[論文レビュー] Spatio-angular Minimum-variance Tomographic Controller for Multi-Object Adaptive Optics systems

Carlos Correia, Kate Jackson+4 more|arXiv (Cornell University)|Apr 29, 2015

Adaptive optics and wavefront sensing参考文献 23被引用数 5

ひとこと要約

本稿では、3次元波面再構成を明示的に行わないことで、瞳面位相のみを推定する空間的・角度的線形・二次ガウス型（SA-LQG）トモグラフィック制御手法を、多対象適応望遠鏡（MOAO）システムに提案する。この手法により、計算負荷を低減しつつ、近似的最適補正が可能となる。予測制御とスパース測定モデルを用いたシミュレーションおよびラボ実験により、10mクラスの望遠鏡（例：Raven）において、限界星等級が2等級改善され、これは5倍の天の川カバレッジ向上に相当する。

ABSTRACT

Multi-object astronomical adaptive-optics (MOAO) is now a mature wide-field observation mode to enlarge the adaptive-optics-corrected field in a few specific locations over tens of arc-minutes. The work-scope provided by open-loop tomography and pupil conjugation is amenable to a spatio-angular Linear-Quadratic Gaussian (SA-LQG) formulation aiming to provide enhanced correction across the field with improved performance over static reconstruction methods and less stringent computational complexity scaling laws. Starting from our previous work [1], we use stochastic time-progression models coupled to approximate sparse measurement operators to outline a suitable SA-LQG formulation capable of delivering near optimal correction. Under the spatio-angular framework the wave-fronts are never explicitly estimated in the volume,providing considerable computational savings on 10m-class telescopes and beyond. We find that for Raven, a 10m-class MOAO system with two science channels, the SA-LQG improves the limiting magnitude by two stellar magnitudes when both Strehl-ratio and Ensquared-energy are used as figures of merit. The sky-coverage is therefore improved by a factor of 5.

研究の動機と目的

• 静的再構成器手法よりも優れた補正性能を達成する、計算負荷が低い動的制御器の開発。
• 波面再構成を大気層の数に依存させないことで、オープンループトモグラフィーにおける計算複雑度を低減すること。
• 信号対雑音比（SNR）の向上と時間予測を用いることで、より暗い自然ガイド星の補正を可能にし、天の川カバレッジを拡大すること。
• Raven MOAOテストベッドを用いたシミュレーションおよびラボ実験により、SA-LQG制御器の妥当性を検証すること。
• 1次マルコフ予測を伴う最小限の状態空間表現が、管理可能な計算コストでほぼ最適性能を達成できることを示すこと。

提案手法

• SA-LQG制御器はゾーナル基底セットと空間的・角度的フレームワークを用い、3次元位相再構成を回避して直接瞳面波面を推定する。
• 時間的インスタンスを1つに制限した最小限の状態空間表現を採用し、計算複雑度を静的MMSEに近づける。
• 時間予測はフローズンフロー近似により実装され、時間的変化を空間的移動に変換して予測制御を実現する。
• $C_n^2$プロファイルから解析的に導出された空間的・角度的共分散行列を用い、レイトレーシング補間を回避する。
• Learn&Applyに類似したアプローチにより、最小二乗法を用いて推定された瞳面位相を変形可能ミラーにフィットさせ、残余位相分散を最小化する。
• 部分共分散行列の経験的推定を可能とするため、ハイブリッドモデルベースおよびデータ駆動型のチューニングが可能となる。

実験結果

リサーチクエスチョン

• RQ1 空間的・角度的LQG制御器は、3次元波面再構成を明示的に行わずに、MOAOシステムでほぼ最適な補正を達成できるか？
• RQ2 従来の層別トモグラフィー手法と比較して、SA-LQG制御器はどの程度計算複雑度を低減できるか？
• RQ3 低信号領域における予測制御とSNRの向上により、限界星等級および天の川カバレッジはどの程度向上できるか？
• RQ4 NCPAやキャリブレーション誤差などのシステム不具合を伴う現実世界の条件下でも、SA-LQG制御器は性能向上を維持できるか？
• RQ5 最小限の状態空間表現は、ELTクラスシステムにおけるリアルタイム動作を可能にしつつ、性能を保持できるか？

主な発見

• SA-LQG制御器は、静的MMSE再構成器と比較して、限界星等級を2等級改善し、より暗いガイド星の補正を可能にする。
• この改善は、天の川カバレッジが約5倍に向上することに相当し、MOAOシステムの観測可能領域が顕著に拡大する。
• Ravenシステムを用いたラボテストでは、シミュレーション結果が確認され、SA-LQGは静的および予測手法よりもエンサイクルドエネルギーが増加し、PSFスポットが小さくなった。
• ラボテストにおける性能は、キャリブレーション誤差、NCPA、およびモデル化されていないシステム遅延の影響でシミュレーションより低かったが、制御器の複雑度が高くなるにつれて性能向上のトレンドは維持された。
• 20個の科学的ターゲットを含む状況でも、計算複雑度が静的MMSE再構成器とほぼ同等にスケーリングされるため、ELTスケールのシステムに対しても実用可能である。
• アノイソプラナティックフィルタと1つの時間的状態の使用により、最小限の状態表現で正確な瞳面推定が可能となり、計算負荷も低減された。