申请/专利权人：杭州电子科技大学

申请日：2024-01-17

公开（公告）日：2024-04-19

公开（公告）号：CN117908248A

主分类号：G02B27/00

分类号：G02B27/00;G02B27/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于GS算法和深度学习的畸变涡旋光校正系统及方法。本发明提供的涡旋光畸变校正系统，由涡旋光发射模块、湍流传输模块、GS算法迭代模块、卷积神经网络训练模块、相位屏补偿模块构成。本发明基于GS算法，通过涡旋光初始光场和畸变光场的强度分布，计算出补偿相位屏，再将补偿相位屏和畸变光场组成训练集对卷积神经网络进行训练，经过训练后的卷积神经网络学习到GS算法生成补偿相位屏的能力，可以代替GS算法直接生成补偿相位屏，从而对涡旋光束的相位畸变进行实时校正。本发明训练卷积神经网络代替GS算法修复畸变涡旋光，并且生成补偿相位屏的速度从GS算法的几百毫秒提升至几十毫秒。

主权项：1.基于GS算法和深度学习的畸变涡旋光校正系统，其特征在于包括涡旋光发射模块、湍流传输模块、GS算法迭代模块、卷积神经网络训练模块、相位屏补偿模块；涡旋光发射模块，利用激光器和空间光调制器发射具有不同拓扑荷数的初始的涡旋光束；湍流传输模块，利用随机湍流相位屏模拟湍流介质，经过湍流后的畸变的涡旋光束通过MAtlab得到涡旋光强度图；GS算法迭代模块，将初始的涡旋光束和畸变的涡旋光束经过GS算法迭代运算，得到预校正补偿相位屏C1x,y；卷积神经网络训练模块，将畸变的涡旋光束和其对应的预校正补偿相位屏C1x,y作为一组，构成训练集，对卷积神经网络进行映射训练，使卷积神经网络学习到GS算法的能力，训练好的卷积神经网络输入畸变的涡旋光强度图直接生成补偿相位屏C2x,y；相位屏补偿模块，将补偿相位屏C2x,y作用到畸变的涡旋光强度图，得到相对应的校正后的涡旋光强度图。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于GS算法和深度学习的畸变涡旋光校正系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD