Optimizing Fourier-Filtering WFS to reach sensitivity close to the fundamental limit
为了充分发挥新一代地面望远镜的潜力，需要对相位进行极其精细的调整。因此，检测前的波前控制和校正已成为仪器实现目标性能的基石之一，特别是对于高对比度成像。精确波前控制的一个重要特征依赖于波前传感器（WFS）。我们提出了一种新的傅里叶滤波WFS的设计策略，编码的相位接近基本的光子效率限制。这种策略似乎很有前途，因为它产生了适合不同瞳孔形状配置的高灵敏度传感器。
2022-10-23 astro-ph.IM
Hartmann vs. reverse Hartmann test: a Fourier optics point of view
Shack-Hartmann波前传感器（WFS）在光学计量学、天文学中的波前感测和眼科控制应用领域是众所周知的。这次交流的目的是为历史上的哈特曼测试带来新的见解，并将其与鲜为人知的反向哈特曼测试进行比较，其中瞳孔掩模和观察到的图像平面的位置被交换。实际上，这两种测试都可以用傅里叶光学的形式来解释，即夏克-哈特曼的夫琅禾费衍射和相反构型的菲涅耳衍射。文中首先介绍了这些模型的原理。数值模拟的结果，然后提出，允许比较两个光学装置从傅立叶光学的角度来看，在可实现的波前测量精度。结果表明，基于反向Hartmann检验的WFS可以在全局上实现与经典Shack-Hartmann检验相同的性能
2019-09-11 astro-ph.IM
Pyramid wavefront sensor optical gains compensation using a convolutional model
极大望远镜绝大多数选择金字塔波前传感器（PyWFS）而不是更广泛使用的夏克-哈特曼波前传感器（SHWFS）来执行其单共轭自适应光学（SCAO）模式。PyWFS是一种基于傅立叶滤波的传感器，已被证明在许多天文学应用中非常成功。然而，它表现出非线性行为，导致其灵敏度降低时，与非零残留波前。这种所谓的光学增益（OG）效应降低了SCAO系统的闭环性能，并阻止了非共路像差（NCPA）的精确校正。在本文中，我们的目标是计算OG使用快速和敏捷的策略，以控制PyWFS测量在自适应光学闭环系统。使用基于卷积模型的PyFWS的新理论描述，我们能够分析预测PyWFS在闭环操作中的行为。该模型使我们能够探索残余波前误差对特定方面的影响，如灵敏度和相关的OG。所提出的方法依赖于剩余波前统计的知识，并能够自动估计当前OG。端到端的数值模拟被用来验证我们的预测和测试我们的方法的相关性。我们证明，使用非侵入性策略，我们的方法提供了一个准确的估计OG。该模型本身只需要AO遥测数据来获得大气湍流的统计信息。此外，我们表明，通过仅使用当前Fried参数r_0的估计和基本的系统级特性，可以估计OG的精度小于10%。最后，我们强调了在NCPA补偿的情况下OG估计的重要性。该方法被应用到PyWFS。
2020-07-15 astro-ph.IM
A generalised non-linear reconstructor for all Fourier-type wavefront sensors
本研究提出一种基于Nesterov加速非线性Landweber迭代的广义重构器，适用于所有傅里叶型波前传感器，在非线性区域优于线性方法，尤其对金字塔波前传感器有效。
2025-06-23 astro-ph.IM math-ph math.MP
Identification and adaptive control of a high-contrast focal plane wavefront correction system
所有用于系外行星高对比度成像的日冕仪都需要波前校正系统来抑制光学像差并产生足够暗的黑洞。由于最有效的波前校正算法（控制器和估计器）通常是基于模型的，系统的建模精度影响最终的波前校正性能。目前，波前校正系统通常近似为使用傅立叶光学的线性系统。然而，傅立叶光学模型通常是有偏见的，由于在布局测量的不准确性，固有的光学像差的不完善的诊断，以及缺乏知识的可变形反射镜（致动器增益和影响函数）。此外，由于仪器的不稳定性和环境的影响，望远镜的光学系统会随着时间的推移而变化。在本文中，我们提出了一个期望最大化（E-M）的方法来识别和实时适应线性望远镜模型的数据。通过在E步骤（卡尔曼滤波器和Rauch平滑器）和M步骤（分析或基于梯度的优化）之间迭代，该算法能够恢复系统，即使模型取决于电场，其是不可测量的隐藏变量。在普林斯顿大学高对比度成像实验室的仿真和实验表明，该算法提高了模型的精度，提高了波前校正的效率和速度。
