(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110637363.6 (22)申请日 2021.06.08 (65)同一申请的已公布的文献号 申请公布号 CN 113468802 A (43)申请公布日 2021.10.01 (73)专利权人 南昌大学 地址 330000 江西省南昌市红谷滩新区学 府大道999号 (72)发明人 吴之旭　李正阳　张一鸣　唐荣欣　 袁祥岩　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 专利代理师 龚燮英 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 17/18(2006.01) G06F 17/16(2006.01)G06F 17/15(2006.01) G06F 17/11(2006.01) (56)对比文件 CN 108196 364 A,2018.0 6.22 CN 111968099 A,2020.1 1.20 CN 109031654 A,2018.12.18 CN 111079072 A,2020.04.28 US 2012280111 A1,2012.1 1.08 郑汉青 等. “大视场Ritc hey-Chretien光学 系统的间接成像方法 ”. 《光学学报》 .2021,第41 卷(第5期), 李博 等.“基于多视场星点椭圆率的望 远镜 主动准直方法”. 《光子学报》 .2021,第5 0卷(第4 期), Hagai Kirshner 等. “A PSF-based approach to Biplane cal ibration in 3D super-reso lution microscopy ”. 《2012 9 th IEEE Internati onal Symposium o n Biomedical Ima ging (ISBI)》 .2012, 审查员 屈姗姗 (54)发明名称 一种基于点扩散函数的智能光学主动装调 方法 (57)摘要 本发明公开了一种基于点扩散函数的智能 光学主动装调方法， 包括以下步骤： S1： 测试并确 定系统失调量范围； S2： 获取并记录当前装调状 态下的点扩散函数； S3： 根据点扩散函数椭率计 算算法确定点扩散函数在不同视场下的椭率变 化； S4： 获得当前椭率及其参数的Zernike系数， 并与当前失调量组成具有对应关系的输入输出 数据对； S5： 根据神经网络算法构建Zernike系数 与失调量所 组成的数据集， 获得符合标准正态分 布的待训练数据集； S6： 搭建双层人工神经网络， 按照神经网络各超参数的灵敏度确定神经网络 各超参数范围。 本发明利用焦面点扩散函数计算器件失调与主镜变形的方法， 降低系统硬件复杂 度并提高系统失调量/主镜变形量的计算精度， 辅助光学系统装调过程。 权利要求书4页 说明书10页 附图9页 CN 113468802 B 2022.07.12 CN 113468802 B 1.一种基于点扩散函数的智能光学主动装调方法， 其特 征在于： 包括以下步骤： S1： 依据待装调光学系统各失调自由度的灵敏度， 测试并确定系统失调量范围； S2： 随机生成失调量参数， 并通过MATLAB与ZEMAX的DDE编程设置随机视场分布， 将 当前 失调量参数输入至待装调光学系统模型中， 对模型进行光线追迹， 获取并记录当前装调状 态下的点扩散函数P SF； S3： 根据点扩散函数椭率计算算法确定点扩散函数在不同视场下的椭率变化， 并获得 当前椭率的几何参数， 包括半径、 相位角； S4： 通过对随机目标星源的椭率变化及其参数进行Zernike多项式拟合， 获得当前椭率 及其参数的Zern ike系数， 并与当前失调量组成具有对应关系的输入输出 数据对； S5： 根据神经网络算法构 建Zernike系数与失调量所组成的数据 集， 并将当前数据集进 行标准化处理， 获得符合标准 正态分布的待训练数据集； S6： 搭建双层人工神经网络， 