CN103211575B - 一种人眼像差校正控制方法 - Google Patents
一种人眼像差校正控制方法 Download PDFInfo
- Publication number
- CN103211575B CN103211575B CN201310071106.6A CN201310071106A CN103211575B CN 103211575 B CN103211575 B CN 103211575B CN 201310071106 A CN201310071106 A CN 201310071106A CN 103211575 B CN103211575 B CN 103211575B
- Authority
- CN
- China
- Prior art keywords
- module
- matrix
- aberration
- control
- human eye
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004075 alteration Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012937 correction Methods 0.000 title claims abstract description 23
- 230000006870 function Effects 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000003044 adaptive effect Effects 0.000 claims description 47
- 230000003321 amplification Effects 0.000 claims description 15
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 8
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005530 etching Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract 1
- 238000012546 transfer Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Landscapes
- Eye Examination Apparatus (AREA)
- Prostheses (AREA)
Abstract
本发明提出了一种人眼像差校正控制方法,所述方法在给定波前传感器与变形镜传感函数以及畸变像差波动信息与像差测量噪声信息的基础上,稳定地使控制准则代价函数达到最小,充分考虑波前传感器、变形镜和畸变波前信息的时域动态性;采用Kalman滤波器对人眼波前像差进行预估,采用确定性状态反馈控制与Kalman滤波预估处理相结合的LQG控制方法,在残余像差的最小方差意义下获得***的最优状态估计,从而使人眼像差校正得到最优控制。通过仿真实验表明本发明公开的人眼像差校正控制方法对动态像差具有有效的校正能力。
Description
技术领域
本发明属于人眼像差控制技术领域,具体指的是一种人眼像差校正控制方法。
背景技术
在自适应光学的人眼像差校正控制***中,控制目标是***的连续型残余像差在足够的曝光时间内平均方差能达到最小值,也就是波前相位二次最小准则,由此建立关于变形镜控制电压u的自适应光学***像差校正控制准则代价函数Jc(u)如下:
其中是指在t时刻控制电压为u的残余像差,||·||2为欧几里德范数,为残余像差Zernike模式系数的平方和,Jc(u)的最小化过程是根据传感器测量噪声信息和延迟的残余像差信息调整u的大小而实现,根据Marechal定理这又是最大化光学***光学质量评价参数斯特列尔比的过程。一方面在基于自动控制理论的自适应光学控制过程中,其控制方法主要考虑***的相位空间作用能力,忽略考虑了波前传感器、变形镜和畸变波前的时域动态性,而且它的控制准则侧重于波前相位校正,比如试图使变形镜产生与完全共轭的面形,从而达到残余像差为零的目的,但在实际情况中难以实现,特别是在人眼像差校正中,甚至会破坏既有的校正效果,因此传统控制理论下的自适应光学像差校正控制方法具有一定局限性。另一方面,在传统控制理论的范畴下,自适应光学控制方法一般采用简单的标准控制形式,主要通过选择相对合适的控制器传递函数对***的输入和输出特性进行分析,即基于静态解耦模式的纯积分控制方法,而实际的自适应光学***是集畸变像差控制电压u和噪声误差w为一体的多变量控制***,且在***内部的各变量中含有大量状态信息,因此随着自动控制理论的进一步发展,自适应光学***中像差校正控制问题可以借助现代控制理论中的状态空间分析方法进行讨论并得到解决。
在现代控制理论的范畴下,自适应光学像差校正的最优控制可以转化为线性二次高斯(LQG)框架下的控制问题,这类控制问题根据分离原理可以分解成确定性最优控制问题和随机最优估计控制问题。前者是指通过确定的数学模型描述控制对象的运动规律,主要任务是在控制对象性能指标最优的条件下,确定状态变量与控制变量之间的关系。随机最优估计控制问题的特征是控制对象具有不确定性,并且在***的输入和输出中均存在随机变量,同时以随机评价指标的数学期望作为最优性评判标准。
发明内容
本发明针对上述技术问题,提出一种人眼像差校正控制方法,所述方法根据自适应光学***离散模型,充分考虑波前传感器、变形镜和畸变波前信息的时域动态性,提供可以校正人眼动态像差的变形镜电压控制方法。
本发明为解决上述技术问题,采用如下技术方案:
一种人眼像差校正控制方法,包括以下步骤:
步骤A,建立人眼自适应光学***离散模型,该模型包括波前传感器模块WFS、控制器模块CC、数模转换模块DAC以及电压放大及变形镜响应模块DM,波前传感器模块WFS感知残余波前像差得到测量值y,将y与加性噪声w输入CC模块,CC模块输出电压u经过DAC模块实现数模变换产生连续型控制电压u(t),所述控制电压控制变形镜响应模块DM得到变形镜校正波前将与畸变像差相减得到残余波前像差具体描述如下:
步骤A-1,波前传感器模块WFS,设定测量噪声w属于加性噪声,则k时刻波前传感器模块WFS的离散型测量值gk为:
其中D是波前复原矩阵,T是CCD曝光采样周期;wk是k时刻测量噪声,yk是k时刻传感器测量值;
步骤A-2,控制器模块CC,控制器的动态方程为:
xK,k+1=AKxK,k+BKgk
uk=CKxK,k+DKgk
其中xK是控制器模块CC状态变量,AK是控制器模块CC***矩阵,BK是控制器模块CC输入矩阵,CK是控制器模块CC输出矩阵,DK是控制器模块CC前馈矩阵;xK,k、gk、uk分别是k时刻的xK、g、u值;
步骤A-3,数模转换模块DAC,将离散型控制电压u转化为连续型控制电压u(t),在时间间隔为kT≤t<(k+1)T的范围内满足:
u(t)=uk
步骤A-4,电压放大及变形镜响应模块DM,变形镜作为有限维线性时不变***的动态方程为:
其中xm是电压放大及变形镜响应模块DM状态变量,Am是电压放大及变形镜响应模块DM***矩阵,Bm是电压放大及变形镜响应模块DM输入矩阵,Cm是电压放大及变形镜响应模块DM输出矩阵,Dm是电压放大及变形镜响应模块DM前馈矩阵;
步骤A-5,建立自适应光学***离散型控制准则代价函数,其表达式为:
式中,n为自然数;
步骤B,建立人眼自适应光学***状态空间模型
步骤B-1,根据自适应光学离散***的输入和输出关系,其状态空间模型为:
xk+1=Axk+Buk+Γξk
gk=C1xk+wk
其中,
ξk是指k时刻人眼波前像差的动态变化量,是***的过程噪声,ξk满足零均值高斯白噪声分布;
xk是k时刻***的状态向量,其定义为:
其中,是k时刻畸变像差(.)T表示矩阵转置;
A是状态空间模型的***矩阵,B是状态空间模型的输入矩阵,C1和C2是状态空间模型的输出矩阵,Γ是状态空间模型的噪声系数矩阵;
步骤B-2,建立自适应光学***像差校正的控制准则代价函数Jd(u),其表达式为:
步骤B-3,变形镜的最优控制电压u状态反馈表达式为:
其中R=(0,M+,0,0),是使代价函数Jd(u)最小的***最优反馈增益矩阵,是***的状态估计;
步骤C,基于Kalman滤波器的自适应光学***状态向量估计
根据人眼自适应光学***空间状态模型,LQG控制问题中的补偿器表达式为:
式中,称为观测残差,反映了预估观测值与实际观测值之间的偏差,若为零则表明两者完全一致;L=Akk,kk是Kalman滤波增益,随不同的时刻改变kk的值,从而使与真实状态间误差的协方差达到最小。
有益效果:本发明提出一种人眼像差校正控制方法,所述方法将自适应光学***中像差校正控制研究归结为在给定波前传感器与变形镜传感函数以及畸变像差波动信息与像差测量噪声信息的基础上,稳定地使控制准则代价函数达到最小,充分考虑波前传感器、变形镜和畸变波前信息的时域动态性;采用Kalman滤波器对人眼波前像差进行预估,采用确定性状态反馈控制与Kalman滤波预估处理相结合的LQG控制方法,在残余像差的最小方差意义下获得***的最优状态估计,从而使人眼像差校正得到最优控制。通过仿真实验表明本发明公开的人眼像差校正控制方法对动态像差具有有效的校正能力。
附图说明:
图1状态空间模型下的人眼自适应光学***框图,其中WFS、CC、DAC和DM分别是波前传感器模块、控制器模块、数模转换模块和变形镜响应模块,G'WFS、G'K、G'DAC和G'DM是对应的传递函数。是人眼的畸变波前,是变形镜产生的校正波前,是残余波前,yk是传感器的测量值,wk是***中的加性噪声,gk是实际测量值,uk和u(t)分别是离散型和连续型控制电压。
图2人眼自适应光学***除去控制器环节的等效框图,其中G是等效框图的传递函数。
图3离散型人眼自适应光学***的等效框图,其中是离散型的传递函数。
图4LQG控制器下的动态像差模拟校正实验结果,图4a是对离焦项像差的预估结果对比,图4b是对动态波前像差的校正结果。
具体实施方式:
下面结合附图进一步具体说明本发明一种人眼像差校正控制方法。
本发明一种人眼像差校正控制方法,包括以下步骤:
步骤一、建立人眼自适应光学***离散模型,其***框图如图1所示,其中实线和虚线分别表示连续信号和离散信号,具体包括:
(1-1)自适应光学闭环模型中波前传感器模块(WFS),其传递函数G'WFS映射了由残余波前像差到传感器测量值y的关系,假设测量噪声w属于加性噪声,因此波前传感器模块的离散型测量值为:
其中D是波前复原矩阵,T是CCD曝光采样周期。
(1-2)自适应光学闭环模型中控制器模块(CC),其传递函数G'K的作用是根据给定的离散型测量值产生离散型控制信号u,控制器的动态方程为:
xK,k+1=AKxK,k+BKgk
uk=CKxK,k+DKgk
其中xK是状态变量,AK是***矩阵,BK是输入矩阵,CK是输出矩阵,DK是前馈矩阵。
(1-3)自适应光学闭环模型中数模转换模块(DAC),可看成是理想零阶保持器,传递函数是G'DAC,主要是将离散型控制电压u转化为连续型控制电压u(t),在时间间隔为kT≤t<(k+1)T的范围内满足:
u(t)=uk
(1-4)自适应光学闭环模型中电压放大及变形镜响应模块(DM),其传递函数G'DM的作用是根据u(t)得到变形镜校正波前变形镜作为有限维线性时不变***的动态方程为:
其中xm是状态变量,Am是***矩阵,Bm是输入矩阵,Cm是输出矩阵,Dm是前馈矩阵。
根据以上分析,除去控制模块的自适应光学***等效框图如图2所示,人眼自适应光学***的外界输入信号为人眼畸变波前和测量噪声wk,***控制输入信号是变形镜控制电压u(t),输出信号包括波前测量值gk和***性能指标残余波前因此***输入与输出的关系可写成:
其中G是等效框图的传递函数,它的离散型传递函数记为如图3所示。自适应光学***离散型控制准则代价函数表达式等价为:
步骤二、建立人眼自适应光学***状态空间模型
由于自适应光学控制***的延迟性和人眼波前像差的波动特性导致像差不能被实时校正,但是如果下一采样k+1时刻的畸变波前能以一定精度被预知,那么延迟性对像差校正的影响可以被消除。在“完全信息”假设的条件下变形镜的最优控制电压为:
其中M+是变形镜影响函数的广义逆矩阵。但在实际应用中,“完全信息”假设无意义,因此采用“不完全信息”假设的方法进行校正控制,即应对上式中项进行预估处理,记为表示由一组先验信息和k时刻前所有传感器测量值所确定的最小方差估计值,因此最优控制电压改写为:
对自适应光学***的整个回路建立控制模型,该模型包括了***各部分的确定性控制特征、***测量噪声信息以及人眼波前像差的时域和空域相关性结构特征,该模型也称为***状态空间模型。该模型能清晰地描述人眼波前像差动态性,从而能达到对像差进行预估的目的。根据自适应光学离散***的输入和输出关系,其状态空间模型写成以下动态方程形式:
xk+1=Axk+Buk+Γξk
gk=C1xk+wk
其中A是***矩阵,B是输入矩阵,C1和C2是输出矩阵,ξ是指人眼波前像差的动态变化量,属于***的过程噪声,w是***的测量噪声,ξ和w都满足零均值高斯白噪声分布,它们的协方差矩阵分别记为Σξ和Σw,由于这两个参数来自不同的过程,所以两者具有相互独立性。另外,xk是k时刻***的状态向量,xk完整地反映了由当前状态计算下一时刻状态xk+1和***输出量gk、所需的所有信息,状态向量的动态过程完全符合对***输入和输出的描述。状态向量x的选择不具唯一性,具有不同维数的不同状态向量可以描述***相同的输入、输出特征,但是状态向量中的变量应满足以下两个基本要求:(1)所描述的***状态必须包含畸变波前像差在内的所有信息;(2)***优化控制准则必须是***状态的函数。根据分析,***的状态向量中至少应含有和uk-2两项,同时应当存储状态变量和uk-1作为描述下一时刻g的状态变量,因此***状态向量x定义为:
记是用于描述人眼像差动态特征的时间相关性矩阵,是一个对角矩阵,由人眼波前像差模型获取。自适应光学离散***的随机状态空间模型就可以得到完全定义,动态方程的系数矩阵分别为:
其中Id是对角矩阵。自适应光学***像差校正的控制准则代价函数Jd(u)可写成:
状态空间动态方程的控制准则代价函数共同定义了LQG控制问题。变形镜的最优控制电压u状态反馈表达式为:
其中R=(0,M+,0,0),亦称为使代价函数Jd(u)最小的***最优反馈增益矩阵,是***的状态估计,因此自适应光学像差校正的最优控制问题进一步转化为***的状态估计问题。
步骤三、基于Kalman滤波器的自适应光学***状态向量估计
假设当前时刻为k,根据人眼自适应光学***空间状态模型,利用当前时刻状态对下一时刻***状态的估计为:
其中是结合初始估计值和实际观测值得到的当前状态最优化估计,即:
式中称为观测残差,反映了预估观测值与实际观测值之间的偏差,若为零则表明两者完全一致。kk是Kalman滤波增益,它可以随不同的时刻改变它的值,从而使与真实状态间误差的协方差达到最小,kk的定义如下:
其中Σk|k-1是状态向量的协方差矩阵,由以下Riccati矩阵方程求解得到:
由此可以确定LQG控制器中所需的所有参数和变量,将代入控制电压u状态反馈表达式可得到当前时刻需要加载的变形镜最优控制电压,即为基于LQG优化控制的自适应光学波前校正控制算法。LQG控制问题中的补偿器可以进一步写成以下表达式:
其中L=Akk。上式描述了自适应光学离散模型中由LQG控制器求解的控制电压uk与测量值gk之间响应关系,在设计过程中上式是普遍采用的形式,但在实际应用时会改写成以下形式的动态方程:
此时gk看作输入变量,uk作为输出变量,其中 因此,离散***中控制器CC的传递函数G'K可以写成:
通过仿真实验,图4验证了Kalman滤波器预估自适应光学***状态变量xk(特别是其中波前像差)的能力以及基于LQG控制的像差校正控制算法对动态波前的校正能力。图4a是离焦项Zernike像差动态预估值与真实参考值的对比结果,虽然不完全一致,但大致趋势基本一致,且从其数值大小来看,它与真实值之间的偏差也在允许误差范围之内,对于其他各项Zernike像差,也具有相似的动态预估效果;图4b是对样本中动态波前像差的校正效果,其中残余像差结果的不稳定因素主要与Kalman滤波器的预估精度有关。从仿真的结果来看,LQG控制下的像差校正控制方法对动态像差具有有效的校正能力,至于校正过程中Kalman预估结果与真实值之间的偏差,主要与控制器中预设的时间相关性矩阵的精度有关。
Claims (1)
1.一种人眼像差校正控制方法,其特征在于,包括以下步骤:
步骤A,建立人眼自适应光学***离散模型,该模型包括波前传感器模块WFS、控制器模块CC、数模转换模块DAC以及电压放大及变形镜响应模块DM,波前传感器模块WFS感知残余波前像差得到测量值y,将y与加性噪声w输入CC模块,CC模块输出电压u经过DAC模块实现数模变换产生连续型控制电压u(t),所述控制电压控制变形镜响应模块DM得到变形镜校正波前将与畸变像差相减得到残余波前像差具体描述如下:
步骤A-1,波前传感器模块WFS,设定测量噪声w属于加性噪声,则k时刻波前传感器模块WFS的离散型测量值gk为:
其中D是波前复原矩阵,T是CCD曝光采样周期;wk是k时刻测量噪声,yk是k时刻传感器测量值;
步骤A-2,控制器模块CC,控制器的动态方程为:
xK,k+1=AKxK,k+BKgk
uk=CKxK,k+DKgk
其中xK是控制器模块CC状态变量,AK是控制器模块CC***矩阵,BK是控制器模块CC输入矩阵,CK是控制器模块CC输出矩阵,DK是控制器模块CC前馈矩阵;xK,k、gk、uk分别是k时刻的xK、g、u值;
步骤A-3,数模转换模块DAC,将离散型控制电压u转化为连续型控制电压u(t),在时间间隔为kT≤t<(k+1)T的范围内满足:
u(t)=uk
步骤A-4,电压放大及变形镜响应模块DM,变形镜作为有限维线性时不变***的动态方程为:
其中xm是电压放大及变形镜响应模块DM状态变量,Am是电压放大及变形镜响应模块DM***矩阵,Bm是电压放大及变形镜响应模块DM输入矩阵,Cm是电压放大及变形镜响应模块DM输出矩阵,Dm是电压放大及变形镜响应模块DM前馈矩阵;
步骤A-5,建立自适应光学***离散型控制准则代价函数,其表达式为:
式中,n为自然数;
步骤B,建立人眼自适应光学***状态空间模型
步骤B-1,根据自适应光学离散***的输入和输出关系,其状态空间模型为:
xk+1=Axk+Buk+Γξk
gk=C1xk+wk
其中,
ξk是指k时刻人眼波前像差的动态变化量,是***的过程噪声,ξk满足零均值高斯白噪声分布;
xk是k时刻***的状态向量,其定义为:
其中,是k时刻畸变像差(.)T表示矩阵转置;
A是状态空间模型的***矩阵,B是状态空间模型的输入矩阵,C1和C2是状态空间模型的输出矩阵,Γ是状态空间模型的噪声系数矩阵;
步骤B-2,建立自适应光学***像差校正的控制准则代价函数Jd(u),其表达式为:
步骤B-3,变形镜的最优控制电压u状态反馈表达式为:
其中R是使代价函数Jd(u)最小的***最优反馈增益矩阵,是***状态向量估计;
步骤C,基于Kalman滤波器的自适应光学***状态向量估计
根据人眼自适应光学***空间状态模型,LQG控制问题中的补偿器表达式为:
式中,称为观测残差,反映了预估观测值与实际观测值之间的偏差,若为零则表明两者完全一致;L=Akk,kk是Kalman滤波增益,随不同的时刻改变kk的值,从而使与真实状态间误差的协方差达到最小;其中是当前状态最优化估计,其表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071106.6A CN103211575B (zh) | 2013-03-06 | 2013-03-06 | 一种人眼像差校正控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071106.6A CN103211575B (zh) | 2013-03-06 | 2013-03-06 | 一种人眼像差校正控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103211575A CN103211575A (zh) | 2013-07-24 |
CN103211575B true CN103211575B (zh) | 2014-11-05 |
Family
ID=48809995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310071106.6A Active CN103211575B (zh) | 2013-03-06 | 2013-03-06 | 一种人眼像差校正控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103211575B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103989474B (zh) * | 2014-06-11 | 2015-12-09 | 中国计量科学研究院 | 人眼视觉电生理模拟装置及方法 |
JP6456085B2 (ja) * | 2014-09-25 | 2019-01-23 | キヤノン株式会社 | 形状可変鏡システム、その制御方法および眼科装置 |
CN105167738B (zh) * | 2015-10-19 | 2017-03-01 | 中国科学院光电技术研究所 | 自适应光学视神经功能客观检查仪 |
CN111161190B (zh) * | 2019-12-31 | 2023-03-28 | 西安理工大学 | 一种提高自适应光学***波前畸变校正速度的方法 |
CN111772574B (zh) * | 2020-06-06 | 2023-06-27 | 宁波明星科技发展有限公司 | 一种波前像差测量时消除离焦的方法和装置 |
CN111861932B (zh) * | 2020-07-28 | 2022-05-17 | RealMe重庆移动通信有限公司 | 图像的畸变校正方法、装置及移动终端 |
CN113300766B (zh) * | 2021-04-13 | 2022-04-22 | 西安理工大学 | 一种基于lqg的自适应畸变波前校正器及其方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102028449A (zh) * | 2010-08-16 | 2011-04-27 | 苏州六六视觉科技股份有限公司 | 可进行分层成像的人眼视网膜成像***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5649286B2 (ja) * | 2008-12-26 | 2015-01-07 | キヤノン株式会社 | 光断層撮像装置、被検査物の画像を撮る撮像装置、光断層撮像装置の制御方法及びそのコンピュータプログラム |
EP2228677A1 (en) * | 2009-03-09 | 2010-09-15 | Global Bionic Optics Pty Ltd. | Extended depth-of-field surveillance imaging system |
JP5025761B2 (ja) * | 2010-06-02 | 2012-09-12 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP5835938B2 (ja) * | 2011-05-10 | 2015-12-24 | キヤノン株式会社 | 収差補正方法、および該方法を用いた眼底撮像方法、および眼底撮像装置 |
-
2013
- 2013-03-06 CN CN201310071106.6A patent/CN103211575B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102028449A (zh) * | 2010-08-16 | 2011-04-27 | 苏州六六视觉科技股份有限公司 | 可进行分层成像的人眼视网膜成像***及方法 |
Non-Patent Citations (2)
Title |
---|
JP特开2011-250976A 2011.12.15 * |
JP特开2012-235834A 2012.12.06 * |
Also Published As
Publication number | Publication date |
---|---|
CN103211575A (zh) | 2013-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103211575B (zh) | 一种人眼像差校正控制方法 | |
Fu et al. | Extremum seeking with sliding mode gradient estimation and asymptotic regulation for a class of nonlinear systems | |
Hinnen et al. | A Data-Driven ${\cal H} _ {2} $-Optimal Control Approach for Adaptive Optics | |
Passenbrunner et al. | Direct multivariable controller tuning for internal combustion engine test benches | |
Rosa | Multiple-model adaptive control of uncertain LPV systems | |
CN106227964B (zh) | 基于扩张状态观测器的迟滞非线性***参数辨识方法 | |
Pazera et al. | A quadratic boundedness approach to a neural network-based simultaneous estimation of actuator and sensor faults | |
Nash et al. | Development of a novel model of driver-vehicle steering control incorporating sensory dynamics | |
Tolić et al. | Optimal self-triggering for nonlinear systems via approximate dynamic programming | |
Burns et al. | Optimal sensor design for estimation and optimization of PDE systems | |
Fridman et al. | High-order sliding-mode observation and identification for linear systems with unknown inputs | |
CN109807183A (zh) | 钢板厚度控制方法及装置 | |
CN109450334B (zh) | 一种伺服***控制参数整定方法及*** | |
Correia et al. | Minimum-variance control for astronomical adaptive optics with resonant deformable mirrors | |
Ge et al. | Universal delayed Kalman filter with measurement weighted summation for the linear time invariant system | |
CN109695893B (zh) | 一种锅炉***中的氧气浓度控制方法、装置、设备及*** | |
Folcher et al. | Adaptive optics feedback control | |
CN109634220B (zh) | 一种六自由度机器人运动控制方法及*** | |
Wu et al. | Decentralized Youla parameterized adaptive regulation with application to surface shape control for magnetic fluid deformable mirrors | |
Doelman1a et al. | Optimal control of tip-tilt modes on-sky adaptive optics demonstration | |
Agapito et al. | Infinite impulse response modal filtering in visible adaptive optics | |
Mahmoud | Observer-based control design: Basics, progress, and outlook | |
Jun et al. | Pursuit-evasion game for normal distributions | |
CN117555241B (zh) | 一种振镜电机的时滞补偿非线性控制方法及其相关装置 | |
Akunov et al. | Median control of continuous dynamic plants with interval parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |