CN101344639A - 基于蚁群算法的自适应光学系统 - Google Patents

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

基于蚁群算法的自适应光学系统

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：

其中

为光斑强度，

为需要获得光束能量的区域。

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v_j的范围：

v_jlower≤v_j≤v_jupper(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：

$h_j=\frac{v_{\mathrm{jupper}}-v_{\mathrm{jlower}}}{N},(j=\mathrm{1,2},...,n)$

其中第j个驱动电压的第i份为：

v_ji＝v_jlower+h_j·i

b.若max(h₁，h₂，...，h_n)＜ε，则算法停止，变形反射镜的最优控制电压为：

$v_j^{*}=\frac{v_{\mathrm{jupper}}+v_{\mathrm{jlower}}}{2},(j=\mathrm{1,2},...,n)$

c.参数重新设定：令循环次数nc＝0，信息素强度τ_ij＝τ_max(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v_n：

$p_{\mathrm{ij}}^k=\frac{{\mathrm{\τ}}_{\mathrm{ij}}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\τ}}_{\mathrm{ij}}},k=(\mathrm{2,3},...m)$

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：

${\mathrm{\τ}}_{\mathrm{ij}}^{\mathrm{new}}=(1-\mathrm{\ρ})\·{\mathrm{\τ}}_{\mathrm{ij}}^{\mathrm{old}}+\frac{J}{Q}$

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，τ_ij ^new的范围限制到[τ_min，τ_max]：

${\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}=\left\{\begin{array}{c}{\mathrm{\&tau;}}_{\min },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\min }\\ {\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}},{\mathrm{\&tau;}}_{\min }<{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\max }\\ {\mathrm{\&tau;}}_{\max },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}>{\mathrm{\&tau;}}_{\max }\end{array}\right.$

f.若NC＜NC_max，跳转到步骤d，否则找出τ_ij矩阵中每列最大的元素对应的行(m₁，m₂，...m_n)，并缩小电压的取值范围：

$v_{\mathrm{jlower}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j-{\mathrm{\&Delta;}}_{j1})\&CenterDot;h_j,(j=\mathrm{1,2},...,n)$

$v_{\mathrm{jupper}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j+{\mathrm{\&Delta;}}_{j2})\&CenterDot;h_j,(j=\mathrm{1,2},...,n)$

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NC_max(本实施例取40)、信息素最高强度τ_max(本实施例取2000)、信息素最低强度τ_min(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ρ_min(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v_j的范围：v_jlower≤v_j≤v_jupper(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：

$h_j=\frac{v_{\mathrm{jupper}}-v_{\mathrm{jlower}}}{N},(j=\mathrm{1,2},...,n)$

其中第j个驱动电压的第i份为：

v_ji＝v_jlower+h_j·i

b.若max(h₁，h₂，...，h_n)＜ε，则算法停止，变形反射镜的最优控制电压为：

$v_j^{*}=\frac{v_{\mathrm{jupper}}+v_{\mathrm{jlower}}}{2},(j=\mathrm{1,2},...,n)$

c.参数重新设定：令循环次数nc＝0，信息素强度τ_ij＝τ_max(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v_n：

$p_{\mathrm{ij}}^k=\frac{{\mathrm{\&tau;}}_{\mathrm{ij}}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&tau;}}_{\mathrm{ij}}},k=(\mathrm{2,3},...,m)$

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：

其中

为光斑强度，本实施例中积分区域

取为CCD相机靶面中心区域；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：

${\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}=(1-\mathrm{\&rho;})\&CenterDot;{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{old}}+\frac{J}{Q}$

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，τ_ij ^new的范围限制到[τ_min，τ_max]：

${\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}=\left\{\begin{array}{c}{\mathrm{\&tau;}}_{\min },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\min }\\ {\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}},{\mathrm{\&tau;}}_{\min }<{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\max }\\ {\mathrm{\&tau;}}_{\max },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}>{\mathrm{\&tau;}}_{\max }\end{array}\right.$

f.若NC＜NC_max，跳转到步骤d，否则找出τ_ij矩阵中每列最大的元素对应的行(m₁，m₂，...m_n)，并缩小电压的取值范围：

$v_{\mathrm{jlower}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j-{\mathrm{\&Delta;}}_{j1})\&CenterDot;h_j,(j=\mathrm{1,2},...,n)$

$v_{\mathrm{jupper}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j+{\mathrm{\&Delta;}}_{j2})\&CenterDot;h_j,(j=\mathrm{1,2},...,n)$

其中Δ_j1和Δ_j2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。

4、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：所述的评价光束质量的指标为环围能量EE：

其中

为光斑强度，

为需要获得光束能量的区域。

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v_j的范围：

v_jlower≤v_j≤v_jupper(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：

$h_j=\frac{v_{\mathrm{jupper}}-v_{\mathrm{jlower}}}{N},(j=\mathrm{1,2},...,n)$

其中第j个驱动电压的第i份为：

v_ji＝v_jlower+h_j·i

b.若max(h₁，h₂，...，h_n)＜ε，则算法停止，最优驱动电压为：

$v_j^{*}=\frac{v_{\mathrm{jupper}}+v_{\mathrm{jlower}}}{2},(j=\mathrm{1,2},...,n)$

c.参数重新设定：令循环次数NC＝0，信息素强度τ_ij＝τ_max(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v_n：

$p_{\mathrm{ij}}^k=\frac{{\mathrm{\&tau;}}_{\mathrm{ij}}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&tau;}}_{\mathrm{ij}}}k=(\mathrm{2,3},...,m)$

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ρ_min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：

${\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}=(1-\mathrm{\&rho;})\&CenterDot;{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{old}}+\frac{J}{Q}$

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，τ_ij ^new的范围限制到[τ_min，τ_max]：

${\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}=\left\{\begin{array}{c}{\mathrm{\&tau;}}_{\min },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\min }\\ {\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}},{\mathrm{\&tau;}}_{\min }<{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}\&le;{\mathrm{\&tau;}}_{\max }\\ {\mathrm{\&tau;}}_{\max },{\mathrm{\&tau;}}_{\mathrm{ij}}^{\mathrm{new}}>{\mathrm{\&tau;}}_{\max }\end{array}\right.$

f.若NC＜NC_max，跳转到步骤d，否则找出τ_ij矩阵中每列最大的元素对应的行(m₁，m₂，...m_n)，并缩小电压的取值范围：

$v_{\mathrm{jlower}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j-{\mathrm{\&Delta;}}_{j1})\&CenterDot;h_j(j=\mathrm{1,2},...,n)$

$v_{\mathrm{jupper}}^{\mathrm{new}}=v_{\mathrm{jlower}}^{\mathrm{old}}+(m_j+{\mathrm{\&Delta;}}_{j2})\&CenterDot;h_j(j=\mathrm{1,2},...,n)$

跳转到步骤a。

Images