2018-10-07 astro-ph.IM
Closing the loop on-sky with a vector-Zernike wavefront sensor using a convolutional neural network as phase reconstructor
Aix Marseille Univ, CNRS, CNES, LAM（艾克斯马赛大学、法国国家科学研究中心、法国国家空间研究中心、天体物理学与行星学实验室）；DOTA, ONERA, Université Paris Saclay（ONERA航空航天研究院、巴黎萨克雷大学）；DTIS, ONERA, Université Paris Saclay（ONERA航空航天研究院、巴黎萨克雷大学）；School of Electrical Engineering, Pontificia Universidad Católica de Valparaíso（智利天主教瓦尔帕莱索大学电气工程学院）
该研究训练卷积神经网络作为非线性相位重构器，将矢量泽尼克波前传感器的动态范围大幅扩展，成功实现其闭环观测，性能优于线性重构器，拓展了自适应光学系统的应用场景。
2026-08-10 astro-ph.IM
Modelling Fourier filtering wavefront sensors for PSD-based methods: the AOPERA tool
ONERA（法国航空航天研究院）；Aix Marseille University（艾克斯-马赛大学）；European Southern Observatory (ESO)（欧洲南方天文台）
本文提出AOPERA工具，用于在PSD方法中建模傅里叶滤波波前传感器的非线性行为，通过与端到端仿真对比验证了其在误差预测上的准确性。
2026-10-15 astro-ph.IM
A self-adjoint Fourier-type model for the iQuad wavefront sensor
Industrial Mathematics Institute, Johannes Kepler University Linz（林茨约翰·开普勒大学工业数学研究所）；IFREMER, Laboratoire Detection, Capteurs et Mesures (LDCM)（法国海洋开发研究院探测、传感器与测量实验室）；Johann Radon Institute for Computational and Applied Mathematics（约翰·拉顿计算与应用数学研究所）；Laboratoire d’Astrophysique de Marseille（马赛天体物理学实验室）
本文提出一种自共轭的傅里叶型iQuad波前传感器模型，揭示其与二维有限希尔伯特变换的关系，并介绍了双iQuad波前传感器以提升性能。
2026-05-12 astro-ph.IM math-ph math.MP
Focal Plane Wavefront Sensing using Machine Learning: Performance of Convolutional Neural Networks compared to Fundamental Limits
焦平面波前感测（FPWFS）由于若干原因而吸引人。值得注意的是，它提供了高灵敏度，并且不会受到非共路像差（NCPA）的影响。付出的代价是高计算负担和需要多样性来解除任何相位模糊。如果能够克服这些限制，FPWFS是NCPA测量的一个很好的解决方案，这是高对比度成像的一个关键限制，并且可以用作自适应光学波前传感器。在这里，我们建议使用深度卷积神经网络（CNN）来测量基于焦平面图像的NCPA。考虑了两种CNN架构：ResNet-50和U-Net，它们分别用于估计Zernike系数或直接估计相位。这些模型在标记的数据集上进行训练，并在各种通量水平和两种空间频率内容（20和100 Zernike模式）下进行评估。在这些理想化的模拟中，我们证明了基于CNN的模型在很大范围的条件下达到了光子噪声极限。例如，我们表明，均方根（rms）波前误差（WFE）可以减少到< $λ$ /1500的$2 \times 10^6$光子在一次迭代时，估计20泽尼克模式。我们还表明，基于CNN的模型是足够强大的变化信噪比，高阶像差的存在下，和不同幅度的像差。此外，它们显示出类似于迭代相位恢复算法的优越性能。因此，CNN代表了实现FPWFS的一种令人信服的方式，它可以在广泛的条件下利用FPWFS的高灵敏度。
