国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

南京天光所提出基于衍射神經(jīng)網(wǎng)絡(luò)的、全光學(xué)的波前校正系統(tǒng)

MEMS ? 來(lái)源:MEMS ? 2023-03-20 11:29 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

光在大氣中傳播時(shí),受大氣折射率變化的影響,其波前會(huì)產(chǎn)生動(dòng)態(tài)畸變,嚴(yán)重時(shí)會(huì)導(dǎo)致其經(jīng)光學(xué)系統(tǒng)所成的像斑出現(xiàn)模糊、抖動(dòng)的現(xiàn)象。因此,暴露在大氣中的光學(xué)系統(tǒng)的實(shí)際分辨率難以達(dá)到、甚至遠(yuǎn)遠(yuǎn)低于其光學(xué)分辨率。對(duì)于這種情況,進(jìn)行實(shí)時(shí)地波前校正是提升該光學(xué)系統(tǒng)的實(shí)際分辨率的關(guān)鍵。

目前的波前校正技術(shù)從目標(biāo)上可以分為兩種:以波前補(bǔ)償為目標(biāo)的傳統(tǒng)自適應(yīng)光學(xué)技術(shù)和以提升像面清晰度為目標(biāo)的無(wú)波前傳感自適應(yīng)光學(xué)技術(shù),前者為實(shí)時(shí)檢測(cè)校正,但硬件復(fù)雜高,技術(shù)難度大,后者的結(jié)構(gòu)相對(duì)簡(jiǎn)單,但校正帶寬不足,通常難以實(shí)現(xiàn)實(shí)時(shí)校正。

針對(duì)這個(gè)問(wèn)題,中國(guó)科學(xué)院南京天文光學(xué)技術(shù)研究所崔向群院士團(tuán)隊(duì)提出了一種基于衍射神經(jīng)網(wǎng)絡(luò)的、全光學(xué)的波前校正系統(tǒng)——衍射自適應(yīng)光學(xué)系統(tǒng)(Diffractive Adaptive Optics System,DAOS),如圖1所示,或能實(shí)現(xiàn)對(duì)波前誤差在某區(qū)間內(nèi)的畸變波前的光速校正。

bc188b5a-c63a-11ed-bfe3-dac502259ad0.png


圖1:衍射自適應(yīng)光學(xué)系統(tǒng)的概念圖

該系統(tǒng)僅由多層順序排列的衍射板組成,被放置于像面之前,通過(guò)所有衍射單元的協(xié)作來(lái)完成對(duì)匯聚光束的波前校正。不同厚度的衍射單元為其透射光引入不同的相位調(diào)制,而所有衍射單元的厚度都是事先在電腦上,針對(duì)大量的、波前誤差在某區(qū)間內(nèi)呈正態(tài)分布的畸變波前,采用深度學(xué)習(xí)的方法訓(xùn)練得到。訓(xùn)練結(jié)束后,通過(guò)3D打印、激光直寫或者半導(dǎo)體刻蝕等工藝將衍射板制作并組裝成型,該系統(tǒng)就能對(duì)訓(xùn)練區(qū)間內(nèi)的畸變波前實(shí)現(xiàn)光速的波前校正。目前,衍射自適應(yīng)光學(xué)系統(tǒng)的概念已經(jīng)得到模擬驗(yàn)證。

圖2顯示了深度學(xué)習(xí)輸入的波前訓(xùn)練集和測(cè)試集。

bc728d76-c63a-11ed-bfe3-dac502259ad0.png


圖2:(A)數(shù)據(jù)集中波前的波前誤差和數(shù)量分布;(B)各視場(chǎng)的畸變波前的生成方法示意圖

圖3顯示了針對(duì)工作波長(zhǎng)0.55 μm、60 cm口徑、焦比45的望遠(yuǎn)鏡設(shè)計(jì)的衍射自適應(yīng)光學(xué)系統(tǒng)的6個(gè)衍射層。

bc872114-c63a-11ed-bfe3-dac502259ad0.png


圖3:針對(duì)工作波長(zhǎng)0.55 μm、60 cm口徑、焦比45的望遠(yuǎn)鏡設(shè)計(jì)的,可以同時(shí)校正0.0”、0.231”視場(chǎng)的衍射自適應(yīng)光學(xué)系統(tǒng)的6個(gè)衍射層

模擬表明,該系統(tǒng)能很好的改善大氣湍流造成的像質(zhì)下降,見圖4,圖5。相關(guān)的實(shí)驗(yàn)驗(yàn)證正在籌備中。

bd1a9ebc-c63a-11ed-bfe3-dac502259ad0.png


圖4:0.0”和0.231”視場(chǎng)的單星模擬成像

bd4388fe-c63a-11ed-bfe3-dac502259ad0.png


圖5:近鄰雙星(分別位于0.0”和0.231”視場(chǎng))模擬成像

相關(guān)研究成果已發(fā)表在2023年第2期的《Optics Express》上。該項(xiàng)研究得到國(guó)家自然科學(xué)基金(12073053,12173063)與江蘇省自然科學(xué)基金(BK20221156)的資助。


