摘要
大気乱流の動的変化と観測対象の輝度低下は、シャック・ハルトマン波面センサー（SHWFS）の波面検出精度に深刻な影響を与えます。これらの複雑な観測条件に対して、本論文ではTransformer構造に基づくニューラルネットワークモデルを提案します。本モデルは優れた全体的なモデリング能力を持ち、SHWFSスポットアレイ画像から高精度に波面を再構成できます。動的に変化する典型的な大気乱流相関長r 0下でのシミュレーションにより、提案モデルの残差波面RMS誤差は0.010～0.024μmの範囲で安定しています。既存の方法と比較して、本手法は波面収差をより正確に再構成できます。さらに、本手法の再構成精度はガイド星や観測対象の輝度変化の影響をほとんど受けません。したがって、本手法の再構成精度はこれら二つの観測条件の変化に対して高い安定性を持ち、大口径天文光学望遠鏡の高解像度イメージングに有望な方法を提供します。
关键词
適応光学; 深層学習; シャック・ハルトマン波面センサー; Transformer; 波面再構成
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website