2021-06-08 astro-ph.IM physics.optics
Closed Loop Predictive Control of Adaptive Optics Systems with Convolutional Neural Networks
波前预测控制是自适应光学的一个重要而迅速发展的领域。通过对未来波前效应的预测，可以显著减轻由波前校正的测量、计算和应用引起的固有AO系统伺服滞后。这种滞后会影响最终交付的科学图像，包括降低strehl和对比度，并抑制我们可靠使用微弱导航星的能力。我们在这里总结了一种基于对抗性先验知识训练深度神经网络进行预测控制的新方法。与文献中以前的方法不同，这些方法基于以前生成的数据或开环系统显示了结果，我们证明了我们的网络在闭环中模拟的性能。我们的模型能够减少伺服滞后引起的影响，并推动自然guidestars的可靠控制的微弱端，与经典方法相比，在8米望远镜上，16等引导星的K波段Strehl性能提高了55%以上。我们进一步表明，基于LSTM的方法可能更适合伺服滞后误差最明显的高对比度场景，而传统的前馈模型更适合高噪声场景。最后，我们讨论了未来的战略，实现我们的系统在实时和天文望远镜系统。
2021-03-10 astro-ph.IM
A Fourier optics approach to evaluate the astrometric performance of MICADO
本文研究了波前误差对傅里叶光学高精度天体测量的影响。MICADO是即将推出的用于超大望远镜的近红外成像仪器，将提供相对天体测量能力，精度为50微弧秒（μ s）。由于与天体测量要求相比，点扩散函数（PSF）的尺寸很大，因此必须很好地理解PSF在探测器上的详细形状和位置。此外，由于MICADO的大气色散校正器是一个移动部件，在其他大多数静态仪器中，它可能不足以进行简单的观测前校准。因此，我们已经建立了一个傅立叶光学框架，使我们能够评估PSF的质心位置的微小变化作为波前误差的函数。为了进行完整的评估，我们使用Zernike多项式对低阶表面形状误差进行建模，并使用功率谱密度分析对中高空间频率进行建模。所描述的工作，然后将有可能，执行全衍射光束传播，以评估MICADO的预期天体测量性能。
2020-11-18 astro-ph.IM
Closed-loop focal plane wavefront control with the SCExAO instrument
本文介绍了一个焦平面为基础的波前控制回路的高对比度成像仪器SCExAO（斯巴鲁Coronagraphic极端自适应光学）的实施。该传感器依赖于传统的焦平面图像的傅立叶分析后，在仪器的光瞳中引入非对称掩模。这里，在闭环中使用该绝对传感器来补偿非公共路径误差，该非公共路径误差通常影响依赖于上游自适应光学系统的任何成像系统。该循环在斯巴鲁望远镜的天空中成功运行，并用于补偿高阶波前传感器用作零点的SCExAO可变形镜形状。本文精确的误差范围内，这种波前传感方法可以操作，并探讨了饱和的数据的影响，以及如何可以绕过，在性能的成本。除了这种应用之外，由于其低硬件影响，APF-WFS可以很容易地移植到各种波前传感环境中，用于地面以及星载望远镜，以及可以是连续的、分段的甚至稀疏的望远镜瞳孔。这项技术是强大的，因为它在科学探测器的水平上测量波前。
2016-04-29 astro-ph.IM
Forecasting Wavefront Corrections in an Adaptive Optics System
我们使用的遥测数据从双子座北ALTAIR自适应光学系统，以调查如何以及波前校正的命令（包括提示/湍流和高阶湍流）可以预测，以减少滞后误差（由于波前传感器平均和计算延迟），提高交付的图像质量。我们表明，一个高水平的减少（$\sim$ 5小费，小费，小费和$\sim$ 2高阶模式）在RMS波前误差可以通过使用“预测滤波器”的基础上，只有几个系数（$\sim$ 30小费，小费，小费和$\sim$ 5高阶模式），以补充现有的积分伺服控制器。更新该滤波器以适应不断变化的观测条件在计算上是廉价的，并且需要不到10秒的遥测数据。我们还使用了几种机器学习模型（长短期记忆和扩张卷积模型）来评估是否可以通过更复杂的非线性模型实现进一步的改进。我们的尝试表明，即使对于线性模型残差很高的大滞后，线性自回归预测也没有明显的改进，这表明在双子座北望远镜上ALTAIR的非线性波前失真可能无法用当前的设置进行预测
