自适应光学随机并行优化控制技术及其应用 本书特色
随着自适应光学应用领域的拓展，开发结构简单、成本低廉的自适应光学系统已成为当今亟待解决的问题。本书是一部关于无波前探测自适应光学技术及其应用的书籍，结合作者对基于随机并行梯度下降控制算法的无波前探测自适应光学系统的理论和应用等研究工作，对随机并行梯度下降算法的理论基础、基于随机并行梯度下降的自适应光学系统性能和应用进行了论述和探讨。全书共四篇，*篇介绍自适应光学基础知识和随机并行梯度下降控制算法的理论基础；第二篇和第三篇分别从理论分析和实验角度介绍基于随机并行梯度下降的自适应光学系统基本性能及其优化方法；第四篇介绍几个典型领域的应用研究。
自适应光学随机并行优化控制技术及其应用 内容简介
本书对随机并行梯度下降算法的理论基础、基于随机并行梯度下降的自适应光学系统性能和应用进行了论述和探讨。全书共四篇: **篇介绍自适应光学基础知识和随机并行梯度下降控制算法的理论基础 ; 第二篇和第三篇分别从理论分析和实验角度介绍基于随机并行梯度下降的自适应光学系统基本性能及其优化方法 ; 第四篇介绍几个典型领域的应用研究。
自适应光学随机并行优化控制技术及其应用 目录
前言
**篇 综述及基本理论介绍
第1章 综述
1.1 自适应光学的基本概念
1.2 自适应光学发展概况
1.2.1 自适应光学理论发展概况
1.2.2 自适应光学技术应用
1.2.3 我国自适应光学技术的研究概况
1.3 无波前探测自适应光学技术发展概况
1.3.1 **阶段：20世纪70～80年代
1.3.2 第二阶段：20世纪90年代后期至今
1.4 随机并行梯度下降控制技术发展和应用现状
1.5 本书主要内容
参考文献
第2章 随机并行梯度下降算法基本理论
2.1 无波前探测自适应光学系统的特点与*优化方法
2.2 随机近似类算法：同时扰动随机近似算法
2.3 神经网络应用中随机误差下降算法
2.4 自适应光学系统中梯度下降类算法
2.4.1 顺序梯度下降算法
2.4.2 多元高频振动算法
2.4.3 随机并行梯度下降算法
2.5 SPGD算法收敛性分析
2.6 SPGD算法收敛速度分析
2.7 SPGD算法稳定性分析
2.8 本章小结
参考文献
第二篇 基于SPGD控制算法的AO系统基本性能研究
第3章 SPGD控制算法静态畸变校正仿真与分析
3.1 仿真模型介绍
3.2 静态波前畸变生成
3.3 目标函数分析模块
3.4 波前校正器
3.5 SPGD算法模块
3.6 仿真结果与分析
3.6.1 算法收敛性验证
3.6.2 对同一种畸变取不同扰动幅度和增益系数
3.6.3 固定增益和随机扰动幅度对不同程度畸变的适应情况
3.6.4 自适应增益
3.7 本章小结
参考文献
第4章 几种随机并行优化算法在A0系统中应用的比较
4.1 基于随机并行优化算法的自适应光学系统仿真模型
4.2 随机并行优化算法介绍
4.2.1 随机并行梯度下降算法
4.2.2 遗传算法
4.2.3 模拟退火算法
4.2.4 模式提取算法
4.3 仿真结果
4.3.1 各算法参数的选取
4.3.2 收敛速度
4.3.3 校正效果
4.3.4 局部极值
4.4 讨论与分析
4.5 本章小结
参考文献
第5章 32单元变形镜SPGD控制算法实验研究
5.1 实验装置
5.2 目标函数的选取
5.3 随机并行梯度下降算法
第三篇 基于SPGD控制算法的AO系统性能优化
第四篇 基于SPGD控制算法的AO系统应用
