基于人工神经网络的投影光瞳平面图样（PPPP）
天体物理仪器与方法
2019-05-24 v1 数据分析、统计与概率
摘要
在自适应光学（AO）系统中使用单个激光导星（LGS）时，焦面非等晕性是一项显著的测量误差，对下一代极大望远镜而言尤为如此。一种称为投影光瞳平面图样（Projected Pupil Plane Pattern, PPPP）的替代 LGS 配置，通过发射穿过望远镜整个光瞳的准直激光束解决了该问题。若使用线性模态重构器，其高激光功率需求（）使得 PPPP 相较于激光层析 AO 缺乏竞争力。本工作讨论通过使用人工神经网络（NN）作为非线性重构器来缓解激光功率需求。我们发现，非线性 NN 显著降低了所需的测量信噪比（SNR），从而将 PPPP 激光功率需求降至约 以实现有用的残余波前误差（WFE）。在此功率水平下，对于代表 ESO Paranal 天文台条件的湍流剖面，当 \,m 和 \,m 时，WFE 分别变为 160\,nm 均方根（RMS）和 125\,nm RMS。此外，研究表明，作为非线性重构器，NN 可使用来自单一高度的束剖面作为输入进行有用的波前传感，而非线性重构器所需的最少两个剖面。
引用
@article{arxiv.1905.09535,
title = {Projected Pupil Plane Pattern (PPPP) with artificial Neural Networks},
author = {Huizhe Yang and Carlos Gonzalez Gutierrez and Nazim A. Bharmal and F. J. de Cos Juez},
journal= {arXiv preprint arXiv:1905.09535},
year = {2019}
}