无波前传感器的自适应光学校正 下载: 1746次
1 引言
激光在大气中传输时,大气湍流会引起光波的波前失真、光强起伏和光束漂移等现象,降低系统的成像质量和光束质量,从而制约无线光通信系统性能的提高[1]。1953年,Babcock[2]提出用闭环实时补偿波前误差的方法校正湍流引起的动态干扰,此后自适应光学逐渐成为校正光波畸变的首选方法。目前,大多数自适应光学系统都是用波前传感器探测波前相位畸变量,并由波前控制器根据探测到的畸变量产生控制信号,以驱动波前校正器,即变形镜(DM),实现对畸变相位的校正[3]。2010年,夏利军等[4]开展了大气光通信畸变波前校正实验,实验结果表明经自适应光学系统校正后,采用更小的初始光功率能够得到更好的通信质量。2014年,Hashmi等[5]在实验室进行了星间自适应光学通信数值模拟,结果表明自适应光学系统经闭环校正后,其斯特列尔比可以从0.30提高到0.75。2017年,武楚晗等[6]研究了基于层析传感的自适应光学眼底成像系统,结果表明:相较于传统自适应光学系统,层析自适应光学系统可扩大校正视场角。但是,含波前传感器的校正系统结构复杂,且波前传感器会分流系统的部分光强,因此国内外学者开始对无波前传感器自适应光学校正系统进行研究。
无波前探测的自适应光学系统根据成像探测器获得的像质信息建立系统性能评价函数,用优化算法对评价函数进行优化,从而实现畸变波前的校正[7]。早期,主要的优化算法有爬山法[8]和多元高频振动法[9],但此类算法由于耗时长、带宽需求大而被搁浅[10]。此后,研究人员转而寻找容易实现且可并行计算控制参数的智能算法,其中使用较多的算法是遗传算法、模拟退火算法和随机并行梯度下降(SPGD)算法。2011年,Yang等[11]研究了SPGD算法、遗传算法和模拟退火算法等优化算法对系统校正效果的影响,结果表明模拟退火算法所需的校正时间最短。2012年,王卫兵等[12]研究了遗传算法在激光整形中的应用,结果表明基于遗传算法的无波前传感器校正系统可以使系统的斯特列尔比由0.3771提高到0.9049。2016年,Anzuola等[13]研究了SPGD算法及其模态版本M-SPGD算法对自适应光学系统的校正能力,结果表明M-SPGD算法相比于SPGD算法有更快的收敛速度。以上对无波前探测的自适应光学校正系统的研究大多基于理论研究,而实验研究较少。
本文分析了光经多相位屏传输后光斑的畸变情况,通过数值模拟和实验验证了基于变增益系数的SPGD算法的无波前传感器自适应光学系统可实现对畸变波前的闭环校正,该研究为今后的无波前探测自适应光学实验提供了基础。
2 基本原理
2.1 系统结构
无波前传感器的自适应光学校正系统主要由波前控制器、DM和CCD 3部分组成,系统原理框图如
图 1. 无波前传感器自适应光学校正系统原理框图
Fig. 1. Principle diagram of wavefront sensorless adaptive optics correction system
2.2 Zernike多项式模拟相位屏
激光经大气湍流传输后会产生带有像差的畸变光,大气湍流引起的畸变相位
式中
式中
2.3 激光在大气湍流中的传输
在自适应光学畸变波前校正技术中,可以用大气相干长度
图 2. 不同湍流强度对应的相位屏的模拟结果。(a)弱湍流;(b)中强湍流;(c)强湍流
Fig. 2. Simulation results of phase screen under different turbulence intensities. (a) Weak turbulence; (b) mid-strong turbulence; (c) strong turbulence
采用多相位屏近似法模拟激光在大气湍流中的传输,即把光束的传输路径
式中F、F-1分别表示傅里叶变换和傅里叶逆变换,
图 3. 激光在大气湍流中的传输原理图
Fig. 3. Principle diagram of optical propagation in atmospheric turbulence
进行数值仿真时,设定束腰半径
图 4. 激光经湍流传输后的远场光强分布。 (a)无湍流;(b)弱湍流;(c)中强湍流;(d)强湍流