2022-05-12 astro-ph.IM
Joint optimization of wavefront sensing and reconstruction with automatic differentiation
高对比度成像仪器需要极端的波前控制来直接成像系外行星。这需要高度敏感的波前传感器，其最佳地利用可用光子来感测波前。在这里，我们建议使用自动微分数值优化傅里叶滤波波前传感器。首先，我们优化波前传感器的灵敏度为不同的孔径和波前分布。在单色光的假设下，我们发现传感器比目前使用的传感器更敏感，并且接近理论极限。随后，我们直接最小化的残留波前误差，通过联合优化的传感和重建。这是通过连接波前传感器和重建器的可微模型并使用基于梯度的优化器交替地改进它们来完成的。我们还允许使用卷积神经网络的波前重建中的非线性，这扩展了波前传感器的设计空间。我们的研究结果表明，优化可以导致波前传感器，目前使用的波前传感器的性能有所改善。所提出的方法是灵活的，原则上可以用于任何波前传感器的结构与自由的设计参数。
2022-09-13 astro-ph.IM physics.optics
Information limits of photonic lantern wavefront sensing: a Fisher- and quantum-Fisher-information framework and its relation to Fourier-filtering sensitivity limits
Institut für Physik und Astronomie, Universität Potsdam（波茨坦大学物理与天文学研究所）
该研究构建光子 lantern 波前传感的 Fisher 与量子 Fisher 信息框架，推导其灵敏度极限并与其他传感器基准对比，揭示其性能与量子极限的关联及相关灵敏度指标的关系。
2026-09-17 astro-ph.IM physics.optics quant-ph
Synthetic Modeling of Astronomical Closed Loop Adaptive Optics
本文提出了一个单自然导星天文自适应光学系统的闭环解析模型。该模型是用来模拟长曝光系统的点扩散函数，使用空间频率（或傅立叶）的方法，并补充初始开环模型。应用范围从系统设计，科学案例分析和AO数据减少。所有经典的相位误差已经包括：变形镜拟合误差，波前传感器空间混叠，波前传感器噪声，以及相关的非等晕和伺服滞后误差。该模型包括可变形反射镜空间传递函数，并且致动器阵列几何形状可以不同于波前传感器小透镜阵列几何形状。我们还包括感测波长和校正波长之间的色散。文末给出了说明性的例子。
2010-11-02 astro-ph.IM
Wavefront sensor based on varying transmission filters: theory and expected performance
波前传感器（WFS）的使用是当今仪器光学领域的基础。本文讨论了一个原始的和最近提出的新的WFS类的原则。其原理在于通过将不同密度的滤光片放置在被测光学系统的像平面中来评估波前误差的斜率。该装置，有时被称为“光学微分WFS”是由数字数据处理系统从获得的斜率重建波前完成的。可以采用不同波长和光谱宽度的各种光源。从几何光学和傅立叶光学的角度讨论了该方法的能力，然后通过数值模拟表明，如果采取一定的预防措施，最终的精度可以分别远低于λ/10和λ/100峰谷比（PTV）和RMS。
2005-10-25 astro-ph astro-ph.IM physics.optics
Kernel formalism applied to Fourier based wave front sensing in presence of residual phases