論文鏈接:http://dx.doi.org/10.1364/OE.478492

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:南京天光所提出基于衍射神經(jīng)網(wǎng)絡(luò)的、全光學(xué)的波前校正系統(tǒng)

文章出處:【微信號(hào):MEMSensor,微信公眾號(hào):MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)
    的頭像 發(fā)表于 12-07 17:39 ?3675次閱讀
    基于<b class='flag-5'>光學(xué)</b><b class='flag-5'>衍射</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    :   神經(jīng)網(wǎng)絡(luò)卷積函數(shù)   神經(jīng)網(wǎng)絡(luò)激活函數(shù)   連接層函數(shù)   神經(jīng)網(wǎng)絡(luò)池化函數(shù)   Softmax 函數(shù)   神經(jīng)網(wǎng)絡(luò)支持功能
    發(fā)表于 10-29 06:08

    神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)程序

    神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)程序
    發(fā)表于 01-04 13:29

    連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

    連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
    發(fā)表于 06-06 14:21

    MATLAB的NARMA-L2系統(tǒng)辨識(shí)以及神經(jīng)校正控制器

    用NARMA-L2結(jié)構(gòu)來(lái)辨識(shí)非線性系統(tǒng),該NARMA-L2神經(jīng)網(wǎng)絡(luò)由兩個(gè)神經(jīng)網(wǎng)絡(luò)(類似ARX的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))構(gòu)成。其原理見下面兩張圖。結(jié)合自校正
    發(fā)表于 07-24 20:52

    人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法有哪些?

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu),它的提出是為了解決一些非線性,非平穩(wěn),復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)
    發(fā)表于 08-01 08:06

    基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析,不看肯定后悔

    基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析,不看肯定后悔
    發(fā)表于 06-21 06:33

    如何構(gòu)建神經(jīng)網(wǎng)絡(luò)

    原文鏈接:http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)包括:輸入層:根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層:使用反
    發(fā)表于 07-12 08:02

    基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

    最近在學(xué)習(xí)電機(jī)的智能控制,上周學(xué)習(xí)了基于單神經(jīng)元的PID控制,這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力,可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控
    發(fā)表于 09-07 07:43

    卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

    神經(jīng)網(wǎng)絡(luò)的思想起源于1943年McCulloch 和 Pitts 提出神經(jīng)元模型[19],簡(jiǎn)稱 MCP 神經(jīng)元模 型。它是利用計(jì)算機(jī)來(lái)模擬人的
    發(fā)表于 08-02 10:39

    基于神經(jīng)網(wǎng)絡(luò)的傳感器非線性誤差校正

    介紹了用神經(jīng)網(wǎng)絡(luò)校正傳感器系統(tǒng)非線性誤差的原理和方法,提出了基于BP 神經(jīng)網(wǎng)絡(luò)傳感器非線性誤差校正
    發(fā)表于 06-29 10:22 ?12次下載

    Nature下一代計(jì)算架構(gòu)革命 從光學(xué)神經(jīng)網(wǎng)絡(luò)開始

    近日,Nature刊載IBM新研究,使用光學(xué)器件打造的“光學(xué)”深度神經(jīng)網(wǎng)絡(luò)可以比傳統(tǒng)計(jì)算方式的能效更高,同時(shí)具備可擴(kuò)展性、無(wú)需光電轉(zhuǎn)換和高帶寬等優(yōu)勢(shì)。這一發(fā)現(xiàn)可能給未來(lái)
    的頭像 發(fā)表于 05-13 11:06 ?3343次閱讀

    神經(jīng)網(wǎng)絡(luò)在ADC誤差校正中的應(yīng)用

    “使用由 MATLAB 和 Deep Learning Toolbox 設(shè)計(jì)和訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來(lái)對(duì) ADC 誤差進(jìn)行后校正后,在 ASIC 上實(shí)現(xiàn)時(shí),恩智浦設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)所需的面積只有 ADC 的 15%,正常工況下的功耗是 AD
    的頭像 發(fā)表于 03-18 11:21 ?2542次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法

    的深度學(xué)習(xí)算法。CNN模型最早被提出是為了處理圖像,其模型結(jié)構(gòu)中包含卷積層、池化層和連接層等關(guān)鍵技術(shù),經(jīng)過(guò)多個(gè)卷積層和池化層的處理,CNN可以提取出圖像中的特征信息,從而對(duì)圖像進(jìn)行分類。 一、卷積神經(jīng)網(wǎng)絡(luò)算法 卷積
    的頭像 發(fā)表于 08-21 16:49 ?3170次閱讀

    連接前饋神經(jīng)網(wǎng)絡(luò)與前饋神經(jīng)網(wǎng)絡(luò)的比較

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)作為其核心組成部分,在各個(gè)領(lǐng)域展現(xiàn)出了強(qiáng)大的應(yīng)用潛力和價(jià)值。在眾多神經(jīng)網(wǎng)絡(luò)類型中,連接前饋神經(jīng)網(wǎng)絡(luò)(Fully Connected Feedfor
    的頭像 發(fā)表于 07-09 10:31 ?2.6w次閱讀