首页|期刊导航|物理学报|基于深度卷积神经网络的大气湍流相位提取

基于深度卷积神经网络的大气湍流相位提取

徐启伟王佩佩曾镇佳黄泽斌周新星刘俊敏李瑛陈书青范滇元

物理学报2020，Vol.69Issue(1)：280-290,11.

物理学报2020，Vol.69Issue(1)：280-290,11.DOI:10.7498/aps.69.20190982

基于深度卷积神经网络的大气湍流相位提取

Extracting atmospheric turbulence phase using deep convolutional neural network

徐启伟 ¹王佩佩 ²曾镇佳 ¹黄泽斌 ²周新星 ²刘俊敏 ²李瑛 ³陈书青 ¹范滇元²

作者信息

1. 深圳技术大学新材料与新能源学院,深圳518118
2. 深圳大学二维材料光电科技国际合作联合实验室,广东省二维材料信息功能器件与系统工程技术研究中心,深圳518060
3. 湖南师范大学物理与电子学院量子效应及其应用协同创新中心,长沙410081
折叠

摘要

关键词

大气湍流/相位提取/深度卷积神经网络/Gerchberg-Saxton算法

引用本文复制引用

徐启伟,王佩佩,曾镇佳,黄泽斌,周新星,刘俊敏,李瑛,陈书青,范滇元..基于深度卷积神经网络的大气湍流相位提取[J].物理学报,2020,69(1):280-290,11.

基金项目

国家自然科学基金(批准号:61805149,61575127,61490713,61571188)、广东省自然科学基金(批准号:2016A030310065)、广东省教育委员会(批准号:2016KCXTD006)、深圳市科技计划基础研究项目(批准号:JCYJ20180507182035270)、深圳市科技计划项目(批准号:ZDSYS201707271014468)和二维材料光电科技国际合作实验室(批准号:2DMOST2018003)资助的课题. （批准号:61805149,61575127,61490713,61571188）

物理学报

OA北大核心CSCDCSTPCDSCI

ISSN：1000-3290

访问量0

下载量0

段落导航