تُستخدم تقنية الاستشعار المضغوط في قياس الجبهات الموجية البصرية، لكن طرق استرداد الانحدار التقليدية تعاني من دقة منخفضة، ويصعب قياس الجبهات الموجية المعقدة الناجمة عن الاضطرابات الجوية. في هذه الورقة، نستخدم الشبكات العصبية العميقة لاسترداد الانحدار، مما يُحسّن دقة الاسترداد وبالتالي يحسّن دقة قياس الجبهات الموجية للاضطرابات الجوية باستخدام طريقة الاستشعار المضغوط. تتجاهل الطرق التقليدية لقياس الجبهات الموجية المضغوطة القيم الصغيرة نسبياً للانحدار أثناء عملية التبسيط، مما يؤدي إلى زيادة أخطاء القياس. للحصول على قياس سريع للجبهات الموجية المعقدة الناتجة عن الاضطرابات الجوية، اقترحنا شبكة عصبية عميقة يمكنها استرداد الانحدار بدقة عالية، مما يُحسّن دقة إعادة بناء الجبهة الموجية. في ظل نسبة ضغط تتراوح بين 0.1 و0.9، يتفوق خوارزمية الاستشعار المضغوط للجبهة الموجية المبنية على الشبكات العصبية العميقة (DNNCWS) بدقة إعادة بناء الجبهة بقيمة PV أقل من 0.014 ميكرومتر، ووقت تشغيل الخوارزمية 4.4 مللي ثانية. في الحالات ذات النجوم الخافتة، تبلغ قيمة القمة والحوض المتبقية للجبهة (PV) أقل من 0.011 ميكرومتر. تُظهر النتائج المحاكاة أن DNNCWS يتمتع بأداء جيد في مقاومة الضوضاء. تعمل الشبكة العصبية العميقة DNNCWS على تحسين دقة قياس الجبهات الموجية المضغوطة، ويمكن استخدامها لقياس الانحرافات المعقدة الناجمة عن الاضطرابات الجوية، وكذلك في تطبيقات بصرية تكيفية أخرى مثل الاتصالات بالليزر وتصوير الشبكية.

استشعار الجبهة الموجية المضغوطة;بصريات تكيفية;اضطرابات جوية