基于混合粒子群算法的相位差波前探测技术

发布时间：2021-08-22 00:52

　　光学望远镜系统内部温度分布不均匀,镜面热变形等因素导致的离焦、球差等低阶大像差会严重降低光学系统的探测能力。给出了相位差法结合离焦光栅进行波前探测的原理,提出了权重线性递减的粒子群优化结合禁忌搜索的混合粒子群算法,并通过仿真验证了该算法的优化性能。采用相位差法结合离焦光栅采集两幅图像,然后通过混合粒子群算法求解目标函数,就可以重构波前,估计出波前像差。仿真结果表明,该算法可以实现对波前像差RMS值在0.859λ以下的目标函数的优化求解,优化后的波前残差达到10^-3量级,并且迭代3次左右即可以完全收敛,满足低阶大像差的校正精度要求。 

【文章来源】：激光与光电子学进展. 2020,57(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

相位差法结合离焦光栅采集图像示意图

利用HPSO算法优化目标函数，首先需要设定算法的主要参数，包括决定算法搜索能力的种群规模，代表Zernike像差项数的粒子维数，初始化Zernike系数、粒子速度、学习因子、惯性权重、禁忌表和禁忌长度等，具体算法流程如图2所示。首先进行PSO搜索，更新粒子的位置和速度，计算适应度之后确定个体和群体的最优值，如果群体最优值小于满足迭代精度要求的参考值δ，则迭代终止，说明当前群体最优值的位置m就是待求波前像差的Zernike系数，可以恢复目标图像及波前相位。如果不满足终止条件就要判断是否陷入局部最优，如果没有陷入局部最优，根据（6)～(8）式更新个体位置最优值Pbest和群体最优值Gbest，继续PSO搜索直至收敛，否则就进入TS搜索过程。TS搜索在PSO算法迭代停滞时发挥作用，避免陷入局部极值。TS算法首先以Gbest为中心选择一组邻域候选解，然后求得相应目标函数值，如果候选解目标函数值的最小值Emin小于目前种群最优适应度值EGbest，则把该值更新为Emin，其所在位置更新为Gbest，更新禁忌表，判断结束还是继续循环。否则选择非禁忌最优解作为当前最优解，若候选解都处于禁忌状态，则选择目标函数值最小的作为当前最优解，判断该最优解是否满足精度要求或迭代完成，从而判断结束循环还是继续循环直至满足终止条件或迭代完成，输出结果。3 仿真分析

图5为波前的仿真图形，图5(a)～(c）分别为加载波前，HPSO算法优化之后恢复的波前，以及波前残差的三维图像，p、q为波前频域坐标，其中波前相位的单位都是λ。从波前残差图可以看出，经过HPSO算法优化之后，波前残差可以达到10-3量级，其波前残差RMS值为0.0046λ，说明该算法能够完全恢复波前像差RMS值在0～0.859λ范围内的波前相位，满足实际需求中低阶大像差的校正要求。图4 加载像差后的焦面和离焦面图像。（a）焦面图像；（b）离焦面图像


本文编号：3356670