随机并行梯度下降算法在涡旋光波前畸变校正中的应用

“涡旋光波前畸变校正实验研究”探讨了在大气湍流中传输的涡旋光因波前畸变问题，以及如何通过采用随机并行梯度下降算法的无波前传感器自适应光学校正系统来解决这一问题。该系统相比传统方法具有硬件简单、适应性强的优势，能够对单模和多模涡旋光进行波前畸变校正，从而提高模式纯净度。 涡旋光是一种特殊的光束，其光场中携带轨道角动量，具有独特的螺旋波前结构。在大气湍流的影响下，涡旋光的波前会受到扰动，导致光束质量下降，这对依赖于光束特性的应用（如遥感、无线激光通信）产生了负面影响。因此，进行波前畸变校正是必要的。 传统的自适应光学校正通常依赖于波前传感器，但这种系统结构复杂，且对环境变化敏感。文中提出的无波前传感器方案基于随机并行梯度下降算法，它利用光学反馈机制，通过迭代优化校正器的形状来逐渐减小波前畸变。这种方法简化了硬件设计，增强了系统对光强闪烁和其他复杂环境的适应性。 仿真结果显示，该系统可以有效地校正单模涡旋光和多模复用涡旋光的波前畸变，提升模式纯净度。实验验证了这一结论，经过校正后，单模涡旋光的光强相关系数提高到约0.85，多模复用涡旋光的光强相关系数提高到约0.72。这表明单模涡旋光的波前畸变校正效果优于多模复用涡旋光。 随机并行梯度下降算法的应用表明，它是一种有效的方法，能够实现在大气湍流中涡旋光波前畸变的实时校正。这对于改善大气中的光学通信质量和遥感系统的性能具有重要意义。未来的研究可能将进一步优化算法，提高校正速度和精度，以适应更复杂的环境条件和更高要求的应用场景。