3. 波前数学描述：波前相位、波前斜率、波前曲率、Zernike多项式、傅里叶级数等数学表示方法

波前重构算法的本质，是从测量到的波前梯度或曲率数据中，恢复出完整的波前相位分布。要深入理解这一过程，首先必须建立对波前本身的数学描述体系。无论是自适应光学中的变形镜控制、干涉测量中的相位解包裹，还是计算成像中的相位恢复，其底层都依赖于对波前相位、斜率、曲率以及正交基展开的精确数学表达。本章将系统梳理波前的多种数学表示方法，厘清它们之间的内在联系与适用场景，为后续重构算法的推导奠定坚实的数学基础。

3.1 波前相位的连续函数表示

核心原理：波前相位是描述光波在某一平面上等相位面空间分布的核心物理量。在笛卡尔坐标系中，波前相位通常表示为二维连续函数 W(x, y)，其单位为波长（λ）或弧度（rad）。当波前为理想平面波时，W(x, y) 为常数或线性函数；当波前受到像差或湍流扰动时，W(x, y) 呈现复杂的空间变化。从数学角度看，W(x, y) 是定义在光瞳域 Ω 上的标量场，满足连续性、可微性等基本条件。在自适应光学系统中，波前相位直接对应变形镜的面形调整量；在干涉测量中，相位则与光程差（OPD）通过 W = OPD/λ 相联系。

判断方法与操作流程：在实际工程中，波前相位很少能以解析形式直接获得，通常需要通过以下步骤建立其数学描述：

1. 定义坐标系与光瞳域：确定光瞳的几何形状（圆形、环形、矩形等），建立归一化坐标 (ρ, θ) 或 (x, y)。
2. 选择表示基底：根据光瞳形状和后续重构算法的需求，选择 Zernike 多项式、傅里叶级数或采样点离散值作为基底。
3. 确定展开阶数：根据波前像差的复杂度（如湍流强度、光学系统像差阶次）确定截断阶数 N。
4. 建立系数与物理量的映射：将波前相位展开为基底函数的线性组合，系数向量即构成波前的参数化描述。

3.2 波前斜率与梯度表示

核心原理：波前斜率是波前相位的一阶空间导数，定义为梯度向量 ∇W = (∂W/∂x, ∂W/∂y)。在几何光学中，波前斜率与光线传播方向直接相关：光线在 (x,y) 处的横向位移量正比于该点的波前斜率。Shack-Hartmann 传感器通过测量焦斑质心偏移来获取子孔径内的平均斜率；曲率传感器则通过测量光强分布来间接获取波前曲率。斜率表示的优势在于其物理测量直接、噪声特性明确，但缺点是仅提供波前的差分信息，需要通过积分或拟合来恢复相位。

操作流程与算法选择：基于斜率的波前重构算法主要分为两类：

• 区域法（Zonal）：将光瞳划分为网格，利用相邻点斜率差分关系建立线性方程组，通过迭代或直接求解恢复各节点相位。代表算法有 Southwell 算法、Fried 算法。
• 模式法（Modal）：将波前展开为 Zernike 或傅里叶基底，建立斜率测量值与模式系数之间的线性关系矩阵，通过最小二乘求解系数。代表算法有 Zernike 模式拟合法、傅里叶变换法。

对比维度	区域法（Zonal）	模式法（Modal）
数学基础	有限差分 / 数值积分	正交基函数展开
计算复杂度	O(N²) 迭代求解	O(N³) 矩阵求逆（可预计算）
噪声鲁棒性	对局部噪声敏感	对高频噪声有滤波效果
适用场景	任意光瞳形状、高分辨率	圆形光瞳、低阶像差主导
边界处理	需特殊处理边界条件	自然满足圆域边界

3.3 波前曲率表示与曲率传感器

核心原理：波前曲率描述波前相位的二阶空间导数，即拉普拉斯算子 ∇²W = ∂²W/∂x² + ∂²W/∂y²。曲率传感器（如 Roddier 曲率传感器）通过测量焦平面两侧等距处的光强差来获取曲率信息。其物理基础是光强传输方程（TIE）：当波前传播距离 Δz 时，光强变化与波前曲率成正比。曲率表示的优势在于：曲率测量对低频像差敏感，且与大气湍流的 Kolmogorov 谱特性匹配良好；但曲率重构需要求解泊松方程，对边界条件敏感。

重构方法与边界处理：基于曲率的波前重构通常采用以下步骤：

1. 从光强差数据中提取曲率分布 C(x,y) = ∇²W(x,y)。
2. 设定边界条件：在光瞳边缘，需要额外的径向斜率信息（通常由边界光强差提供）。
3. 求解泊松方程 ∇²W = C，可采用快速傅里叶变换（FFT）法或迭代法（如 Gauss-Seidel）。
4. 对解进行模式分解或直接输出相位分布。

3.4 Zernike多项式展开

核心原理：Zernike 多项式是定义在单位圆上的一组正交完备基函数，在极坐标 (ρ, θ) 下表示为 Zₙₘ(ρ,θ) = Rₙₘ(ρ)·cos(mθ) 或 sin(mθ)，其中 n 为径向阶数，m 为角向频率。其正交性满足：∫∫ Zₙₘ·Zₙ'ₘ' ρ dρ dθ = π/(2n+2) · δₙₙ'·δₘₘ'。Zernike 多项式的独特优势在于：每一项对应一种经典像差（如离焦、像散、彗差、球差），且对圆域光瞳自然正交，因此被广泛应用于光学设计、自适应光学和大气湍流描述。

操作流程与系数拟合：使用 Zernike 展开描述波前的标准流程为：

• 归一化坐标：将光瞳坐标映射到单位圆内，ρ = r/R，θ = atan2(y,x)。
• 选择截断阶数：通常取 Noll 顺序前 10~35 项（对应 n ≤ 5~7），覆盖低阶像差和部分高阶像差。
• 建立线性模型：W(ρ,θ) = Σ aᵢ Zᵢ(ρ,θ)，其中 i 为 Noll 序号。
• 最小二乘拟合：利用斜率或相位测量值，通过正规方程或 SVD 求解系数向量 a。

Noll序号	径向阶数 n	角向频率 m	多项式形式	物理像差
1	0	0	1	平移（Piston）
2	1	1	2ρ·cosθ	X轴倾斜（Tilt X）
3	1	1	2ρ·sinθ	Y轴倾斜（Tilt Y）
4	2	0	√3(2ρ²−1)	离焦（Defocus）
5	2	2	√6·ρ²·cos2θ	0°像散（Astig 0°）
6	2	2	√6·ρ²·sin2θ	45°像散（Astig 45°）
7	3	1	√8(3ρ³−2ρ)·cosθ	X轴彗差（Coma X）
8	3	1	√8(3ρ³−2ρ)·sinθ	Y轴彗差（Coma Y）
9	3	3	√8·ρ³·cos3θ	三叶草（Trefoil X）
11	4	0	√5(6ρ⁴−6ρ²+1)	球差（Spherical）

3.5 傅里叶级数与频谱表示

核心原理：傅里叶级数将波前相位表示为二维空间频率分量的叠加：W(x,y) = Σ Aₖₗ·exp[j2π(kx/lₓ + ly/l_y)]，其中 k、l 为空间频率，Aₖₗ 为复振幅系数。傅里叶表示的优势在于：其一，与大气湍流的功率谱密度（PSD）描述天然匹配，便于分析湍流统计特性；其二，基于 FFT 的重构算法计算效率极高，适合大规模网格；其三，频域滤波可以灵活抑制噪声。但傅里叶级数要求光瞳域为矩形或可扩展为周期边界，对圆形光瞳需做零填充或窗函数处理。

操作流程与注意事项：基于傅里叶的波前重构通常包括：

1. 将斜率数据排列为网格形式，对缺失点（如遮挡区域）进行插值或置零。
2. 对斜率进行 FFT 变换，得到频域斜率分量。
3. 在频域中利用关系式：FFT(∂W/∂x) = j2πk·FFT(W)，构建线性方程求解 FFT(W)。
4. 对 FFT(W) 进行逆变换得到空间域相位分布。

3.6 各表示方法的对比与选型

核心原理：不同的波前数学表示方法各有优劣，选型需综合考虑光瞳形状、测量数据类型、计算资源、噪声特性和后续控制需求。下表给出了关键对比：

表示方法	光瞳适配	测量数据需求	计算效率	噪声鲁棒性	物理可解释性
Zernike 多项式	圆形光瞳最佳	斜率或相位	中（矩阵求逆）	高（低阶滤波）	强（对应像差）
傅里叶级数	矩形/周期域	斜率或相位	极高（FFT）	中（需频域滤波）	中（频谱分析）
区域法（离散采样）	任意形状	斜率	高（迭代）	低（局部敏感）	弱（数值解）
曲率表示	任意形状	曲率+边界斜率	中（泊松求解）	中（对低频好）	中（曲率图）

选型建议：对于圆形光瞳且需要与光学设计软件对接的场景，优先选择 Zernike 展开；对于需要实时处理的大规模网格（如 128×128 以上），优先选择傅里叶方法；对于光瞳形状不规则或存在遮挡的系统，区域法更为灵活；曲率表示则适用于以曲率传感器为主要测量手段的系统。