基于深度卷积生成对抗网络的大气湍流相位屏生成方法

传统的功率谱反演法生成的大气湍流相位屏存在低频采样不足的问题，而采用直接求和的方法虽然能生成相位屏，但由于计算量大模拟速度较慢。本文引入了深度学习技术，通过训练深度卷积生成对抗网络（DCGAN）模型，成功地实现了对大气湍流相位屏的高效模拟。其中生成器损失函数收敛至0.07，判别器损失函数收敛至0.98，训练好的模型可用于直接生成湍流相位屏。本文采用了传统数值模拟和基于DCGAN模型模拟的两种方法生成大气湍流相位屏，对比发现DCGAN模型可以弥补传统模拟方式低频的不足，解决了周期性的局限性问题。该方法在大气湍流相位屏的快速生成、图像模拟仿真等领域有一定的应用价值。