CN101344639A - 基于蚁群算法的自适应光学系统 - Google Patents
基于蚁群算法的自适应光学系统 Download PDFInfo
- Publication number
- CN101344639A CN101344639A CNA2008101191301A CN200810119130A CN101344639A CN 101344639 A CN101344639 A CN 101344639A CN A2008101191301 A CNA2008101191301 A CN A2008101191301A CN 200810119130 A CN200810119130 A CN 200810119130A CN 101344639 A CN101344639 A CN 101344639A
- Authority
- CN
- China
- Prior art keywords
- tau
- voltage
- new
- reflection mirror
- ant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mechanical Light Control Or Optical Switches (AREA)
Abstract
基于蚁群算法的自适应光学系统,由变形反射镜、高压放大器、CCD相机、计算机和蚁群算法组成;系统的入射光束由变形反射镜反射后被分光镜分为两束,一束透过分光镜后被镜头聚焦到CCD相机上,计算机采集CCD相机的光斑图像,评价光束质量并执行蚁群算法,优化变形反射镜的驱动电压,向高压放大器输出电压信号,经高压放大器放大后向变形反射镜输出驱动电压以改变变形反射镜的面形,最终校正入射光束波前的各种像差;另一束用于成像等用途。本发明采用蚁群算法优化变形反射镜的驱动电压,无需信标光,不依赖于变形反射镜的特性,具有成本低、结构简单、可靠性高的优点,可用于多种低成本或不便采用波前传感器的自适应光学系统。
Description
技术领域
本发明涉及一种无波前传感器的自适应光学系统,可用于校正光学系统的静态和动态相差。
背景技术
光学系统中存在的各种静态和动态相差严重制约了光学系统的性能。自适应光学技术是一种实时校正光学系统波前畸变的技术,可以有效补偿各种静态和动态相差,显著提高光学系统的性能,目前已在天文成像、激光传输、工业和医学等领域得到了应用。常规的自适应光学系统由波前传感器、波前校正器和波前控制器三部分组成。波前传感器用于测量入射光束的相差,目前应用最广泛的是哈特曼波前传感器;波前校正器用于补偿相位畸变,主要包括变形反射镜和空间调制器两大类;波前控制器用于处理波前相差信息并向波前校正器发出控制信号。常规自适应光学系统已经在包括天文观测等的领域中得到了成功的应用,但是这些系统也存在一些缺陷。首先波前传感器的引入造成整个自适应光学系统结构复杂,降低了系统的可靠性,而且波前传感器价格昂贵,提高了系统的成本。其次波前传感器在某些系统中难以使用,例如在强闪烁条件下,由于存在相位不连续点而无法准确地进行波前测量和重构。
发明内容
本发明的技术解决问题是:克服常规自适应光学系统结构复杂、可靠性相对较低、价格昂贵、在某些场合难以应用的不足,提供一种基于蚁群算法的无波前传感器的简易自适应光学系统。
本发明的技术解决方案是:基于蚁群算法的自适应光学系统,其特征在于:包括变形反射镜、分光镜、镜头、CCD相机、计算机、高压放大器,入射光束由变形反射镜反射后被分光镜分为两束,一束透过分光镜后被镜头聚焦到置于其焦平面的CCD相机上,计算机采集CCD相机的光斑图像,评价光束质量并执行蚁群算法,优化变形反射镜的驱动电压,然后向高压放大器输出电压信号,经高压放大器放大后向变形反射镜输出驱动电压以改变变形反射镜的面形,最终校正入射光束波前的各种像差。
所述被分光镜反射的另一束光可用于成像或激光加工。
当系统用于对低亮度目标成像时,取消分光镜,光束直接被聚焦到CCD相机上。
所述的评价光束质量的指标为环围能量EE:
所述的蚁群算法优化变形反射镜电压的具体实现步骤如下:
a.确定变形反射镜每个单元驱动电压vj的范围:
vjlower≤vj≤vjupper(j=1,2,...,n)
其中n为变形镜驱动单元个数,将各驱动电压分为N等份:
其中第j个驱动电压的第i份为:
vji=vjlower+hj·i
b.若max(h1,h2,...,hn)<ε,则算法停止,变形反射镜的最优控制电压为:
c.参数重新设定:令循环次数nc=0,信息素强度τij=τmax(i=1,2,...,N,j=1,2,...,n),信息素挥发系数ρ=ρ0;
d.令第k只蚂蚁采用轮盘赌的方式根据下面的状态转移概率公式所计算的概率选择电压节点并前进,从v1一直前进到vn:
e.将能使光束环围能量最大的蚂蚁的路径向量赋给第1只蚂蚁,令循环次数NC=NC+1,根据下式更新ρ:
根据下式更新第1只蚂蚁路径上的信息素强度:
其中J为第1只蚂蚁路径向量对应的电压输出到变形反射镜后得到光斑的环围能量EE,τij new的范围限制到[τmin,τmax]:
f.若NC<NCmax,跳转到步骤d,否则找出τij矩阵中每列最大的元素对应的行(m1,m2,...mn),并缩小电压的取值范围:
跳转到步骤a。
将蚁群算法获得的最优控制电压经高压放大器放大后输出到变形反射镜,入射光束的波前相差就得到了校正。
本发明与现有的常规自适应光学技术相比,优点在于:本发明利用光束的质量指标直接优化变形反射镜的面型而达到校正入射光束波前相差的目的,不需要波前传感器测量波前相差,因而结构简单、成本低、可靠性高,适用于要求低成本或难以探测波前相差的场合。
附图说明
图1为本发明的结构示意图;
图2为本发明用于对低亮度目标成像时去掉分光镜后的结构示意图;
图中:1为变形反射镜,2为分光镜,3为镜头,4为CCD相机,5为计算机,6为高压放大器。
具体实施方式
下面结合附图及具体实施方式详细介绍本发明。
如图1所示,系统的入射光束由变形反射镜1反射后被分光镜2分为两束,其中一束透过分光镜2后由镜头3聚焦到置于其焦平面的CCD相机4上,计算机5采集CCD相机4的光斑图像数据,评价光束质量并执行蚁群算法,向高压放大器6输出由迭代运算得到的电压信号,高压放大器6向变形反射镜1输出控制电压以改变变形反射镜1的面形,最终校正入射光束波前的各种像差;被分光镜2反射另一束光用于成像等用途。当系统用于对低亮度目标成像时,取消分光镜2,光束直接被镜头3聚焦到CCD相机4上,如图2所示。
所述的蚁群算法优化变形反射镜电压的具体实现步骤如下:
a.初始化蚁群算法的最大循环次数NCmax(本实施例取40)、信息素最高强度τmax(本实施例取2000)、信息素最低强度τmin(本实施例取10)、信息素更新参数Q(本实施例取系统性能达到衍射极限时环围能量的0.1%)、信息素挥发系数初始值ρ0(本实施例取0.9)、信息素挥发系数最小值ρmin(本实施例取0.4)、蚂蚁数目m(本实施例取20)、算法停止条件参数ε(本实施例取1)、电压份数N(本实施例取10)。确定变形反射镜每个驱动电压vj的范围:vjlower≤vj≤vjupper(j=1,2,...,n);其中n为变形镜驱动单元个数,将各驱动电压分为N等份:
其中第j个驱动电压的第i份为:
vji=vjlower+hj·i
b.若max(h1,h2,...,hn)<ε,则算法停止,变形反射镜的最优控制电压为:
c.参数重新设定:令循环次数nc=0,信息素强度τij=τmax(i=1,2,...,N,j=1,2,...,n),信息素挥发系数ρ=ρ0;
d.令第k只蚂蚁采用轮盘赌的方式根据下面的状态转移概率公式所计算的概率选择电压节点并前进,从v1一直前进到vn:
e.将每只蚂蚁路径对应的控制电压输出到变形反射镜,采集获得的光斑图像并计算环围能量EE,将能使环围能量最大的蚂蚁的路径向量赋给第1只蚂蚁;环围能量EE的定义为:
根据下式更新第1只蚂蚁路径上的信息素强度:
其中J为第1只蚂蚁对应的控制电压输出到变形反射镜后得到光斑的环围能量,τij new的范围限制到[τmin,τmax]:
f.若NC<NCmax,跳转到步骤d,否则找出τij矩阵中每列最大的元素对应的行(m1,m2,...mn),并缩小电压的取值范围:
其中Δj1和Δj2的定义如下:
本实施例中Δ0=2。跳转到步骤a。
将蚁群算法获得的最优控制电压经高压放大器6放大后输出到变形反射镜1,入射光束的波前相差就得到了校正。
Claims (5)
1、基于蚁群算法的自适应光学系统,其特征在于:包括变形反射镜(1)、分光镜(2)、镜头(3)、CCD相机(4)、计算机(5)、高压放大器(6),入射光束由变形反射镜(1)反射后被分光镜(2)分为两束,一束透过分光镜(2)后被镜头(3)聚焦到置于其焦平面的CCD相机(4)上,计算机(5)采集CCD相机(4)的光斑图像,评价光束质量并执行蚁群算法,优化变形反射镜(1)的驱动电压,然后向高压放大器(6)输出电压信号,经高压放大器(6)放大后向变形反射镜(1)输出驱动电压以改变变形反射镜(1)的面形,最终校正入射光束波前的各种像差。
2、根据权利要求1所述的基于蚁群算法的自适应光学系统,其特征在于:所述被分光镜(2)反射的另一束光可用于成像或激光加工。
3、根据权利要求1所述的基于蚁群算法的自适应光学系统,其特征在于:当系统用于对低亮度目标成像时,取消分光镜(2),光束直接被聚焦到CCD相机(4)上。
5、根据权利要求1所述的基于蚁群算法的自适应光学系统,其特征在于:所述的蚁群算法优化变形反射镜驱动电压的步骤如下:
a.确定变形反射镜每个单元驱动电压vj的范围:
vjlower≤vj≤vjupper(j=1,2,...,n)
其中n为变形反射镜驱动单元个数,将各驱动电压分为N等份:
其中第j个驱动电压的第i份为:
vji=vjlower+hj·i
