[发明专利]一种基于动力学反馈神经网络的波前重构方法

摘要

本发明公开了一种基于动力学反馈神经网络的波前重构方法，针对传统的波前重构算法计算量大、难以满足实时性要求的问题。利用反馈神经网络(RNN)结构简单、硬件易实现性、实时性计算能力强，良好的非线性映射能力的优点，提出一种基于动力学反馈神经网络的波前重构方法。本发明首先根据将Zernike模式法波前重构问题转换为一个标准二次规划问题并证明了该二次规划问题的“凸”性，然后设计了一种非线性动力驱动的RNN网络结构和相应的能量函数，并证明了能量函数与优化问题极值点的对应关系和解的唯一性，然后进行求解。

主权项

一种基于动力学反馈神经网络的波前重构方法，其特征在于，利用下述重构模型进行重构：其中，上标T表示转置运算，ak为Zernike多项式系数，和分别表示Zernike多项式的第k基元波面在第i个子孔径内的直角坐标系横轴和纵轴方向的平均斜率，zk(x,y)为Zernike基元波面，Si为子孔径归一化面积，M为子孔径数量；N为波前传感器的透镜阵列行数；是波前相位畸变所对应的斜率矩阵,A的计算过程包括：1)构造无约束二次优化问题：其中，B＝ZTZ，2)构建反馈神经网络实现上述二次优化问题的求解：1RCdA(t)dt=-BA(t)+CA(0)=p,;]]>其中：R和C分别为阻抗和电容，C为常数矩阵，p为N维正数，d表示求导，t表示时间；3)设计能量函数4)将反馈神经网络的当前输出A(t)作为反馈神经网络的下一次输入，如此不断反复，直至能量函数E(t)不再减小，结束。