《Optics & Laser Technology》：Spectral analysis of convergence in slope-based wavefront reconstruction and a slow-subspace correction method
编辑推荐：
缓慢的收敛速度仍然是从斜率测量中进行波前重建的一个主要限制，特别是对于不同的光瞳几何形状和波前结构。该研究表明，收敛行为是由波前与一小部分缓慢变化模式的对齐所决定的。一项受控重叠研究在慢模式含量与收敛速度之间建立了直接的因果联系，并且引入了加权慢模式重叠指数（
缓慢的收敛速度仍然是从斜率测量中进行波前重建的一个主要限制，特别是对于不同的光瞳几何形状和波前结构。该研究表明，收敛行为是由波前与一小部分缓慢变化模式的对齐所决定的。一项受控重叠研究在慢模式含量与收敛速度之间建立了直接的因果联系，并且引入了加权慢模式重叠指数（WSMOI）作为衡量重建难度的实用指标。研究人员提出了一种慢子空间校正（SSC）策略，以在迭代过程中抑制这些缓慢衰减的分量。数值结果表明在不同的光瞳中实现了一致的加速，在具有挑战性的情况下迭代次数减少了五到七倍。使用横向剪切干涉术做的实验验证进一步表明，迭代次数从数千次减少到少于800–900次，这对应于大约8–10倍的加速，并且对于椭圆光瞳其改进超过了20倍。
波前重建是光学计量和成像领域的基础问题，广泛应用于精密表面表征、光学测试以及自适应光学中。诸如夏克-哈特曼波前传感、相位偏折术和横向剪切干涉术等传感技术，通常测量的是局部波前梯度或斜率差，而非相位本身。尽管物理实现方式不同，但这些方法共享一个核心的计算步骤：从有限光瞳域上的离散梯度数据中恢复连续波前。在数学上，基于斜率的重建通常被表述为泊松型问题，即在边界条件下通过积分测量的梯度来获得未知的波前。对于规则采样的矩形域，可以使用基于傅里叶变换或可分离离散化的高效求解器。然而，在实际应用中，重建域通常是非矩形或部分遮挡的，例如光学系统中的圆形光瞳、椭圆光瞳、反射光学或剪切干涉术中的环形几何形状，以及因遮挡产生的非规则掩膜域。在这些情况下，标准的快速求解器无法直接适用。
为了处理任意几何形状和缺失数据，研究人员广泛使用了局部迭代方法，如雅可比、高斯-塞德尔和逐次超松弛（SOR）。这些方法在掩膜网格上易于实现且仅需局部邻域信息，但它们在特定情况下的收敛速度非常缓慢。通常这种现象与低频误差分量有关，因为它们在基于松弛的迭代方案中衰减缓慢。然而，这种直观解释并未明确捕捉到光瞳几何形状的影响或波前结构与重建算子之间的相互作用。在实际应用中，具有相似光谱含量或相近泽尼克阶数的波前在不同光瞳形状下会表现出显著的收敛速度差异。这表明收敛性不仅取决于全局意义下的频率含量，还取决于波前如何与离散重建算子的因结构而异的结构相互作用。当基于斜率的重建在掩膜域上被离散化时，所得到的系统可以解释为基于图的拉普拉斯算子，其连通性明确依赖于光瞳几何结构。该算子的光谱特性，特别是其最小的非零特征值和相关的特征模式，在决定迭代求解器的收敛行为中起着核心作用。与较小特征值对应的特征模式代表了误差中缓慢衰减的分量，从而主导了渐近收敛速度；同时，这些模式对总体误差的贡献取决于波前在相应特征空间上的投影强度。在此背景下，研究人员开展了关于掩膜域基于斜率波前重建中收敛性的统一特征研究，并提出了一种慢子空间校正（SSC）策略。该研究得出的结论是，收敛行为由光瞳相关算子的光谱慢度以及波前与该算子慢特征空间的对齐共同决定。通过数值模拟和实验验证，证明了所提方法能显著减少达到收敛所需的迭代次数并提高重建精度。这项研究发表在《Optics》期刊上，对于在复杂几何拓扑和静态掩膜域的光学计量系统中实现高效、精确的波前重建具有重要的学术价值和实际应用意义。
