来源：期刊VIP网 时间：
作者：王珍珍;聂萌瑶;
单位：新乡学院计算机与信息工程学院;
摘要：在激光通信与激光成像中，大气湍流引起激光出现随机的波前相位畸变现象，导致激光通信与激光成像质量下降。针对此问题，提出一种结合卷积神经网络与图神经网络的激光波前预测与校正方法。将波前传感器探测的波前与历史波前序列输入混合深度学习模型进行波前预测，变形镜基于预测的波前对未来畸变波前进行提前校正，从而解决波前探测到波前校正之间的固有延迟问题。混合深度学习模型包含卷积神经网络与图神经网络两个部分，前者使用残差卷积网络对波前Zernike系数向量进行多层次的特征提取，其浅层网络捕捉Zernike系数的浅层特征，深层网络基于浅层特征捕捉Zernike系数间的深层次复杂关系；后者将波前序列转换成图数据结构，利用图神经网络技术对波前帧的时间域演化过程进行建模。仿真结果表明，所提方法在弱、中等和强湍流下均取得了良好的波前预测准确性，在强湍流条件下，所提方法的均方根均值较次优方法PredictionNet降低了42.57%。
关键词：激光通信;;激光成像;;激光传输;;波前校正;;卷积神经网络;;图神经网络
基金资助：河南省科技厅重点研发与推广专项项目(212102210405);; 新乡学院高等教育教学改革研究与实践项目(2026JGLX112)
