一种基于深度学习的大气湍流实时补偿方法及系统

摘要

本发明公开了一种基于深度学习的大气湍流实时补偿方法及系统，所述方法包括以下步骤：将两束光分别处理生成X偏振方向的涡旋光和Y偏振方向的参考光后合束；对合束的光中X偏振方向的光和Y偏振方向的光上分别加载相同的大气湍流相位屏后进行分束，并检测得到分束的光中Y偏振方向上的光的光强分布图；利用训练好的卷积神经网络对大气湍流相位屏进行预测得到预测到的大气湍流相位屏并取反后加载到合束的光上，以对X偏振方向的光进行实时的大气湍流补偿。由于卷积神经网络经过训练后对湍流相位屏具有比较好的预测能力，能够对涡旋光进行实时的湍流相位补偿。相比传统的湍流补偿方案，本发明的湍流实时补偿方法具有实施过程简单、方便以及直观等特点，适用于高速、高精度的任意湍流条件下的实时补偿。