盖师贝格-撒克斯通（GS）算法及其改进算法

盖师贝格-撒克斯通（GS）算法及其改进算法

本文摘自李景镇《光学手册》

盖师贝格(R.W.Gerchberg)和撒克斯通(W.O.Saxton)首先提出了一种振幅相位恢复算法，即GS算 法，利用输入输出间的正反傅里叶变换与输入输出面上的光场限制条件，反复迭代直至满足设计要求，如图 16-19所示，其中输入面的振幅分布为f(x，y)，焦平面上的理想振幅分布为g(x′，y′)，F、F-1分别为傅里叶 变换与傅里叶反变换。

对于GS算法，已证明|U2.k(x′，y′)|与g(x′，y′)间的误差不会随着迭代次数的增加而增加，因此GS算 法也被称为误差减少算法。GS算法在DOE的优化设计中得到了广泛的应用，但GS算法的收敛过程会出 现停滞现象，即只是初始的几次迭代过程会使误差值显著减小，而后续的迭代过程不能使误差值显著减小。 这意味着GS算法只能求得局部极小值。为了进一步提高收敛速度，并避免收敛停滞现象的发生，已有许多 改进算法。下面以一个设计实例来介绍GS算法及几种改进算法。

设计参数：λ=1.053μm，f=600mm，D=100mm，均匀焦斑大小d=100μm。以随机相位分布作为初 始迭代相位，GS算法优化得到的设计结果如图16-20所示，其光能利用率η与顶部不均匀性rms分别为 98.3%、14.5%。


图16-20 GS算法优化设计结果
从图16-20可知，GS算法优化得到的相位分布包含许多相位突变点，这些突变点的产生是由于在反复 迭代过程中，经过多次逆变换所致。而在某些应用场合，却需要优化得到尽可能连续的相位分布。GS算法 是一种局部优化算法，对初始值敏感，易陷入局部极值点，且优化得到的焦面光场分布易出现较大的Gibbs 振荡，顶部的均匀性不够好。

为了获得更佳的设计性能，对图16-19所示之GS算法中的焦面理想振幅分布进行如下调整：

U2.k+1(x′，y′)= | gk+1(x′，y′) | exp[ ia(x′，y′) ]

引入参数

则

式中，γ用来控制收敛速度和设计性能。
对GS算法进行如上改进，可提高收敛速度，并可基本克服GS算法易陷于局部极值点这一缺陷，获得更 理想的顶部不均匀性。设计参数同前，设计结果如图16-21所示，其光能利用率η与顶部不均匀性rms分别 为93.9%、1.1%。

(a)相位分布

(b)焦面光强分布
图16-21 GS算法的ST改进算法优化设计结果

为了减小相位突变点，相位混合算法(phase mixture algorithm，PMA)[34]利用每次迭代的相位与上一次 相位的加权和作为下次迭代的相位值，即

K＝Αk-1+barg{F-1(g exp(iαk))}

式中，a、b为非负的常数因子，且a+b=1。
PMA能有效地抑制GS算法中出现的局部极值点和Gibbs振荡，设计的相位分布较之GS算法要平缓 光滑得多，但仍然存在多个相位突变点，并未从根本上解决相位设计中相位突变点的存在问题。

通过选取随机连续相位分布作为初始相位，并选取连续替代函数缓慢逼近理想的输出面分布或引入 局部替代函数，例如 r>gk+1(x′，y′)=(1-k)|U2，k(x′，y′)|+kg(x′，y′)

式中，k≤1，以保证迭代过程的绝热性，可大大减小相位突变点乃至获得连续相位分布，如图16-22所示，上 图为未进行相位展开时的相位灰阶图，下图为相相位展开后的相位三维分布;左图为GS算法设计结果，右图 为引入局部替代函数的设计结果。由于要保证过程的绝热性，采用局部替代函数的GS算法的计算效率要 远远低于GS算法。
GS算法的改进算法还有许多，例如输入-输出算法等，均是调整输入面的限制条件和(或)输出面的限制 条件来改善相位分布和(或)改善设计性能，在此不一一叙述。

图16-22 引入局部替代函数获得连续相位分布