大规模光学相控阵分级SPGD算法及优化研究
随机并行梯度下降(SPGD)算法是一种应用广泛的最优化算法,在光学相控阵的多光束相位调控中具有重要作用.常规的SPGD算法在光学相控阵单元数目较大的应用场景下存在着迭代步数多、收敛速度慢等缺陷.为此提出了一种分级SPGD算法,将多光束进行分级,通过在多级使用SPGD算法对光束的调控来实现快速收敛和稳定维持.介绍了该算法的理论模型和流程,运用数值仿真的方式与传统算法进行了性能比较,结果表明,分级SPGD算法能够在大规模光学相控阵中显著提高收敛速度.搭建了光学相控阵实验系统进行分级SPGD算法的原理和可行性验证,在不同光束数目条件下实现了分级SPGD算法的闭环锁相,验证了算法的优越性,结果显示分级算法在32路光束时可以将迭代次数降低到常规算法的59.6%.
激光光学、光学相控阵、分级随机并行梯度下降算法、相位调控
50
TN929.1
国家重点研发计划;国家自然科学基金;中国科学院战略性先导科技专项;中国科学院重点部署项目
2023-05-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
72-83