摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-24页 |
1.1 课题研究背景及意义 | 第10-14页 |
1.1.1 自由空间光通信技术及其使用领域 | 第10-12页 |
1.1.2 存在的问题和解决办法 | 第12-13页 |
1.1.3 自适应光学技术在补偿波前像差中的研究意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-21页 |
1.2.1 自由空间光通信系统发展现状 | 第14-19页 |
1.2.2 自适应光学系统的应用研究现状 | 第19-21页 |
1.3 主要研究内容 | 第21-24页 |
第2章 自适应光学在自由空间光通信中像差校正原理 | 第24-48页 |
2.1 Kolmogorov湍流对于自由空间光通信的影响 | 第24-29页 |
2.1.1 Kolmogorov湍流模型 | 第24-25页 |
2.1.2 大气湍流对于自由空间光通信BER的影响 | 第25-26页 |
2.1.3 大气湍流对于耦合效率的影响 | 第26-29页 |
2.2 基于自适应光学的自由空间光通信系统结构简介 | 第29-32页 |
2.2.1 自适应光学系统 | 第29页 |
2.2.2 倾斜校正(APT)系统 | 第29-32页 |
2.3 传统自适应光学系统工作原理 | 第32-41页 |
2.3.1 Zernike多项式及系统性能指标 | 第32-35页 |
2.3.2 基本系统结构及工作原理 | 第35-36页 |
2.3.3 SH波前传感器和波前重构 | 第36-39页 |
2.3.4 变形反射镜DM和控制器 | 第39-41页 |
2.4 无波前传感自适应光学系统工作原理 | 第41-46页 |
2.4.1 基本系统结构及工作原理 | 第41-42页 |
2.4.2 model-free方法 | 第42-44页 |
2.4.3 model-based方法 | 第44-46页 |
2.5 本章小结 | 第46-48页 |
第3章 传统自适应光学在自由空间光通信中的应用 | 第48-70页 |
3.1 改进型Kalman滤波算法在时延自适应光学系统中的应用 | 第48-64页 |
3.1.1 时延自适应光学系统时域控制模型 | 第49-51页 |
3.1.2 Kalman滤波算法 | 第51-52页 |
3.1.3 记忆衰退Kalman滤波算法 | 第52-54页 |
3.1.4 贯序Kalman滤波算法 | 第54-56页 |
3.1.5 U-D Kalman滤波算法 | 第56-59页 |
3.1.6 仿真实验分析 | 第59-63页 |
3.1.7 小结 | 第63-64页 |
3.2 改进型PI参数整定在自适应光学系统中的应用 | 第64-70页 |
3.2.1 时延自适应光学系统的频域模型 | 第64-66页 |
3.2.2 群智能优化算法在PI参数整定中的应用研究 | 第66-67页 |
3.2.3 仿真实验分析 | 第67-69页 |
3.2.4 小结 | 第69-70页 |
第4章 无波前自适应光学在自由空间光通信中的应用 | 第70-108页 |
4.1 模拟退火算法 | 第70-79页 |
4.1.1 算法流程 | 第70-72页 |
4.1.2 算法收敛性及全局寻优特性 | 第72-75页 |
4.1.3 数值仿真分析 | 第75-79页 |
4.2 群智能优化算法 | 第79-88页 |
4.2.1 粒子群优化算法 | 第79-80页 |
4.2.2 改进混合蛙跳算法流程 | 第80-82页 |
4.2.3 仿真与实验分析 | 第82-88页 |
4.3 Zernike模式禁忌搜索算法 | 第88-95页 |
4.3.1 Zernike模式禁忌搜索算法流程 | 第88-90页 |
4.3.2 并行波前相位校正自适应光学系统结构 | 第90-91页 |
4.3.3 数值仿真分析 | 第91-95页 |
4.4 BP人工神经网络方法 | 第95-106页 |
4.4.1 传统model-based波前探测方法 | 第96-98页 |
4.4.2 利用BP人工神经网络探测波前像差 | 第98-103页 |
4.4.3 数值仿真分析 | 第103-106页 |
4.5 本章总结 | 第106-108页 |
第5章 总结与展望 | 第108-110页 |
参考文献 | 第110-124页 |
作者简介及在学期间所取得的科研成果 | 第124-125页 |
后记和致谢 | 第125页 |