一种基于深度学习的畸变波前预测方法
实质审查的生效
摘要
本发明公开了一种基于深度学习的畸变波前预测方法。自适应光学系统(AO)是一类能够实时补偿大气湍流畸变波前的伺服延迟系统，通常延迟时间为2～3个采样周期，波前预测技术可有效解决该时延问题，提高系统的控制性能。深度学习可自提取图像深层特征，可被用于拟合多帧历史波前信息到预测波前信息的映射；本发明在于充分发挥神经网络的非线性拟合能力，利用多帧连续畸变波前帧与帧之间存在的时序特征，采用残差学习的方式消除相邻两帧之间的冗余信息，然后融合精化处理后的特征，最后，再次通过融合各级特征得到最终预测结果用于实时校正，以降低AO系统在应对具有高时间频率的大气湍流畸变波前时的时延误差，提高控制性能。
基本信息
专利标题 ：
一种基于深度学习的畸变波前预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114519309A
申请号 ：
CN202210168834.8
公开（公告）日 ：
2022-05-20
申请日 ：
2022-02-23
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱里程王宁马帅葛欣兰杨平
申请人 ：
中国科学院光电技术研究所
申请人地址 ：
四川省成都市双流350信箱
代理机构 ：
北京科迪生专利代理有限责任公司
代理人 ：
江亚平
优先权 ：
CN202210168834.8
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-07 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20220223
申请日 : 20220223
2022-05-20 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
