基于增强型多目标优化波前整形的多点光聚焦研究
光通过散射介质后的多重散射现象会造成光失去原有的传播方向，形成光学散斑。这是由于散射介质内部具有空间非均匀分布的折射率。这种多重散射的现象限制了很多光学技术的发展和应用，尤其是在生物医学领域。 波前整型技术是一种通过构造特定的入射光波前来克服多重散射现象以将光线聚焦在任何理想位置的方法。目前，波前整形技术已有极大地发展，研究人员提出的多种波前整型方法可以实现光在多重散射后的聚焦。但相对于已被广泛研究的单点聚焦，多点聚焦的研究仍在发展的初级阶段。使用一个掩膜同时生成多个聚焦点对于诸如对脑研究和疾病诊断等生物医学研究更有意义。区别于单点聚焦，多点聚焦需要同时关心两个目标:增强因子和均匀性，因此等同于一个多目标问题。 应用最广泛的反馈式波前整型方法以其强大的抗噪性和优异的聚焦效果收到研究人员的青睐。但其最大的缺点是优化时间过长，反馈型优化算法受限于反馈机制和硬件器件帧速，通常需要长达几十分钟的时间来完成。此外，反馈算法的性能也极大地影响着波前整型的聚焦结果。近年来兴起的人工智能方法也被用于波前整形技术，训练后的神经网络可以实现快速聚焦，对于节省波前整型的时间是非常有利的，但其性能很大程度上依赖于训练样本的质量和数量，最终聚焦点的增强因子较低，多个聚焦点的均匀性也无法保证。 本文针对上述问题，结合了神经网络与多目标优化算法，利用他们之间的互补性，提出了一个增强型的多目标算法:神经网络增强的非支配排序遗传算法(NN-NSGA2)。在这种混合算法中，使用神经网络预测的掩膜作为NSGA2算法的初始掩膜，算法在此初始掩膜的基础上进行优化。这种方法可以使多目标优化算法在一个比较好的初始解的基础上进行迭代，以此避免算法对初始解敏感造成的优化失败,还可以帮助多目标优化算法节约优化时间，加快优化过程。 本论文对NN-NSGA2算法进行了数字模拟以验证算法的可行性。模拟对比了本文提出的NN-NSGA2算法与仅NSGA2算法在不同数量聚焦点时的效果。模拟表明，本文中所提的方法在优化结束后可以实现更高的增强因子值，并且可以帮助减少算法优化时间:两种算法达到相同增强因子值时NN-NAGA2算法使用的迭代次数更少。 在实验上进一步证明了此算法的优越性能。实验采用30000组数据成功训练了单层神经网络，并对多个聚焦点的掩膜进行了预测，预测的掩膜具有初步的聚焦效果。使用神经网络预测掩膜的NN-NSGA2算法成功实现了单点、三点和九点聚焦。三种情况下均与NSGA2算法进行了对比，与数据模拟情况相吻合。该算法最终有更高的增强和更少的优化时间，相对于未增强的多目标优化算法提升了约10％的增强因子值，节约了约30％的优化时间，证明了该算法在多点光聚焦中强大的聚焦能力。
多点光聚焦;波前整形;散射介质;多目标优化;神经网络
北京化工大学
硕士
物理学
丁迎春
2023
中文
O437.5
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）