[发明专利]一种基于粒子群算法的光束抖动模型参数实时辨识方法

权利要求书

1.一种基于粒子群算法的光束抖动模型参数实时辨识方法，其特征在于：包括如下步骤：

步骤(1)、建立光束抖动模型，确定待辨识参数；

步骤(2)、采集自适应光学系统在采样频率下测量的光束抖动时序信号；

步骤(3)、确定粒子群算法适应度函数；

步骤(4)、设置粒子群算法基本参数并确定待辨识参数搜索空间范围；

步骤(5)、进行算法迭代：根据粒子群中粒子的适应度函数值更新粒子的个体极值和群体的全局极值，并更新粒子的速度与位置；

步骤(6)、判断算法是否满足终止条件，若满足，则输出最优解，搜寻过程结束；若不满足，惯性因子自适应变化，重新执行步骤(5)-步骤(6)；

其中，光束抖动信号模型为自回归二阶模型：

其中，为自适应光学系统测量得到的光束抖动时序信号，为时域待辨识参数，为模型误差，为获得具有实际物理意义的模型参数将时域待辨识参数通过公式转化为待辨识频域参数，转化公式为：

w₀＝2πf

其中，为光束抖动模型系数，亦为时域待辨识参数；f为振动频率，K为阻尼因子，σ²为驱动源方差，都为频域待辨识参数；T为采样周期；

采集到的光束抖动时序信号为由自适应光学系统开环测量斜率或伪开环斜率通过Zernike模式复原法得到的基于Zernike模式系数表示的波前畸变相位，其中，伪开环是指自适应光学系统中通过将已知的波前校正器校正量和校正残差信号的探测量求和得到初始光束抖动信号，其不需要系统开环，伪开环斜率的计算公式为：

G_pol＝G_col+G_校正

其中，G_pol为伪开环斜率，G_col为闭环测得的残余斜率，G_校正为波前校正器产生的校正斜率。

2.根据权利要求1所述的一种基于粒子群算法的光束抖动模型参数实时辨识方法，其特征在于：粒子群算法适应度函数即为误差准则函数，误差准则函数既是线性函数或者是非线性函数，只要是实函数即可；

采用的误差准则函数如下，

其中，x为待辨识模型参数向量x＝(f,K,σ²)；P_xx(2πf_i)为由周期图法估计的实际信号功率谱密度，f_i为离散频率，m为光束抖动信号序列长度，P(f)为计算AR2模型功率谱密度的理论公式，即：

其中，f为归一化频率，j为虚数单位，为光束抖动模型系数，σ²为驱动源方差。

3.根据权利要求2所述的一种基于粒子群算法的光束抖动模型参数实时辨识方法，其特征在于：对信号功率谱密度进行估计的方法是周期图法，或者是平均周期图法或修正的协方差法，只要可以对信号的功率谱密度进行有效估计即可。

4.根据权利要求1所述的一种基于粒子群算法的光束抖动模型参数实时辨识方法，其特征在于：粒子群算法基本参数包括：粒子数N、搜索空间维数Dim、学习因子c1和c2、惯性权重因子w_min和w_max和算法最大迭代次数iterT，其中，粒子数影响算法的优化能力，粒子数越多得到的精度会越高，取20～40，或者取100～200；学习因子有保持收敛速度与搜索效果的均衡作用，取c1＝c2∈[0,4]；惯性权重因子取0.4～1.2；

将待辨识参数的可能解，作为搜索空间的一个粒子，待辨识参数个数作为搜索空间的维度，然后根据待辨识参数确定位置变化范围即待辨识参数取值范围并对粒子飞行速度进行限制，设为待辨识参数取值范围的10％～20％，其中，对于光束抖动信号，当抖动为窄带信号时阻尼系数K一般取值在0到1之间；当抖动为低频宽带信号时阻尼系数K取值应大于1。