自適應(yīng)光學(xué)隨機(jī)并行優(yōu)化控制技術(shù)及其應(yīng)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(yīng)光學(xué)的基本概念
1．2 自適應(yīng)光學(xué)發(fā)展概況
1．2．1 自適應(yīng)光學(xué)理論發(fā)展概況
1．2．2 自適應(yīng)光學(xué)技術(shù)應(yīng)用
1．2．3 我國自適應(yīng)光學(xué)技術(shù)的研究概況
1．3 無波前探測(cè)自適應(yīng)光學(xué)技術(shù)發(fā)展概況
1．3．1 第一階段：20世紀(jì)70～80年代
1．3．2 第二階段：20世紀(jì)90年代后期至今
1．4 隨機(jī)并行梯度下降控制技術(shù)發(fā)展和應(yīng)用現(xiàn)狀
1．5 本書主要內(nèi)容
參考文獻(xiàn)
第2章 隨機(jī)并行梯度下降算法基本理論
2．1 無波前探測(cè)自適應(yīng)光學(xué)系統(tǒng)的特點(diǎn)與最優(yōu)化方法
2．2 隨機(jī)近似類算法：同時(shí)擾動(dòng)隨機(jī)近似算法
2．3 神經(jīng)網(wǎng)絡(luò)應(yīng)用中隨機(jī)誤差下降算法
2．4 自適應(yīng)光學(xué)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(dòng)算法
2．4．3 隨機(jī)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(jié)
參考文獻(xiàn)
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(biāo)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(jié)果與分析
3．6．1 算法收斂性驗(yàn)證
3．6．2 對(duì)同一種畸變?nèi)〔煌瑪_動(dòng)幅度和增益系數(shù)
3．6．3 固定增益和隨機(jī)擾動(dòng)幅度對(duì)不同程度畸變的適應(yīng)情況
3．6．4 自適應(yīng)增益
3．7 本章小結(jié)
參考文獻(xiàn)
第4章 幾種隨機(jī)并行優(yōu)化算法在A0系統(tǒng)中應(yīng)用的比較
4．1 基于隨機(jī)并行優(yōu)化算法的自適應(yīng)光學(xué)系統(tǒng)仿真模型
4．2 隨機(jī)并行優(yōu)化算法介紹
4．2．1 隨機(jī)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(jié)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(jié)
參考文獻(xiàn)
第5章 32單元變形鏡SPGD控制算法實(shí)驗(yàn)研究
5．1 實(shí)驗(yàn)裝置
5．2 目標(biāo)函數(shù)的選取
5．3 隨機(jī)并行梯度下降算法
第6章 基于SPGD算法的自適應(yīng)光學(xué)帶寬分析
第7章 基于SPGD算法自適應(yīng)光學(xué)系統(tǒng)中的目標(biāo)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(jī)擾動(dòng)信號(hào)的統(tǒng)計(jì)優(yōu)化
第10章 Zernike模式法實(shí)現(xiàn)DM和TM的解耦控制
第11章 分段隨機(jī)擾動(dòng)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(yīng)用
第13章 擴(kuò)展目標(biāo)成像校正
第14章 成像噪聲對(duì)擴(kuò)展目標(biāo)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(duì)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(shí)驗(yàn)
第20章 基于目標(biāo)在回路的光纖激光相干合成實(shí)驗(yàn)