A tecnologia de sensoriamento comprimido é usada para a medição do frente de onda óptico, porém os métodos convencionais de recuperação de inclinação possuem baixa precisão, dificultando a medição de frentes de onda complexos causados pela turbulência atmosférica. Este artigo utiliza redes neurais profundas para recuperação de inclinação, melhorando a precisão da recuperação e, assim, aumentando a precisão do método de detecção comprimida do frente de onda para medir o frente de onda turbulento atmosférico. Os métodos tradicionais de detecção comprimida do frente de onda desconsideram valores de inclinação relativamente pequenos durante o processo de esparsificação, resultando em aumento do erro de medição do frente de onda. Para medir rapidamente frentes de onda complexos causados pela turbulência atmosférica, este artigo propõe uma rede neural profunda que pode recuperar a inclinação com alta precisão, aumentando a precisão da reconstrução do frente de onda. Em condições de taxa de compressão de 0,1 a 0,9, o algoritmo de detecção comprimida do frente de onda baseado em rede neural profunda (DNNCWS) apresenta erro de reconstrução do frente de onda PV melhor que 0,014 μm, com tempo de execução do algoritmo de 4,4 ms. Em condições de estrelas fracas, o valor pico a pico residual do frente de onda (PV) é melhor que 0,011 μm. Resultados de simulação indicam que o DNNCWS possui bom desempenho de resistência a ruídos. A rede neural profunda DNNCWS melhora a precisão da detecção comprimida do frente de onda, podendo ser usada para medir aberrações complexas causadas pela turbulência atmosférica, além de outras aplicações de óptica adaptativa, como comunicação a laser e imagem da retina.

detecção comprimida do frente de onda;óptica adaptativa;turbulência atmosférica