압축 센싱 기술은 광학 파면 측정에 사용되지만, 기존의 경사 복원 방법은 정확도가 낮아 대기 난류로 인한 복잡한 파면을 측정하기 어렵습니다. 본 논문에서는 깊은 신경망을 활용하여 경사를 복원함으로써 경사 복원 정확도를 향상시키고, 이를 통해 압축 파면 탐지 방법의 대기 난류 파면 측정 정확도를 높였습니다. 전통적인 압축 파면 탐지 방법은 희소화 과정에서 상대적으로 작은 경사 값을 무시하여 파면 측정 오차가 증가합니다. 대기 난류로 인한 복잡한 파면을 빠르게 측정하기 위해 본 논문은 높은 정확도로 경사를 복원할 수 있는 깊은 신경망을 제안하여 파면 재구성 정확도를 향상시켰습니다. 압축비가 0.1~0.9인 경우, 깊은 신경망 기반 압축 파면 탐지 알고리즘(DNNCWS)의 파면 재구성 오차 PV는 0.014 μm 이하이며, 알고리즘 실행 시간은 4.4 ms입니다. 약한 별 등급의 경우, 잔여 파면의 봉우리-골(V) 값은 0.011 μm 이하입니다. 시뮬레이션 결과 DNNCWS는 우수한 잡음 저항 성능을 보였습니다. 깊은 신경망 DNNCWS는 압축 파면 탐지 정확도를 향상시켜 대기 난류로 인한 복잡한 수차 측정에 활용할 수 있으며, 레이저 통신 및 망막 영상과 같은 기타 적응 광학 응용에도 이용될 수 있습니다.

압축 파면 탐지;적응 광학;대기 난류