摘要
望远镜不仅在天文观测过程中起到了重要的作用，并且也能用于跟踪观测航天设备、空间碎片以及作为基本仪器用于先进光束实验。点扩散函数（PSF）作为光学系统的脉冲响应，可以用于测量望远镜的光学状态。为实现望远镜状态的智能控制，本文研究了一种以望远镜图像的PSF作为基础，利用人工智能芯片对望远镜内部器件状态进行在线测量的方法。 本文首先回顾了经典的基于数据的PSF建模方法主成分分析法（PCA）。PCA方法在天基望远镜和地基望远镜的建模工作中均已得到广泛的应用。但是，由于PCA需要大量数据做统计分析，不满足实时和高效的要求，更适用于数据后处理，而不适于用在望远镜的实时智能控制上。去噪自编码器（DAE）是在基本的自编码器（AE）的基础上，加入约束条件，保证DAE能够学习数据的流形分布特征，从被破坏的数据可以重建原始数据。利用不同噪声水平的PSF作训练集训练DAE，经过训练后的DAE，可以将大视场望远镜获得的任何星象直接映射到原始PSF。进一步通过搭建星象PSF和望远镜元件状态对应关系的卷积神经网络（CNN），可以实现利用PSF对望远镜状态的建模。在此基础上，利用人工智能芯片搭载上述神经网络实现了利用望远镜星象对望远镜状态进行在线测量的功能。利用模拟数据和实际数据测试，发现本文提出的方法具有鲁棒性。本文在人工智能芯片Nvidia Jetson Xavier上测试了系统性能，发现其数据处理速度满足需求，初步展示了本文提出的算法对于望远镜副镜具有状态实时测量的能力，为以智能望远镜为代表的智能天文光学仪器发展提供了方向。
NETL