在研究方法和关键技术方面，研究人员主要使用了以下几种技术手段。首先，通过将波前斜率离散化，构建了基于图拉普拉斯算子的线性方程组，用于表征掩膜重建域的局部连通性。其次，应用稀疏特征值求解技术提取了基于图的拉普拉斯算子的最小非零特征值及其对应的正交归一化特征模式，以此定义了几何自适应的慢特征空间。再次，提出了一种受控重叠实验方法，通过人为调控合成波前在慢特征空间及其正交空间的权重比例，定量验证了波前对齐程度与收敛速度之间的因果联系。为在不分解波前的前提下衡量难度，研究人员还引入并计算了归一化的加权慢模式重叠指数。最后，开发了慢子空间校正（SSC）方法，在迭代过程中将重建残差投影到预先计算出的少量慢特征模式上，以此直接估计并减去主导缓慢收敛的误差分量。实验验证使用的数据集来源于通过横向剪切干涉术获取的实际测量数据。
在掩膜算子的光谱慢度方面，研究人员通过对掩膜拉普拉斯算子进行特征值分析，得出结论：与最小非零特征值（如λ1）相关的系统模式在基于松弛的迭代求解器中衰减最为缓慢，从而主导了渐近收敛速度，且随着光瞳尺寸增加，λ1减小，导致最慢误差分量更为持久，这解释了大光瞳计算成本的急剧增加。
在几何相关的慢特征模式方面，研究分析了不同光瞳形状下的特征结构，得出结论：圆形、椭圆形、环形和不规则形状的光瞳拥有完全不同的慢特征空间，其特征模式会根据掩膜域的连通性和拓扑结构发生显著改变，这意味着相同结构波前在不同光瞳域上会有不同的收敛表现。
在波前与慢特征空间的对齐方面，研究人员通过引入归一化的加权慢模式重叠指数 并对1645个涵盖各类形状光瞳和波前组合的算例进行阈值分析，得出结论：加权慢模式重叠指数值的大小能够定量且实际地反映波前在慢特征空间上的投影强度，且该指数可作为预测重建难度的有效诊断指标。
在受控重叠实验方面，通过构建具有不同慢子空间权重系数α的合成波前进行重建测试，得出结论：迭代次数随着α的增加而系统性增加，这明确证实了波前与慢特征空间的对齐是主导迭代收敛速度的决定性因果因素。
在慢子空间校正加速重建方面，利用关系式从当前残差投影恢复出小特征值对应的误差系数，直接构建并应用带有阻尼参数β的校正步进行误差消除，得出结论：该方法能够在不改变局部迭代格式的前提下有效移除慢衰减误差分量，将本质上缓慢的收敛过程转化为快速收敛。
研究讨论与结论部分指出，该研究证明了掩膜域上基于斜率重建中的缓慢收敛主要受控于波前与算子慢特征空间的对齐。通过受控实验确立了慢模式含量导致收敛缓慢的直接因果联系，并利用加权慢模式重叠指数实现了对该效应的实际量化。基于此开发的慢子空间校正方法直接针对慢特征空间消除残余误差分量，在圆形、椭圆形和环形光瞳的数值模拟中实现了五至七倍的迭代次数缩减。真实干涉测量数据的实验结果进一步证实了这些改进的泛化能力，圆形和环形光瞳的逐次超松弛迭代次数从数千次缩减至少于1000次（获得约8.4和10.6倍的加速）；对于基准求解器无法收敛的椭圆光瞳，慢子空间校正实现了近20倍的有效改进。虽然加权慢模式重叠指数在固定光瞳内最为可靠，且当系统特征值极小时收敛仍可能存在困难，但所提策略依然在所有测试情景中表现出有效性。该方法作为一种简单实用的加速策略，能直接集成到标准重建框架内，未来的工作将聚焦于慢模式的自适应选取以及高效的特征空间更新策略，以扩展该技术在大规模或实时重建系统中的适用性。
