改进的全局耦合SPGD算法提升自适应光学系统性能

本文主要探讨了一种改进的全局耦合的随机并行梯度下降（SGD）算法在自适应光学（AO）系统中的应用。自适应光学技术利用直接优化性能评价函数来调整波前校正器，以补偿光学系统的波前畸变，从而实现高精度的成像。传统的全局耦合SGD算法在提升AO系统收敛速度方面表现显著，然而可能会牺牲一定的波前校正效果。 作者针对这一问题，提出了一个创新的方法，即在算法的不同阶段采用不同的电压优化控制策略。具体来说，他们区分了算法的收敛前期和后期，对电压控制采取了不同的优化策略，以保持收敛速度的同时，提高波前校正的精确性。这种改进方法在建立SGD AO成像系统的仿真模型后得到了验证。 研究结果显示，与传统的全局耦合SGD算法相比较，改进后的算法在保持相近收敛速度的前提下，波前校正后的焦平面成像光斑的斯特列尔比（SR）提高了0.14，这标志着在系统效率和图像质量之间找到了更好的平衡。斯特列尔比是衡量成像质量的重要指标，数值越高，表示成像质量越好，光斑中心的亮度与周围背景的对比度越高。 这项工作对于优化AO系统的设计具有重要意义，它不仅提升了系统的动态性能，还为实际应用提供了更有效的波前补偿方案，特别是在需要快速响应和高分辨率成像的领域，如天文观测、激光手术和显微成像等。同时，这种改进的全局耦合SGD算法也为光计算领域中的其他自适应光学系统提供了新的优化思路和技术支持。