在本文中，我们描述了基于傅立叶波前传感器（WFS）的线性积分算子，其特点是他们的核。在第一部分中，我们推导出这个量相对于WFS的光学参数的依赖关系：光瞳几何形状，过滤掩模，倾斜/倾斜调制。在第二部分中，我们将重点研究卷积核的特殊情况。在这样一个制度所需的假设进行了说明。然后，我们表明，这些卷积核允许通过将其行为总结为一个简洁而全面的量来大大简化WFS的模型，该量称为WFS的脉冲响应。我们特别解释它如何允许计算传感器的灵敏度相对于空间频率。因此，这种方法提供了一种快速诊断工具来比较和优化基于傅立叶的WFS。在第三部分中，我们开发了剩余相位对传感器脉冲响应的影响，并表明卷积模型仍然有效。最后，专门介绍Pyramid WFS的一节总结了这项工作，并说明了卷积模型如何轻松处理斜率映射。
2019-06-21 astro-ph.IM
Expected performance of the Pyramid wavefront sensor with a laser guide star for 40 m class telescopes
本文研究了40米望远镜使用激光导星时Pyramid波前传感器的性能，提出新的离散化与光传播方法，发现由于扩展激光源尺寸导致灵敏度显著下降，不建议此类传感器与激光导星配合使用。
2024-03-15 astro-ph.IM
A simulator-based autoencoder for focal plane wavefront sensing
仪器像差严重限制了系外行星的高对比度成像，特别是当它们在科学图像中产生准静态斑点时。在深度学习最新进展的帮助下，我们在以前的工作中开发了一种方法，该方法应用卷积神经网络（CNN）从点扩散函数（PSF）估计光瞳平面相位像差。在这项工作中，我们进一步将仪器内部发生的光学传播的物理模拟纳入深度学习架构。这是通过自动编码器架构实现的，该架构使用可微分光学模拟器作为解码器。由于这种无监督学习方法重建了PSF，因此不需要知道真实相位来训练模型，这使得它特别适合于天空应用。我们表明，我们的方法的性能几乎与标准的CNN方法相同，并且模型在训练和鲁棒性方面足够稳定。我们特别说明了我们如何通过快速微调单个测试图像上的模型来受益于基于模拟器的自动编码器架构，当PSF包含更多噪声和像差时，可以实现更好的性能。这些早期的结果是非常有希望的，并确定了未来的步骤，将该方法应用于实际数据。
2022-11-11 astro-ph.IM
Wavefront sensing with a Gradient Phase Filter
本文提出基于透明梯度相位滤波器的 Crossed-sine phase sensor（CSPS），以 Fourier 光学描述其原理，并通过模拟证明其兼具高空间分辨率与 Lambda/100 RMS 精度。
2024-07-03 astro-ph.IM physics.optics
Battle of the Predictive Wavefront Controls: Comparing Data and Model-Driven Predictive Control for High Contrast Imaging
地基高对比度系外行星成像需要最先进的自适应光学（AO）系统，以便探测靠近其较亮宿主恒星的极暗行星。对于这种极端的AO系统，（在小视场上具有高致动器计数的可变形反射镜），校正的滞后时间（其可以通过系统能够应用校正时波前已经改变的量来影响我们的系统），其可以是从~1-5毫秒的任何时间，可能导致空间尺度上的波前误差，导致最终科学图像中与中心恒星的小角度间隔处的散斑。用于校正这些像差的一种途径是预测控制，其中先前的波前信息用于预测在一个系统滞后的时间内波前的未来状态，并且该预测的状态被应用为利用可变形反射镜的校正。在这里，我们考虑两种预测控制方法：使用经验正交函数的数据驱动预测和物理动机的预测傅立叶控制。这些方法的性能和鲁棒性以前没有被并排比较。在本文中，我们通过将这些预测器作为事后方法应用于模拟大气和天空遥测来比较它们，以调查它们的性能不同的情况，包括在不同的风速、Cn ^2剖面和时间滞后下对其进行测试。我们还讨论了未来的计划，在圣克鲁斯极端AO实验室（SEAL）测试平台上测试这两种算法。
2022-08-01 astro-ph.EP astro-ph.IM
The Three-Sided PyramidWavefront Sensor. I. Simulations and Analysis for Astronomical Adaptive Optics
