基于神经网络的自适应光学系统变形镜控制电压预测方法

介绍了在校正大气湍流畸变波前像差的自适应光学系统中,基于神经网络技术对变形镜控制电压进行预测以减少自适应光学系统中时间延迟误差的方法。对受横向风影响的大气湍流畸变波前数据,利用数值仿真方法,研究了基于二阶学习算法的二层反向传播(BP)神经网络对自适应光学系统变形镜控制电压进行超前预测的方法,讨论了回溯帧数及学习速率对预测效果的影响,并与采用最小递归二乘(RLS)算法预测时的效果进行了比较。对比结果表明,基于二阶学习算法的二层BP神经网络预测方法比基于RLS算法的预测方法能更有效地降低系统由伺服延迟引起的误差。