随机并行梯度下降算法能不依赖波前传感器直接对系统性能进行优化。以32单元变形镜为校正器,采用随机并行梯度下降算法建立了自适应光学系统仿真模型。通过分析该系统对静态波前畸变的校正能力,验证了随机并行梯度下降算法的收敛性;讨论了算法增益系数、随机扰动幅度与收敛速度的关系,并指出通过算法增益系数的自适应调整可以改进算法的收敛速度。

AO脚本 在这个 repo 中，发布了用于自适应光学 (AO) 的 Matlab 脚本。 大多数脚本与 SHWFS（Shack-Hartmann 波前传感器）直接相关。 在“斜率可视化”中是例如发布的脚本，该脚本基于区域重建重建波前并将其与斜率数据并排可视化。

热图像均值matlab代码使用遗传算法改进成像以寻找贝塞尔光束激光器的任意轮廓 添加一名作者 项目顾问： Tomasz Smolinski 博士1 ，Thomas Planchon 博士2 日期： 2015 年 12 月 抽象的 自适应光学是一种用于通过使用有源光学器件（可变形反射镜或空间光调制器 SLM）减少波前畸变的影响来增强光学系统性能的过程。 实现这种增强的一种方法是使用遗传算法来控制有源光学器件的优化。 该项目的目标是开发一种遗传算法，以控制用于塑造激光束轮廓的空间光调制器 (SLM)。 空间光调制器是一种能够在空间和时间上操纵光波的幅度、相位或偏振的装置。 自然地，激光的形状遵循高斯函数。 人们对使用高斯以外的形状来改进 cymatic 设备的测量技术很感兴趣。 本次演讲将展示使用用于优化 SLM 的遗传算法进行的实验结果。 将展示从我们的模拟实验中得到的激光轮廓的各种测量结果。 背景 在生物光子成像实验室，对名为“秀丽隐杆线虫”（C. elegans）的线虫进行成像，用于组织样本和细胞分析。 当前的成像技术使用光的高斯发射。 使用这种技术，饱和光子会在发射光的焦点处射出。

用Python模拟'Optique Adaptative' （以前是PyAOS） 介绍 Soapy是用Python编写的蒙特卡洛自适应光学仿真工具包。 soapy可用作常规的端到端仿真，在其中可以通过简单地编辑配置文件来创建大量AO配置。 它的真正力量在于对象的模块化性质，例如WFS，DM和重构器，可以将其用作构建新的和复杂的AO思想和配置的基础。 请记住，肥皂在很大程度上是一个正在进行的工作，并且正在大力发展中。 我还没有完全稳定的API，但是我会尝试说出什么大的变化了。 由于这些原因，我强烈建议您不要在重要的工作中使用肥皂，并且建议与我联系以讨论其对任何即将出版的作品的适用性。 有文档，这一次也正在开发中！ 快速开始 试用conf目录中的一些代码示例，或者在bin运行soapy脚本，或者加载python或IPython终端： import soapy sim = soapy.S

AdaptiveOptics.simulation：无传感器自适应光学系统的仿真（共聚焦显微镜，模态方法）

matlab公式仿真代码百万像素自适应光学 这是我们的论文出现在SIGGRAPH 2018中的开源资源库： ， ， ， 和 阿卜杜拉国王科技大学（KAUST） 概述 该存储库包含： MATLAB和CUDA中描述的波前求解器的改进版本： 线性化版本，求解器为ADMM或共轭梯度； 金字塔版本。 C ++和CUDA中的自适应光学（AO）控制代码： 本文描述的AO控制逻辑； 通过CUDA-OpenGL互操作的SLM即时控制代码。 MATLAB中的波光学仿真代码： 基于Rayleigh-Sommerfeld衍射公式的仿真； Shack-Hartmann传感器，曲率传感器（基于TIE）和我们的编码波前传感器的仿真和求解器。 Solidworks中的3D打印模型。 先决条件 硬件 有关完整的硬件列表，请参见补充材料。 为了使AO代码成功运行，它要求您的计算机与以下设备连接： PointGrey USB相机。 我们用了 。 空间光调制器（SLM）。 我们用了 。 此外，您的计算机还应具有基于NVIDIA的图形卡，以便CUDA可以运行。 软件 我们的代码已在Ubuntu 16.04和Windows 10

基于随机并行比例-积分-微分算法的高分辨率自适应光学系统相位畸变校正

基于自动光流的自适应光学扫描激光检眼镜的配准

使用条件对抗网络提高自适应光学视网膜图像的质量

自适应光学揭示星系碰撞