利用焦平面成像和残差网络估计极大型望远镜的微分活塞
天体物理仪器与方法
2026-01-14 v1
摘要
随着极大型望远镜（ELT）接近运营状态，优化其成像性能至关重要。微分活塞（differential piston）由于自适应光学（AO）控制环路、热力学效应或其他来源，显著降低图像质量，损害望远镜的整体性能。在数值模拟设置中，我们提出了一种方法，用于估计ELT M4镜羽片之间的微分活塞，使用来自2x2 Shack-Hartmann波前传感器（SH-WFS）的图像，这种传感器在ELT的斜争AO模式中常用。我们旨在通过评估其对各种观测条件和噪声来源的灵敏度来识别该方法的局限性。使用基于残差网络（ResNet）架构的深度学习模型，我们在模拟数据集上训练神经网络（NN）来估计微分活塞。我们评估了该方法在各种条件下的鲁棒性，包括Strehl比例、多色性和探测器噪声的变化。使用根均方误差（RMSE）量化估计微分活塞像差的性能。该方法证明了能够从2x2 SH-WFS图像中提取微分活塞信息。帧的时间平均使微分活塞信号从湍流引起的斑点场中显现，导致RMSE计算显著改善。如预期，较好的视 seeing 条件会导致更好的精度。多色性仅使性能比单色情况恶化不到5%。在现实情况下，探测器噪声并非限制因素，主要限制因素来自对足够斑点平均化的需求。该网络也被证明可用于除2x2 SH-WFS数据之外的输入图像。
引用
@article{arxiv.2511.14577,
title = {Estimating differential pistons for the Extremely Large Telescope using focal plane imaging and a residual network},
author = {P. Janin-Potiron and M. Gray and B. Neichel and M. Dumont and J. -F. Sauvage and C. T. Heritier and P. Jouve and R. Fetick and T. Fusco},
journal= {arXiv preprint arXiv:2511.14577},
year = {2026}
}