利用随机并行梯度下降(SPGD)算法实现16路光纤激光相位锁定。通过数字信号处理器(DSP)上执行随机并行梯度下降算法实现对各路激光相位的控制,系统闭环时的激光功率提高为开环时的近12倍。

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。

主动相位控制的光纤激光阵列相干合成在提高输出功率的同时能够保证良好的光束质量，其关键技术在于光纤激光相干阵列的锁相控制。基于随机并行梯度下降(SPGD)算法的锁相控制方案不仅具有控制策略简单、系统结构紧凑的优点，而且通过算法性能评价函数和迭代参数的选取，能够对光纤激光相干阵列进行多种锁相控制，从而得到各种形式的阵列合成光束输出，实现与自适应光子锁相元件整列(APPLE)系统阵列的有效契合。理论研究并实验实现了基于SPGD算法的相位控制方案的同相相干合成锁相控制、合成光束主极大偏转控制和空心光束产生等功能，验证了基于SPGD算法的全电光束控制在各种形态光束控制中的可行性。

随机并行梯度下降（SPGD）算法已被证明是一种较为有效的像清晰化系统控制算法，具有不依赖波前传感器直接对系统性能指标进行优化的特点。其控制参数增益系数和扰动幅度决定了算法的收敛速度以及收敛稳定性。参数取值范围较窄，超出范围将导致收敛后期的震荡，或者较慢的算法收敛速度。研究了算法增益系数和扰动幅度对校正效果和收敛速度的影响，提出了一种参数自适应优化的方法。基于52单元变形镜、位置敏感传感器等器件建立了SPGD控制算法的像清晰化实验平台，验证该方法的有效性。实验结果表明，该方法扩展了参数取值范围，提高算法收敛速度的同时具有较好的收敛稳定性。

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

相机多参数的随机并行梯度下降标定算法

随机并行梯度下降算法(SPGD)是一种基于直接性能指标优化的相位控制方法, 在自适应光学中有较好的适用性。该算法主要包含增益系数和随机扰动幅度两个可变参数, 其取值对算法收敛性有很大的影响。对双边SPGD算法实现收敛时参数的取值要求进行研究, 结合算法原理分析了算法参数的取值范围, 并通过大量仿真实验找出所有使双边SPGD算法收敛的增益系数和随机扰动幅度值; 得到随机扰动幅度的取值下限, 理论和仿真分析了下限存在的原因及取值; 在相干合成中存在相位噪声, 研究了不同相位校正器参数的情况下可使算法收敛的参数的取值范围。