b.若max(h1,h2,...,hn)<ε,则算法停止,最优驱动电压为:
c.参数重新设定:令循环次数NC=0,信息素强度τij=τmax(i=1,2,...,N,j=1,2,...,n),信息素挥发系数ρ=ρ0;
d.令第k只蚂蚁采用轮盘赌的方式根据下面的状态转移概率公式所计算的概率选择电压节点并前进,从v1一直前进到vn:
e.将使得光斑环围能量最大的蚂蚁的路径向量赋给第1只蚂蚁,循环次数NC=NC+1,根据下式更新ρ:
其中ρmin为设定的信息素挥发系数最小值。根据下式更新第1只蚂蚁路径上的信息素强度:
其中J为第1只蚂蚁路径向量对应的电压输出到变形反射镜后得到光斑的环围能量EE,Q为信息素更新参数,τij new的范围限制到[τmin,τmax]:
f.若NC<NCmax,跳转到步骤d,否则找出τij矩阵中每列最大的元素对应的行(m1,m2,...mn),并缩小电压的取值范围:
跳转到步骤a。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101191301A CN101344639B (zh) | 2008-08-27 | 2008-08-27 | 基于蚁群算法的自适应光学系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101191301A CN101344639B (zh) | 2008-08-27 | 2008-08-27 | 基于蚁群算法的自适应光学系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101344639A true CN101344639A (zh) | 2009-01-14 |
CN101344639B CN101344639B (zh) | 2010-12-08 |
Family
ID=40246662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101191301A Expired - Fee Related CN101344639B (zh) | 2008-08-27 | 2008-08-27 | 基于蚁群算法的自适应光学系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101344639B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738721B (zh) * | 2009-12-25 | 2011-12-14 | 中国科学院光电技术研究所 | 一种消除哈特曼波前传感器系统误差的自适应光学成像系统 |
CN102596126A (zh) * | 2009-07-29 | 2012-07-18 | 爱尔康蓝斯克斯股份有限公司 | 用于眼科手术激光的光学系统 |
CN102658431A (zh) * | 2012-05-18 | 2012-09-12 | 中国科学院光电技术研究所 | 一种自动诊断并校正激光光束发散角及光束质量的装置 |
CN102999787A (zh) * | 2012-11-02 | 2013-03-27 | 北京农业信息技术研究中心 | 一种蔬菜种植茬口安排的优化方法 |
CN107783285A (zh) * | 2017-11-06 | 2018-03-09 | 山东理工大学 | 校正单个非球面透镜球差的蚁群优化方法 |
CN109031654A (zh) * | 2018-09-11 | 2018-12-18 | 安徽农业大学 | 一种基于卷积神经网络的自适应光学校正方法及系统 |
CN110095858A (zh) * | 2018-12-12 | 2019-08-06 | 中国科学院紫金山天文台 | 自适应光学变形镜弹性模态像差表征方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2533906A (en) * | 2014-10-08 | 2016-07-13 | Applied Mat Tech | Reflecting devices |
-
2008
- 2008-08-27 CN CN2008101191301A patent/CN101344639B/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102596126A (zh) * | 2009-07-29 | 2012-07-18 | 爱尔康蓝斯克斯股份有限公司 | 用于眼科手术激光的光学系统 |
CN102596126B (zh) * | 2009-07-29 | 2014-08-13 | 爱尔康蓝斯克斯股份有限公司 | 用于眼科手术激光的光学系统 |
CN101738721B (zh) * | 2009-12-25 | 2011-12-14 | 中国科学院光电技术研究所 | 一种消除哈特曼波前传感器系统误差的自适应光学成像系统 |