按照神经网络各超参数的灵敏度确定神经网络各超参数 范围； S7： 封装模型至自动超参数优化框架中， 将待训练数据集输入至当前神经网络， 随机生 成超参数， 对模型进 行多次训练与验证， 根据损失评价函数， 保存该模型并记录其中最优超 参数设置； S8： 根据实际失调量 参数与当前 预测失调量 参数， 计算该模型的预测准确率； S9： 判断当前超参数设置下的神经网络预测准确率是否小于预设准确率阈值； S10： 若当前预测准确率小于准确率 阈值， 则根据S6的超参数范围进一步扩大其寻优范 围， 得到更新后的超参数 范围， 返回执 行S7； 或若当前预测准确率小于准确率阈值， 则根据当前超参数设置下的神经网络所计算的 失调量参数重新确定系统失调量范围， 返回执 行S2； S11： 若当前预测准确率大于等于准确率阈值， 则将当前超参数设置设为神经网络超参 数设置， 根据神经网络计算的失调量 参数对待装调光学系统进行装调。 2.根据权利要求1所述的一种基于点扩散函数的智能光学主动装调方法， 其特征在于： 在S1中， 定义待装调光 学系统各失调自由度若有k个， 则可以表示为( αc1， αc2， αc3，……， αck)， 即需要求解的失 调量参数 ， 那么待装调光学 系统的失 调量范围可以 表示为 其中， 表征第k个失调自由度的失调量范围， 为权重因子。 3.根据权利要求2所述的一种基于点扩散函数的智能光学主动装调方法， 其特征在于： 在S2中， 根据待装调光学系统失调量范围 生成失 调量参数种子 其中 表示在失调量范围 中生成的数 目为n的一组失调量参数， 则系统整体失调量参数种子可表示为 定义待装调 光学系统各视场若有m个， (Fc1， Fc2，……， Fcm)， 则通过MATLAB与ZEMAX的DDE编程 设置仿真实 验， 不同视场下的一组点扩散函数 可以表示 为 权　利　要　求　书 1/4 页 2 CN 113468802 B 24.根据权利要求3所述的一种基于点扩散函数的智能光学主动装调方法， 其特征在于： 在S3中， 对待装调光学系统进行仿真实验得到的点扩散函数， 通过点扩散函数椭率计算算 法求解每个点扩散函数所对应的椭率、 相位角以及半径参数， 根据n个失调量参数种子在m 个不同视场下的点扩散函数， 可计算得到椭率、 相位角以及半径参数各n*m个， 分别表示为 所述点扩散函数椭率计算算法， 根据不同视场下的每个点扩散函数可以解算出该点扩 散函数图像所对应的椭率、 相位角及半径， 其计算公式如下： 其中， PSF(x， y)为点扩散函数， x和y是点扩散函数图像上的横坐标与纵坐标， i和j是坐 标下标， 当i＝x和j＝x时坐 标轴取横坐 标， 即xi与yj都表示横坐 标； 反之， 当i＝y和j＝y时坐 标取纵坐标， 即xi与yj都表示纵坐标， e为P SF的椭率， R为P SF半径， θ 为P SF的相位角。 5.根据权利要求1所述的一种基于点扩散函数的智能光学主动装调方法， 其特征在于： 在S4中， 所述Zernike多项式可以表示为归一化因子Nn、 径向多项式 与方位角函数Mm ( θ )的乘积， 即 其中n和m均为整数； 所述Zernike多项式拟合算法， 将Zernike多项式作为基底函数系来拟合椭率及其参 数， 通过构建关于点扩散函数图像的椭率及其参数与Zernike系数的超定方程组， 利用最小 二乘法求 解该方程组即可 得到待求 解Zernike系数， 其计算公式如下： 所述PSF各参数方程组可以转 化为矩阵形式如下： 所述PSF椭率参数通过求解伪逆矩阵可以获得参数所对应的Zernike系数， 其他参数： 相位角以及半径， 同理也可求得对应Zernike系数； 其中， zij＝Z( ρi， θj)为第i个参数的第j 项Zernike多项式， cj为第j项Zernike多项式的系数， ei为第i个椭率参数， i＝1， 2， ……， m， j ＝1， 2，……， n。 6.根据权利要求1所述的一种基于点扩散函数的智能光学主动装调方法， 其特征在于：权　利　要　求　书 2/4 页 3 CN 113468802 B 3