一种基于深度学习的压缩波前探测方法

    公开(公告)号:CN116929570A

    公开(公告)日:2023-10-24

    申请号:CN202310922074.X

    申请日:2023-07-26

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于深度学习的压缩波前探测方法,属于自适应光学领域。本申请针对快速恢复稀疏斜率的情况,设计了9层神经网络结构,其中第一层到第六层为双路结构,对输入的x和y方向的斜率分布分别并行处理。数据在第七层到第九层进行合并处理,最后输出预测的波前斜率。该网络可以将稀疏化的波前斜率在更短时间内以更高的精度恢复原始斜率,以进行高精度的波前重构。通过30000组波前和斜率数据对该深度神经网络结构进行训练,训练过程中,使用了具有不同压缩比的斜率。在获得最优模型后,可以实现任意稀疏波前斜率的高精度恢复,且具有良好的抗噪声性能。

    一种基于微型音圈驱动器的紧凑型音圈变形镜

    公开(公告)号:CN115718364A

    公开(公告)日:2023-02-28

    申请号:CN202211456567.0

    申请日:2022-11-21

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于微型音圈驱动器的紧凑型音圈变形镜,属于自适应光学领域。本申请考虑微音圈驱动器的输出力相比常规的音圈驱动器小了两到三个量级,采用聚酰亚胺替代常规所采用的玻璃、碳化硅等刚度系数大的材料做薄镜面,为了使其满足刚度要求,通过弹簧结构为其提供一定的刚度,并综合考虑音圈变形镜的结构参数、材料、工作电流等与音圈变形镜的相位调制量、频率等性能的相关性,平衡和优化结构参数,获得综合性能最佳的紧凑型音圈变形镜。经过实验验证,本申请提供的单个微型驱动器可达到最大输出力为1mN,电机常数0.032N×W‑1/2;紧凑型变形镜相位调制量达到±45μm,第一共振频率达到2000Hz。

Patent Agency Ranking