學(xué)自然科學(xué)學(xué)報(bào);1989年02期

5 周平;劉曉潔;;基于兩級(jí)分塊的文件同步方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年03期

6 舒輝,康緋;一個(gè)新的循環(huán)分塊算法[J];計(jì)算機(jī)研究與發(fā)展;2002年10期

7 劉立祥,謝劍英,張敬轅;利用分塊循環(huán)矩陣對(duì)離散圖象進(jìn)行重建[J];計(jì)算機(jī)工程與應(yīng)用;2003年14期

8 王春發(fā) ,陳國(guó)華,楊萬(wàn)里,羅馬吉;螺旋進(jìn)氣道三維分塊結(jié)構(gòu)化貼體網(wǎng)格的生成[J];小型內(nèi)燃機(jī)與摩托車(chē);2003年04期

9 曾璞;吳玲達(dá);文軍;;基于分塊潛在語(yǔ)義的場(chǎng)景分類(lèi)方法[J];計(jì)算機(jī)應(yīng)用;2008年06期

10 李泉永;;分塊解法在天線背架結(jié)構(gòu)計(jì)算中的一個(gè)應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);1982年01期

相關(guān)會(huì)議論文 前9條

1 任安祿;鄧見(jiàn);;分塊法求解圓球強(qiáng)迫對(duì)流場(chǎng)[A];第十一屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議暨第二十四屆全國(guó)水動(dòng)力學(xué)研討會(huì)并周培源誕辰110周年紀(jì)念大會(huì)文集（上冊(cè)）[C];2012年

2 陳宜穩(wěn);王威;王潤(rùn)生;;分塊建模和點(diǎn)建模聯(lián)合的背景重建方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 伍中平;;雙向不等高正交鋼管桁架分塊整體提升施工技術(shù)[A];大型復(fù)雜鋼結(jié)構(gòu)建筑工程施工新技術(shù)與應(yīng)用論文集[C];2012年

4 鄒李;杜小勇;何軍;;B3:圖間節(jié)點(diǎn)相似度分塊計(jì)算方法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯二[C];2010年

5 竇朝暉;;影響分塊算法性能的主要因素[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

6 肖永浩;黃清南;;基于分塊數(shù)據(jù)結(jié)構(gòu)的沖擊問(wèn)題并行計(jì)算[A];中國(guó)計(jì)算力學(xué)大會(huì)'2010（CCCM2010）暨第八屆南方計(jì)算力學(xué)學(xué)術(shù)會(huì)議（SCCM8）論文集[C];2010年

7 戴妍峰;劉藻珍;;空間望遠(yuǎn)鏡分塊式主鏡面形控制系統(tǒng)建模[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

8 李嘉偉;孫明;;基于分塊LAB特征的粒子濾波目標(biāo)跟蹤算法[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

9 ;大會(huì)主題報(bào)告[A];2009年全國(guó)微波毫米波會(huì)議論文集（下冊(cè)）[C];2009年

相關(guān)重要報(bào)紙文章 前5條

1 雷明;企業(yè)扭虧分塊搞活應(yīng)處理好的幾個(gè)關(guān)系[N];中國(guó)企業(yè)報(bào);2000年

2 雷明;分塊搞活應(yīng)處理好幾個(gè)關(guān)系[N];中國(guó)航空?qǐng)?bào);2001年

3 覃匡龍 周鴻廣 侯俊富;“分塊管理”破解警力難題[N];檢察日?qǐng)?bào);2003年

4 王書(shū)明;新華中學(xué)形成安全管理網(wǎng)絡(luò)[N];商洛日?qǐng)?bào);2007年

5 記者 郭鳳美;“分塊搞活”救了太原制藥[N];山西經(jīng)濟(jì)日?qǐng)?bào);2004年

相關(guān)博士學(xué)位論文 前2條

1 鄒健;分塊稀疏表示的理論及算法研究[D];華南理工大學(xué);2012年

2 何邊;復(fù)雜網(wǎng)絡(luò)上的分塊問(wèn)題[D];上海交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 嚴(yán)輝銀;求解二乘二分塊實(shí)線性方程組的塊分裂預(yù)處理方法[D];蘭州大學(xué);2015年

2 沈世達(dá);基于分塊壓縮感知的圖像和視頻傳輸技術(shù)研究[D];西南交通大學(xué);2015年

3 張蛟;基于FastDFS的重復(fù)數(shù)據(jù)管理技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

4 白聰軒;多線索分塊匹配的移動(dòng)機(jī)器人目標(biāo)跟蹤[D];北京工業(yè)大學(xué);2015年

5 李鵬程;基于張量特征值分析的特征表示及典型應(yīng)用[D];西安電子科技大學(xué);2015年

6 榮雁霞;基于分塊壓縮感知的圖像重構(gòu)方法研究[D];南京郵電大學(xué);2015年

7 高東紅;基于多尺度分塊壓縮感知的圖像處理算法研究[D];北京理工大學(xué);2016年

8 李浩田;分塊主鏡式相機(jī)共相位檢測(cè)系統(tǒng)研究[D];北京理工大學(xué);2016年

9 周利華;基于分塊計(jì)算模型的債權(quán)類(lèi)不良資產(chǎn)價(jià)值評(píng)估研究[D];云南大學(xué);2016年

10 趙春暉;分塊與二級(jí)人臉識(shí)別算法研究[D];揚(yáng)州大學(xué);2016年

，

本文編號(hào)：1493124