La technologie de la détection compressée est utilisée pour la mesure du front d'onde optique, mais les méthodes classiques de récupération de pente ont une précision faible, ce qui rend difficile la mesure de fronts d'onde complexes causés par la turbulence atmosphérique. Dans cet article, un réseau neuronal profond est utilisé pour la récupération de pente afin d'améliorer la précision de récupération, ce qui augmente la précision de la méthode de détection compressée du front d'onde pour mesurer les fronts d'onde atmosphériques turbulents. Les méthodes traditionnelles de détection compressée du front d'onde négligent les valeurs de pente relativement faibles lors du processus de parcimonie, ce qui entraîne une augmentation des erreurs de mesure du front d'onde. Pour mesurer rapidement les fronts d'onde complexes causés par la turbulence atmosphérique, cet article propose un réseau neuronal profond capable de récupérer la pente avec une grande précision, ce qui améliore la précision de la reconstruction du front d'onde. Dans des conditions de taux de compression de 0,1 à 0,9, l'algorithme de détection compressée du front d'onde basé sur le réseau neuronal profond (DNNCWS) a une erreur de reconstruction du front d'onde PV inférieure à 0,014 μm, et le temps d'exécution de l'algorithme est de 4,4 ms. Dans les cas d'étoiles faibles, la valeur de crête à crête (PV) du front d'onde résiduel est inférieure à 0,011 μm. Les résultats de simulation montrent que DNNCWS possède une bonne performance de résistance au bruit. Le réseau neuronal profond DNNCWS améliore la précision de la détection compressée du front d'onde, peut être utilisé pour mesurer les aberrations complexes causées par la turbulence atmosphérique, et peut également être appliqué à d'autres applications d'optique adaptative, telles que la communication laser et l'imagerie rétinienne.

détection compressée du front d'onde;optique adaptative;turbulence atmosphérique