圧縮センシング技術は光学波面測定に用いられますが、従来の傾斜回復方法は精度が低く、大気乱流によって生じる複雑な波面の測定が困難です。本論文では、深層神経ネットワークを用いて傾斜を回復し、傾斜回復精度を高めることで、圧縮波面探査法による大気乱流波面の測定精度を向上させました。従来の圧縮波面探査法は、疎化過程で比較的小さな傾斜値を無視するため、波面測定誤差が増加します。大気乱流による複雑な波面を高速に測定するため、本論文では高精度で傾斜を回復できる深層神経ネットワークを提案し、波面再構成の精度を向上させました。圧縮率が0.1〜0.9の場合、深層神経ネットワークに基づく圧縮波面探査アルゴリズム（DNNCWS）の波面再構成誤差PVは0.014 μm以下で、アルゴリズムの動作時間は4.4 msです。暗い星の場合、残差波面のピーク・バレー値（PV）は0.011 μm以下です。シミュレーション結果は、DNNCWSが優れた耐ノイズ性能を持つことを示しています。深層神経ネットワークDNNCWSは圧縮波面の探査精度を向上させ、大気乱流による複雑な収差の測定に利用でき、レーザー通信や網膜イメージングなど他の適応光学応用にも応用可能です。

圧縮波面探査;適応光学;大気乱流