[发明专利]一种基于反卷积神经网络的液晶像差校正方法

说明书

本发明公开了一种基于反卷积神经网络的液晶像差校正方法，利用的系统包括：液晶像差校正器，成像探测器，反卷积神经网络模块。具体方法为，液晶像差校正器，作为执行机构对入射光的畸变波前进行校正；成像探测器负责采集液晶校正后的光束光斑图像；反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值，最终将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。

技术领域

本发明涉及光通信领域，具体涉及一种基于反卷积神经网络的液晶像差校正方法，主要通过反卷积神经网络生成校正波面灰度值控制液晶对波前像差进行高效校正。

背景技术

液晶空间光调制器具有体积小、重量轻、分辨率高、成本低等优点，在空间光通信中的波前像差校正领域具有很大的应用前景和研究价值。由于液晶只对偏振光进行校正并且材料存在色散问题，导致其能量利用率低；液晶的响应速度慢也影响像差校正系统的实时性。

针对以上问题，本发明提出一种基于反卷积神经网络的液晶像差校正方法，首先采用反卷积神经网络代替传统的有波前探测方法，该方法只需要少部分光束能量即可以对波前像差进行预测，避免了有波前探测器占用大部分光能量的问题，提高了系统的能量利用率；其次该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。

发明内容

本发明要解决的技术问题为：提出一种基于反卷积神经网络的液晶像差校正方法，主要通过反卷积神经网络预测的方法解决液晶像差校正系统能量利用率低，实时性较差的问题。

本发明采用的技术方案为：一种基于反卷积神经网络的液晶像差校正方法，该方法包括如下步骤：

步骤一、液晶像差校正器作为执行机构对入射光的的畸变波前进行校正；

步骤二、成像探测器负责采集液晶校正后的光束光斑图像；

步骤三、反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值；

步骤四、将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。

进一步地，液晶像差校正器的工作原理：

11)液晶具有电控双折射效应，当一束偏振光入射时，偏振方向垂直于指向矢方向，液晶表现为寻常折射率n_o；如果偏振方向平行于指向矢方向，表现为非常折射率n_e，液晶的折射率与液晶分子偏转角度的关系表示如下：

式中，n_o为液晶的寻常折射率，n_e为非常折射率，θ为液晶分子的偏转角度；

12)控制电场电压值，可以调节液晶分子排列取向，进而控制光波介质折射率，当液晶分子偏转角度为θ时，对入射光相位调制量为：

式中，n_o为液晶的寻常折射率；n_e为非常折射率，θ为液晶分子的偏转角度，z为液晶分子z轴坐标值；

13)液晶驱动电压与灰度值相对应，所以根据系统发送的灰度值信息可以实现液晶的像差校正功能。

进一步地，成像探测器对液晶校正后的光束进行采集，提取光斑亮度值并将其传输到液晶控制器系统。

进一步地，反卷积神经网络模块进行光斑信息预测和系统控制：