一种基于深度学习的压缩波前探测方法

    公开(公告)号:CN116929570A

    公开(公告)日:2023-10-24

    申请号:CN202310922074.X

    申请日:2023-07-26

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于深度学习的压缩波前探测方法,属于自适应光学领域。本申请针对快速恢复稀疏斜率的情况,设计了9层神经网络结构,其中第一层到第六层为双路结构,对输入的x和y方向的斜率分布分别并行处理。数据在第七层到第九层进行合并处理,最后输出预测的波前斜率。该网络可以将稀疏化的波前斜率在更短时间内以更高的精度恢复原始斜率,以进行高精度的波前重构。通过30000组波前和斜率数据对该深度神经网络结构进行训练,训练过程中,使用了具有不同压缩比的斜率。在获得最优模型后,可以实现任意稀疏波前斜率的高精度恢复,且具有良好的抗噪声性能。

    一种激光光束质量的综合参数评价方法

    公开(公告)号:CN116429252A

    公开(公告)日:2023-07-14

    申请号:CN202310411616.7

    申请日:2023-04-18

    Applicant: 江南大学

    Abstract: 本发明涉及一种激光光束质量的综合参数评价方法,属于激光光束特性测量领域。该方法通过多次测量平均来消除气流扰动的影响;考虑多模激光光源的尺寸,采用点扩散函数与光源进行卷积,来计算多模激光的远场光斑图像,解决多模激光测量错误的问题;在缩束或扩束时,采用扣除背景Wbg后的波前来计算远场光斑图像,减少远场光斑的误差;利用夏克哈特曼波前探测器测量波前、PV和RMS等参数,克服了现有的夏克哈特曼波前探测器测量激光光束质量因子M2中测量误差大,只能定性测量的问题,达到了准确测量单模或多模激光的光束质量因子、激光波前、PV和RMS等参数,实现激光光束质量综合参数的测量。

Patent Agency Ranking