一种基于深度学习的畸变波前预测方法

摘要

本发明公开了一种基于深度学习的畸变波前预测方法。自适应光学系统(AO)是一类能够实时补偿大气湍流畸变波前的伺服延迟系统，通常延迟时间为2～3个采样周期，波前预测技术可有效解决该时延问题，提高系统的控制性能。深度学习可自提取图像深层特征，可被用于拟合多帧历史波前信息到预测波前信息的映射；本发明在于充分发挥神经网络的非线性拟合能力，利用多帧连续畸变波前帧与帧之间存在的时序特征，采用残差学习的方式消除相邻两帧之间的冗余信息，然后融合精化处理后的特征，最后，再次通过融合各级特征得到最终预测结果用于实时校正，以降低AO系统在应对具有高时间频率的大气湍流畸变波前时的时延误差，提高控制性能。