对于巨型分段镜望远镜（GSMTs）的ExAO仪器，正在考虑WFS的替代架构，因为在检测器尺寸、速度和噪声之间存在折衷，这降低了GSMT-ExAO波前控制的性能。GSMT-ExAO波前传感器考虑的一个选项是三面PWFS（3 PWFS）。与使用四个瞳孔的传统四边PWFS（4PWFS）相比，3 PWFS创建了三个望远镜瞳孔的副本用于波前传感。与4PWFS相比，3 PWFS使用较少的探测器像素，因此对读取噪声的敏感度较低。在这里，我们开发了一个数学形式主义的基础上的衍射理论描述的福柯刀口测试，预测的强度图案后，PWFS。我们的形式主义允许我们计算的强度在光瞳图像中形成的PWFS中存在的相位误差对应于任意傅立叶模式。然后，我们使用面向对象的MATLAB自适应光学工具箱（OOMAO）模拟端到端模型的自适应光学系统使用的PWFS调制和比较的性能的3 PWFS的4PWFS。在低读取噪声检测器的情况下，3 PWFS和4PWFS的斯特列尔比在0.01内。当我们在模拟中包括更高的读取噪声时，我们发现在恒星星等为10时，使用原始强度的3 PWFS的Strehl比增益为0.036，而使用斜率贴图的4PWFS为0.036。在相同幅度下，4PWFS RI也优于4PWFS SM，但增益仅为0.012 Strehl。这是重要的，因为使用斜率图的4PWFS是PWFS常规用于AO波前感测的方式。我们已经发现，3 PWF…
2021-09-14 astro-ph.IM
High-Performance Gridding For Radio Interferometric Image Synthesis
卷积网格是一种广泛用于无线电干涉图像合成的技术（算法），用于快速反演傅立叶平面上以不规则间隔采样的函数。在这篇论文中，我们提出了一些修改的技术，以执行更快的GPU上。这些修改产生了\textit{Hybrid Gridding}和\textit{Pruned NN Interpolation}，它们利用卷积网格中网格卷积函数的过采样来尝试在不降低输出质量的情况下更快地进行网格化。我们的实验表明，在适当的条件下，混合网格比卷积网格执行速度快$6.8\times$，而修剪NN插值通常比混合网格慢。这两种新技术的特点是通过卷积对过采样网格进行下采样，以加速傅立叶逆。这是一个众所周知的近似技术，遭受混叠。在这篇论文中，我们重新提出的技术作为一个\textit{Convolution-Based FFT Pruning}算法能够抑制混叠低于算术噪声。该算法使用最近发现的最小失配网格函数，通过我们的实验给出了有希望的结果，虽然不如预期的从相关发表的工作所述的网格函数。然而，我们的实验表明，在适当的条件下，基于卷积的修剪将GPU上的傅立叶逆执行时间减少了大约$8\times$的一个因子。
2021-11-07 astro-ph.IM
No need to modulate: On-sky results of a Neural Network enhanced pyramid wavefront sensor and prospects for the ELTs
NOVA, Netherlands Research School for Astronomy（NOVA，荷兰天文学研究学校）；Leiden Observatory, Leiden University（莱顿天文台，莱顿大学）；Steward Observatory, University of Arizona（斯图尔德天文台，亚利桑那大学）；Center for Computational Astrophysics, Flatiron Institute（计算天体物理学中心，西蒙斯平研究所）；Subaru Telescope, National Astronomical Observatory of Japan（昴星团望远镜，日本国立天文台）；Astrobiology Center, National Institutes of Natural Sciences（天体生物学中心，自然科学研究院）；Wyant College of Optical Sciences, The University of Arizona（怀扬光学科学学院，亚利桑那大学）；Northrop Grumman Corporation（诺斯罗普·格鲁曼公司）；Draper Laboratory（德拉珀实验室）；Starfire Optical Range, Kirtland Air Force Base（星光光学靶场，柯克兰空军基地）