Fig. 4. Far field light intensity distributions of laser propagating through atmospheric turbulence. (a) Without turbulence; (b) weak turbulence; (c) mid-strong turbulence; (d) strong turbulence
从
2.4 SPGD算法
由上文讨论可知,无波前传感器自适应光学校正畸变波前的核心是:利用波前控制器控制智能算法,以对系统性能评价函数进行优化,产生对应的DM控制信号。无波前探测的自适应光学系统智能算法主要分为两类:无模式优化方法和基于模式的优化方法[19-20],无模式优化方法直接控制DM对畸变波前进行校正,并使系统性能评价指标达到最优值;基于模式的优化方法选用合适的基底模式描述波前误差,通过对基底模式系数的优化来校正畸变波前[21]。采用无模式优化方法中的SPGD算法,核心是对施加在DM上的控制信号进行双边并行扰动,从而校正畸变像差。
SPGD算法主要基于随机逼近理论和人工神经网络技术。SPGD算法的迭代公式为[22]
式中
2.5 波前校正器
选择法国ALPAO公司生产的69单元高速可变形镜,采用电磁促动器,DM结构如
DM产生的总面形量
式中
式中
3 数值仿真与实验研究
3.1 系统性能评价指标
无波前传感器进行畸变波前校正时,采用斯特列尔比作为系统性能评价指标。斯特列尔比的定义式为[23]
式中
3.2 仿真结果与分析
采用多相位屏传输法模拟激光在大气湍流中的传输,其中相位屏由前15阶Zernike多项式产生,对基于SPGD算法的无波前传感器校正畸变波前进行仿真,
图 7. 校正前后远场光斑的光强分布。(a)校正前;(b)校正后
Fig. 7. Light intensity distributions of far field spot (a) before and (b) after correction
3.3 实验研究
为了验证SPGD算法的可行性及其闭环校正能力,搭建了无波前传感器自适应光学实验系统。
图 9. 无波前传感器自适应光学校正系统实物图
Fig. 9. Physical photograph of wavefront sensorless adaptive optics correction system
实验选用波长为0.65 μm、功率为30 mW的激光器,用毛玻璃代替大气湍流产生随机畸变像差。SPGD算法中系统的收敛速度和校正效果与
图 10. 校正前后CCD采集的光斑光强分布。 (a)弱湍流;(b)中强湍流;(c)强湍流
Fig. 10. Light intensity distributions of spot collected by CCD before and after correction. (a) Weak turbulence; (b) mid-strong turbulence; (c) strong turbulence
实验中取中心光斑的平均灰度值作为目标函数值,经校正后,中心光斑的900个像素点的平均灰度值由110.6,44.6,26.5分别上升到208.5,93.4,77.2。校正前后系统的斯特列尔比值由校正前的0.48,0.39,0.23分别上升到0.86,0.75,0.67。
4 结论
用多相位屏传输法模拟高斯光束在大气湍流中的传输,从理论和实验两方面研究了基于SPGD算法的无波前传感器自适应光学系统对湍流产生的畸变波前校正效果。结果表明:激光受湍流影响时远场光斑会出现散斑和质心漂移,且随着湍流强度的增大,湍流对激光的影响越来越严重。理论结果表明,畸变波前经过基于SPGD算法的自适应光学系统校正后,系统的斯特列尔比由0.15提高到0.81,校正后的光斑变得更加会聚,中心光强增强。实验中,以CCD相机探测到的远场光斑环围光强值作为目标函数。使用SPGD算法校正后,系统的斯特列尔比由0.48,0.39,0.23分别提高到0.86,0.75,0.67,中心光强值明显增大。因此,SPGD算法可有效校正大气湍流引起的波前畸变。
[1] 李杨, 相里斌, 张文喜. 湍流大气中激光传输对傅里叶望远镜成像质量的影响[J]. 强激光与粒子束, 2013, 25(2): 292-296.
[4] 夏利军, 李晓峰. 基于自适应光学的大气光通信波前校正实验[J]. 太赫兹科学与电子信息学报, 2010, 8(3): 331-335.
Xia L J, Li X F. Transmission wave-front correction of atmospheric optical communication based on adaptive optics technology[J]. Information and Electronic Engineering, 2010, 8(3): 331-335.
[6] 武楚晗, 张晓芳, 陈蔚林, 等. 基于层析传感的自适应光学眼底成像系统[J]. 光学学报, 2017, 37(4): 0411002.
[10] Tyson RK. Principles of adaptive optics[M]. New York: CRC Press, 1991.
[12] 王卫兵, 赵帅, 郭劲, 等. 遗传算法在激光整形中的应用[J]. 激光与红外, 2012, 42(10): 1115-1119.
Wang W B, Zhao S, Guo J, et al. Genetic algorithm used in laser shaping[J]. Laser & Infrared, 2012, 42(10): 1115-1119.
[13] AnzuolaE, SegelM, GladyszS, et al. Performance of wavefront-sensorless adaptive optics using modal and zonal correction[C]. SPIE, 2016, 10002: 100020J.
[14] 丰帆, 李常伟. 基于小波分析的大气湍流相位屏模拟[J]. 光学学报, 2017, 37(1): 0101004.
Feng F, Li C W. Simulation of atmospheric turbulence phase screen based on wavelet analysis[J]. Acat Optica Sinica, 2017, 37(1): 0101004.
[16] 胡朝晖, 姜文汉. 受大气湍流影响的光学波前模拟[J]. 光电工程, 1995, 22(2): 50-56.
Hu Z H, Jiang W H. Simulation of the optical wavefront distorted by atmospheric turbulence[J]. Opto-Electronic Engineering, 1995, 22(2): 50-56.
[18] 王龙, 沈学举, 张维安, 等. 相位屏法研究平顶高斯光束的大气传输特性[J]. 激光与红外, 2012, 42(8): 852-856.
Wang L, Shen X J, Zhang W A, et al. Study on propagation of flattened Gaussian beams through turbulent atmosphere utilizing multiple phase-screens[J]. Laser & Infrared, 2012, 42(8): 852-856.
[20] 何杰铃, 魏凌, 杨金生, 等. 基于变形镜激光束整形系统中的相位拟合优化方法[J]. 激光与光电子学进展, 2016, 53(2): 020101.
[21] 王瑞, 董冰. 点目标下基于变形镜本征模式的无波前传感器自适应光学系统[J]. 中国激光, 2016, 43(2): 0212001.
[22] Vorontsov M A, Carhart G W, Cohen M, et al. Adaptive optics based on analog parallel stochastic optimisation: Analysis and experimental demonstration[J]. Journal of the Optical Society of America A, 2000, 17(8): 1440-1453.
[23] 韩立强, 王志斌. 自适应光学校正下空间光通信的光纤耦合效率及斯特列尔比[J]. 红外与激光工程, 2013, 42(1): 125-129.
Han L Q, Wang Z B. Fiber coupling efficiency and Strehl ratio for space optical communication based on adaptive optics correction[J]. Infrared and Laser Engineering, 2013, 42(1): 125-129.
Article Outline
吴加丽, 柯熙政. 无波前传感器的自适应光学校正[J]. 激光与光电子学进展, 2018, 55(3): 030103. Jiali Wu, Xizheng Ke. Adaptive Optics Correction of Wavefront Sensorless[J]. Laser & Optoelectronics Progress, 2018, 55(3): 030103.