La tecnología de percepción comprimida se utiliza para la medición del frente de onda óptico, pero los métodos convencionales de recuperación de pendientes tienen baja precisión, lo que dificulta la medición de frentes de onda complejos causados por la turbulencia atmosférica. En este artículo se utiliza una red neuronal profunda para la recuperación de pendientes, mejorando la precisión de la recuperación y aumentando así la precisión de la detección del frente de onda comprimido para medir frentes de onda afectados por la turbulencia atmosférica. Los métodos tradicionales de detección de frente de onda comprimido omiten valores de pendiente relativamente pequeños durante el proceso de esparcimiento, lo que conduce a un aumento del error de medición del frente de onda. Para medir rápidamente frentes de onda complejos causados por la turbulencia atmosférica, este artículo propone una red neuronal profunda que puede recuperar las pendientes con alta precisión, mejorando la precisión de la reconstrucción del frente de onda. En condiciones de relación de compresión de 0.1 a 0.9, el algoritmo de detección de frente de onda comprimido basado en red neuronal profunda (DNNCWS) tiene un error de reconstrucción del frente mejor que 0.014 μm, con un tiempo de ejecución de 4.4 ms. En casos de estrellas débiles, el valor pico a valle residual del frente (PV) es mejor que 0.011 μm. Los resultados de simulación muestran que DNNCWS tiene buen rendimiento de resistencia al ruido. La red neuronal profunda DNNCWS mejora la precisión de la detección del frente de onda comprimido, puede usarse para medir aberraciones complejas causadas por la turbulencia atmosférica y también puede usarse en otras aplicaciones de óptica adaptativa, como comunicaciones láser e imagenología retiniana.

detección de frente de onda comprimido;óptica adaptativa;turbulencia atmosférica