自適應光學隨機并行優(yōu)化控制技術及其應用

前言
第一篇 綜述及基本理論介紹
第1章 綜述
1．1 自適應光學的基本概念
1．2 自適應光學發(fā)展概況
1．2．1 自適應光學理論發(fā)展概況
1．2．2 自適應光學技術應用
1．2．3 我國自適應光學技術的研究概況
1．3 無波前探測自適應光學技術發(fā)展概況
1．3．1 第一階段：20世紀70～80年代
1．3．2 第二階段：20世紀90年代后期至今
1．4 隨機并行梯度下降控制技術發(fā)展和應用現(xiàn)狀
1．5 本書主要內容
參考文獻
第2章 隨機并行梯度下降算法基本理論
2．1 無波前探測自適應光學系統(tǒng)的特點與最優(yōu)化方法
2．2 隨機近似類算法：同時擾動隨機近似算法
2．3 神經(jīng)網(wǎng)絡應用中隨機誤差下降算法
2．4 自適應光學系統(tǒng)中梯度下降類算法
2．4．1 順序梯度下降算法
2．4．2 多元高頻振動算法
2．4．3 隨機并行梯度下降算法
2．5 SPGD算法收斂性分析
2．6 SPGD算法收斂速度分析
2．7 SPGD算法穩(wěn)定性分析
2．8 本章小結
參考文獻
第二篇 基于SPGD控制算法的AO系統(tǒng)基本性能研究
第3章 SPGD控制算法靜態(tài)畸變校正仿真與分析
3．1 仿真模型介紹
3．2 靜態(tài)波前畸變生成
3．3 目標函數(shù)分析模塊
3．4 波前校正器
3．5 SPGD算法模塊
3．6 仿真結果與分析
3．6．1 算法收斂性驗證
3．6．2 對同一種畸變取不同擾動幅度和增益系數(shù)
3．6．3 固定增益和隨機擾動幅度對不同程度畸變的適應情況
3．6．4 自適應增益
3．7 本章小結
參考文獻
第4章 幾種隨機并行優(yōu)化算法在A0系統(tǒng)中應用的比較
4．1 基于隨機并行優(yōu)化算法的自適應光學系統(tǒng)仿真模型
4．2 隨機并行優(yōu)化算法介紹
4．2．1 隨機并行梯度下降算法
4．2．2 遺傳算法
4．2．3 模擬退火算法
4．2．4 模式提取算法
4．3 仿真結果
4．3．1 各算法參數(shù)的選取
4．3．2 收斂速度
4．3．3 校正效果
4．3．4 局部極值
4．4 討論與分析
4．5 本章小結
參考文獻
第5章 32單元變形鏡SPGD控制算法實驗研究
5．1 實驗裝置
5．2 目標函數(shù)的選取
5．3 隨機并行梯度下降算法
第6章 基于SPGD算法的自適應光學帶寬分析
第7章 基于SPGD算法自適應光學系統(tǒng)中的目標函數(shù)
第三篇 基于SPGD控制算法的AO系統(tǒng)性能優(yōu)化
第8章 基于Zernike模式的AO系統(tǒng)優(yōu)化
第9章 SPGD算法中隨機擾動信號的統(tǒng)計優(yōu)化
第10章 Zernike模式法實現(xiàn)DM和TM的解耦控制
第11章 分段隨機擾動用于SPGD算法優(yōu)化
第12章 基于Hadamard模式的SPGD算法優(yōu)化
第四篇 基于SPGD控制算法的AO系統(tǒng)應用
第13章 擴展目標成像校正
第14章 成像噪聲對擴展目標成像校正效果的影響
第15章 焦斑形態(tài)控制
第16章 激光器光束凈化
第17章 光纖激光相干合成系統(tǒng)仿真
第18章 傾斜像差對光纖激光相干合成的影響與模擬校正
第19章 基于傾斜控制的光纖激光相干合成實驗
第20章 基于目標在回路的光纖激光相干合成實驗