一种基于U-Net网络的大气湍流相位提取方法

一种基于u-net网络的大气湍流相位提取方法
技术领域
1.本发明涉及一种基于u-net网络的大气湍流相位提取方法，属于无波前传感自适应光学领域。


背景技术：

2.自由空间相干光通信技术是以光为信息载体，以大气为传输通道的无线通信方式，因其具有数据容量大、通信速率高等突出技术优势，被认为是突破现有高速通信瓶颈的重要技术手段。然而，光信号在大气中传输时，会受到气体分子及气溶胶粒子的影响，如对光信号的吸收、散射而导致的光功率衰减以及大气湍流引起的光束闪烁、弯曲等。其中，以大气湍流对光信号传输的影响最为显著，光信号在通过湍流大气时会产生波前畸变和相位起伏，造成光强闪烁、散斑、到达角起伏等负面效应，严重影响传输光束的质量，从而降低自由空间相干光通信系统的性能。
3.目前，无波前传感自适应光学因其成本低、结构简单等突出技术优势成为近年来大气湍流抑制、提高自由空间相干光通信系统通信质量的主要研究方向之一。无波前传感自适应光学的最大特点就是通过优化算法直接控制波前校正器对波前畸变进行补偿。然而，其对信号光波前的处理时间和精度主要受优化算法的控制，所以迫切需要一种能够实时、精确提取大气湍流相位的优化算法，以实现波前畸变的相位补偿。深圳技术大学的徐启伟等人使用17层(不包括输入和输出)的cnn网络成功提取出不同湍流强度下的大气湍流相位。中国专利cn113225130a《一种基于机器学习的大气湍流等效相位屏预测方法》中使用12个卷积层和3个反卷积层的cnn网络来预测大气湍流等效相位屏灰度图。以上这些方法使用的优化网络结构简单、迭代时间过长，不能够实现大气湍流相位的实时预测提取。
4.因此，设计一种能够实时精确提取大气湍流相位的优化算法是一项迫切需要解决的技术难题。


技术实现要素：

5.本发明需要解决的技术问题是提供一种基于u-net网络的大气湍流相位提取方法，有效抑制了大气湍流对自由空间相干光通信系统带来的波前相位畸变等负面效应，能够实现信号光波前的自适应补偿方法。
6.为解决上述技术问题，本发明所采用的技术方案是：
7.一种基于u-net网络的大气湍流相位提取方法，具体包括如下步骤：
8.步骤1，基于功率谱反演法与相位-光强公式，建立信号光波经大气湍流传输后的波前相位与光强分布的定量模型，为u-net网络训练提供海量精确样本；
9.步骤2，根据步骤1提供的海量精确样本对u-net网络进行有监督式的训练；
10.步骤3，基于步骤2得到的训练后的网络，构建基于u-net网络的大气湍流相位提取模型，形成基于u-net网络的实时高精度大气湍流相位提取方法。
11.本发明技术方案的进一步改进在于：所述步骤1的具体过程为：
12.基于功率谱反演法产生大气湍流随机相位屏：首先生成一个频域内零均值、单位方差的hermitian复高斯随机数矩阵r(k
x
,ky)，然后用符合大气湍流kolmogorov谱的功率谱密度函数f
φ
(k
x
,ky)对其进行滤波，再进行逆傅里叶变换得到大气湍流随机相位屏φ(x,y)，即
[0013][0014]
其中，x和y为空域内取样间隔的n倍，n为整数；k
x
和ky为波数域内取样间隔的m倍，m为整数；常数c来自标度因子(δk
x
δky)
1/2
，是控制相位屏方差的调节常数；
[0015]
模拟出大气湍流随机相位屏后，将信号光大气传输用多层相位屏模型来处理，就是将连续的随机介质分割为一系列厚度为δz的平行薄片，每一片引起的相位调制可以看作一个位于该片中心的无线薄的相位屏；信号光经相位屏zi调制，然后在自由空间中传播至下一个相位屏z
i+1
的位置，每次传输仅改变光波的相位而不影响其振幅；把信号光传输路径z分为n段，并把每个相位屏分为n
×
n个网格，每个网格的宽度为δx，则根据相位-光强公式z
i+1
的光场为：
[0016][0017]
其中，f和f-1
分别表示傅里叶变换和傅里叶逆变换；s(r,zi)表示信号光经相位屏zi后产生的相位变化；
[0018]
结合上述过程，使用matlab仿真软件构建信号光波经大气湍流传输后的波前相位与光强分布的定量模型，为u-net网络训练提供海量精确样本。
[0019]
本发明技术方案的进一步改进在于：所述的海量精确样本包括n幅大气湍流等效相位屏灰度图、分别受湍流影响和无湍流影响下的传播信号光强度分布图，其中n≥70000。
[0020]
本发明技术方案的进一步改进在于：所述步骤2的具体过程为：
[0021]
步骤2.1，构建u-net网络；
[0022]
步骤2.2，根据网络输入定义损失函数，用步骤1中模型生成的海量精确样本数据集对u-net网络进行迭代训练，调整网络的权重w和偏置b，通过迭代k次后使损失函数值最小，从而获得最优的u-net网络模型。
[0023]
本发明技术方案的进一步改进在于：所述步骤2.1中，u-net网络加入残差块对其进行改进，从而加深其网络层数。
[0024]
本发明技术方案的进一步改进在于：所述步骤2.2中，定义的平均损失函数为：
[0025]
[0026]
其中，relu代表整流的线性单位函数，即激活函数；和为评估索引为j的样本误差损失函数；p
(j)
表示实际的大气湍流相位；表示u-net网络预测提取的湍流相位。
[0027]
本发明技术方案的进一步改进在于：所述步骤2.2中，迭代次数k≥4000。
[0028]
本发明技术方案的进一步改进在于：所述步骤3的具体过程为：
[0029]
向步骤2.2得到的u-net网络模型中输入任意受湍流影响的信号光强分布图像，实现大气湍流相位提取。
[0030]
由于采用了上述技术方案，本发明取得的技术进步是：
[0031]
本发明利用功率谱反演法及相位-光强公式，得到信号光传播前后的强度分布图和大气湍流等效相位屏灰度图，利用该样本数据集，训练u-net网络在任意信号光强度分布图为输入的情况下，快速精确提取大气湍流相位，克服了普通结构简单的cnn网络预测时间过长的问题，加快网络迭代运算速度，提升通信系统性能。
具体实施方式
[0032]
下面结合实施例对本发明做进一步详细说明：
[0033]
一种基于u-net网络的大气湍流相位提取方法，具体包括如下步骤：
[0034]
步骤1，基于功率谱反演法与光强-相位公式构建信号光波经大气湍流传输后的波前相位与光强分布的定量模型，得到海量精确样本数据集，该样本数据集包括：不受湍流影响下的初始信号光光强分布图像、在不同大气湍流强度影响下的信号光光强分布图像、不同湍流强度的大气湍流等效相位屏灰度图像；
[0035]
基于功率谱反演法产生大气湍流随机相位屏：首先生成一个频域内零均值、单位方差的hermitian复高斯随机数矩阵r(k
x
,ky)，然后用符合大气湍流kolmogorov谱的功率谱密度函数f
φ
(k
x
,ky)对其进行滤波，再进行逆傅里叶变换得到大气湍流随机相位屏φ(x,y)，即
[0036][0037]
其中，x和y为空域内取样间隔的n倍，n为整数；k
x
和ky为波数域内取样间隔的m倍，m为整数；常数c来自标度因子(δk
x
δky)
1/2
，是控制相位屏方差的调节常数。
[0038]
模拟出大气湍流随机相位屏后，将信号光大气传输用多层相位屏模型来处理，就是将连续的随机介质分割为一系列厚度为δz的平行薄片，每一片引起的相位调制可以看作一个位于该片中心的无线薄的相位屏。信号光经相位屏zi调制，然后在自由空间中传播至下一个相位屏z
i+1
的位置，每次传输仅改变光波的相位而不影响其振幅。把信号光传输路径z分为n段，并把每个相位屏分为n
×
n个网格，每个网格的宽度为δx，则根据相位-光强公式z
i+1
的光场为：
[0039][0040]
其中，f和f-1
分别表示傅里叶变换和傅里叶逆变换；s(r,zi)表示信号光经相位屏
zi后产生的相位变化。
[0041]
结合上述过程，使用matlab仿真软件构建信号光波经大气湍流传输后的波前相位与光强分布的定量模型，为u-net网络训练提供海量精确样本。
[0042]
步骤2，根据步骤1提供的海量精确样本对u-net网络进行有监督式的训练；
[0043]
构建u-net网络对样本数据进行学习，根据网络输入定义损失函数，调整网络的权重w和偏置b，通过迭代k次后使损失函数值最小，从而获得最优的u-net网络模型。
[0044]
定义的平均损失函数为：
[0045][0046]
其中，relu代表整流的线性单位函数，即激活函数；和为评估索引为j的样本误差损失函数；p
(j)
表示实际的大气湍流相位；表示u-net网络预测提取的湍流相位。
[0047]
步骤3，向步骤2.2得到的u-net网络模型中输入任意受湍流影响的信号光强分布图像，实现大气湍流相位提取。