该研究实现了CNN重构的uPWFS，在MagAO-X上验证了其在轨校正效果，为未来极大望远镜的高对比度仪器提供了可行技术。
2026-08-26 astro-ph.IM
On-sky performance during verification and commissioning of the Gemini Planet Imager's adaptive optics system
Gemini Planet Imager仪器的自适应光学（AO）子系统是专门为促进高对比度成像而设计的。它具有几项新技术，包括傅里叶变换的计算效率波前重建，每8秒的模式增益优化，以及空间滤波波前传感器。它还使用线性二次高斯（LQG）控制器（又名卡尔曼滤波器）进行指向和聚焦。我们展示了从2013年12月到2014年5月的验证和调试运行的空中性能结果。有效的重构和模态增益优化按设计进行。LQG控制器可有效消除振动。空间滤波器可以去除混叠，但由于稳定性问题，我们通常使用尺寸超过60%的空间滤波器。
2014-07-08 astro-ph.IM
Phase Retrieval using Nonlinear Curvature Sensing within Convergent Beams
University of Notre Dame（圣母大学）
本文提出了一种利用收敛光束内非线性曲率传感进行相位恢复的方法，通过多平面强度测量和傅里叶变换实现紧凑光学布局，有效降低系统尺寸和成本。
2026-03-12 astro-ph.IM physics.optics
Super-resolution wavefront reconstruction
超分辨率（SR）是一种寻求提高一组测量信号的分辨率的技术。SR通过组合多个较低分辨率的采样数据集来检索较高频率的信号内容。SR在时间域和空间域都是众所周知的。随机共振技术被广泛应用于成像中，以减少混叠现象，提高粗采样图像的分辨率。特别是，我们展示了SR是如何本质上适合于层析多波前传感器（WFS）AO系统揭示了它的许多优点，以最小的设计工作。本文提供了一个直接的空间和傅立叶光学波前传感操作的描述，并演示了如何SR可以通过信号重建，特别是在周期性非均匀采样的框架中被利用。Meta均匀和非均匀采样方案进行了研究。在此基础上，建立了Shack Hartmann（SH）WFS的SR二维模型，分析了灵敏度函数的特性。最后通过典型的多WFS SHAO系统的数值仿真验证了SR概念的有效性。我们的研究结果表明，在SR框架中结合几个WFS样本，可以获得比单个WFS提供的本地模式更多的模式，尽管样本之间的子孔径大小是固定的。此外，我们表明，相关的噪声传播下SR不退化。最后，这个概念被扩展到由单个金字塔WFS产生的信号。总之，应用于波前重构的SR提供了一个新的参数空间，以探索，因为它从所需的波前采样分辨率的子孔径的大小。通过缩短旧的假设，新的，更灵活和性能更好的AO设计现在成为可能。
2022-08-25 astro-ph.IM physics.ao-ph physics.ins-det
Variation on a Zernike wavefront sensor theme: optimal use of photons
泽尼克波前传感器（ZWFS）是属于宽类傅里叶滤波波前传感器（FFWFS）的概念。ZWFS以其极高的灵敏度而闻名，同时具有低动态范围，这使其成为第二阶段自适应光学（AO）系统或准静态像差校准传感器的独特传感器。该传感器由相移点构成的焦平面掩模组成，相移点完全由两个参数描述：其直径和深度。在这封信中，我们的目标是通过改变其移相点的直径来提高该传感器的性能。我们首先从一个一般的理论框架提供了一个分析描述的FFWFS属性，然后我们预测预期的ZWFS的灵敏度为不同的配置点的直径和深度。然后，通过端到端模拟验证分析预测。由此，我们提出了一个变化的经典ZWFS形状表现出非常吸引人的属性。我们表明，ZWFS的灵敏度可以通过修改点直径进行优化，甚至达到最佳的理论极限，与低空间频率灵敏度的折衷。作为一个例子，我们表明，ZWFS与2λ/D的点直径（其中λ是传感波长和D的望远镜直径），以下称为Z2 WFS，表现出的灵敏度比经典的1.06λ/D ZWFS的所有相位空间分量的两倍高，除了倾斜模式。此外，这种灵敏度增益不会影响传感器的动态范围，并且Z2 WFS表现出与经典的1.06λ/D ZWFS相似的动态范围。本研究为直径优化ZWFS的概念开辟了道路。