CN102658431A (zh) * | 2012-05-18 | 2012-09-12 | 中国科学院光电技术研究所 | 一种自动诊断并校正激光光束发散角及光束质量的装置 |
CN102658431B (zh) * | 2012-05-18 | 2014-09-03 | 中国科学院光电技术研究所 | 一种自动诊断并校正激光光束发散角及光束质量的装置 |
CN102999787A (zh) * | 2012-11-02 | 2013-03-27 | 北京农业信息技术研究中心 | 一种蔬菜种植茬口安排的优化方法 |
CN102999787B (zh) * | 2012-11-02 | 2015-08-12 | 北京农业信息技术研究中心 | 一种蔬菜种植茬口安排的优化方法 |
CN107783285A (zh) * | 2017-11-06 | 2018-03-09 | 山东理工大学 | 校正单个非球面透镜球差的蚁群优化方法 |
CN109031654A (zh) * | 2018-09-11 | 2018-12-18 | 安徽农业大学 | 一种基于卷积神经网络的自适应光学校正方法及系统 |
CN110095858A (zh) * | 2018-12-12 | 2019-08-06 | 中国科学院紫金山天文台 | 自适应光学变形镜弹性模态像差表征方法 |
CN110095858B (zh) * | 2018-12-12 | 2021-06-08 | 中国科学院紫金山天文台 | 自适应光学变形镜弹性模态像差表征方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101344639B (zh) | 2010-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101344639B (zh) | 基于蚁群算法的自适应光学系统 | |
CN100580501C (zh) | 基于像清晰化原理的自适应光学星体目标成像系统 | |
CN102722023B (zh) | 一种基于分离模式控制和优化算法的多变形镜控制方法 | |
CN103901617B (zh) | 一种基于模型的无波前探测自适应光学系统 | |
CN104037606A (zh) | 一种基于光纤的分布式自适应光学系统 | |
CN1904712A (zh) | 一种基于遗传算法的自适应校正激光器像差的装置 | |
CN104568174A (zh) | 一种基于阵列探测器的光场匹配外差探测装置及方法 | |
CN105203213A (zh) | 一种计算复合波前传感自适应光学系统复原电压的方法 | |
CN108646406B (zh) | 一种基于棱锥波前传感器本征模式控制的自适应光学装置 | |
CN112987321B (zh) | 一种生成高功率涡旋激光的方法和装置 | |
CN102707434B (zh) | 一种腔内自适应光学光束净化系统及方法 | |
US9696212B2 (en) | High efficiency coherent imager | |
CN109633891B (zh) | 一种波前控制方法 | |
CN113960570A (zh) | 基于波长调谐的全固态激光雷达扫描装置和方法 | |
CN103412404B (zh) | 一种基于多视场波前探测与全视场优化的波前校正方法 | |
CN116047748A (zh) | 基于可变分辨率哈特曼的自适应光学望远镜波前控制装置 | |
CN110764233A (zh) | 一种新型激光雷达接收镜头 | |
CN114967129A (zh) | 一种新型扩展目标自适应光学成像系统及其方法 | |
CN105204168A (zh) | 一种基于双波前校正器的无波前探测器远场激光束整形装置及方法 | |
CN115356839A (zh) | 贝塞尔双光子显微镜照明光路生物组织像差探测方法 | |
CN1226655C (zh) | 提高激光束能量密度的超衍射极限的相位补偿方法及装置 | |
CN102938534A (zh) | 一种半导体激光器及其产生高质量和高稳定光束的方法 | |
CN103076674A (zh) | 一种利用光热效应改变激光传输特性的装置 | |
CN202906196U (zh) | 一种半导体激光器 | |
CN114355607B (zh) | 空间光通信小型化终端非共光路像差自校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101208 Termination date: 20150827 |
|
EXPY | Termination of patent right or utility model |