2021-05-17 astro-ph.IM physics.optics
Making the unmodulated Pyramid wavefront sensor smart. Closed-loop demonstration of neural network wavefront reconstruction with MagAO-X
针对未调制金字塔波前传感器大像差下非线性响应的问题，提出基于卷积神经网络的非线性波前重建器，在MagAO-X系统闭环测试中动态范围、斯特列尔比、灵敏度均优于线性重建器，且支持1kHz以上环路速度。
2024-01-29 astro-ph.EP astro-ph.IM eess.IV
Transformer neural networks for closed-loop adaptive optics using non-modulated pyramid wavefront sensors
本研究训练并比较了多种神经网络，发现Transformer（GCViT）在非调制金字塔波前传感器的闭环自适应光学中性能最佳，能扩展动态范围且不损失灵敏度，并在真实光学平台上验证了其有效性。
2024-05-09 astro-ph.IM physics.optics
Use of Excess Power Method and Convolutional Neural Network in All-Sky Search for Continuous Gravitational Waves
连续引力波信号的持续时间比观测周期长。即使源帧中的波形是单色的，由于探测器的运动，我们将观察到具有调制频率的波形。在源位置未知的情况下，需要大量不同天空位置的模板进行频率解调，所需的巨大计算量限制了相干搜索的适用参数范围。在这项工作中，我们提出并研究了一种新的方法来选择候选人，这降低了成本的相干搜索的后续只有选定的候选人。作为第一步，我们考虑一个理想化的情况下，只有一个单一的检测器具有100\%的占空比是可用的，其检测器的噪声近似的平稳高斯噪声。此外，我们假设信号没有自旋下降，并且偏振角、倾斜角和初始相位被固定为$ψ=0$、$\cosι=1$和$ϕ_0=0$，并且它们被视为已知参数。我们结合了几种方法：1）利用重新采样的数据进行短时傅里叶变换，使得源的地球运动在某个参考方向上被消除，2）通过从短时傅里叶变换数据中拾取特定频率仓中的振幅而获得的时间序列的傅里叶变换中的超额功率搜索，以及3）进一步约束源天空位置的深度学习方法。计算成本和检测概率的估计。进行注入测试以检查检测概率的有效性。我们发现，我们的方法是值得进一步研究的分析$O(10^7)$秒应变数据。
2021-03-11 astro-ph.IM gr-qc
Making the unmodulated pyramid wavefront sensor smart II. First on-sky demonstration of extreme adaptive optics with deep learning
Leiden Observatory, Leiden University（莱顿大学莱顿天文台）；Center for Computational Astrophysics, Flatiron Institute（弗拉铁隆研究所计算天体物理中心）；Wyant College of Optical Sciences, The University of Arizona（亚利桑那大学怀恩特光学科学学院）；Subaru Telescope, National Observatory of Japan, National Institutes of Natural Sciences（日本自然科学研究机构国立天文台昴星团望远镜）；Astrobiology Center, National Institutes of Natural Sciences（日本自然科学研究机构天体生物学中心）；Northrop Grumman Corporation（诺斯罗普·格鲁曼公司）；Draper Laboratory（德雷珀实验室）；Starfire Optical Range（星火光学靶场）
本研究首次实现基于卷积神经网络非线性重构器的未调制金字塔波前传感器极端自适应光学在轨演示，验证了其可行性与性能优势，为下一代自适应光学仪器提供了新方向。
2025-03-20 astro-ph.EP astro-ph.IM cs.LG
