自适应光学是一项探测并校正光束波前畸变的技术,能够有效提升光学系统的性能,在激光核聚变、激光通信、天文成像、医疗等领域发挥着重要作用。基于波前曲率探测的自适应光学具有结构简单、成本低等特点,在天文成像领域得到广泛应用。针对曲率型自适应光学的波前控制问题,通过理论分析、数值仿真和实验手段,主要研究了拉普拉斯算子本征模式型控制算法和深度神经网络控制算法。波前探测和复原是进行波前控制和校正的前提。论文首先介绍了光栅型波前曲率传感器的工作原理,分析了基于拉普拉斯算子本征模式的波前复原算法。在此基础上,针对传感器光斑信号提取问题,提出一种最大类间方差法和质心法相结合的光斑自动定位提取算法,并搭建了基于离轴菲涅尔波带片的光栅型波前曲率传感器实验装置,实验验证了该算法的可行性。针对波前曲率传感器,为了实现便捷的波前测量功能,设计了波前测量软件。在Visual Studio 2013平台下,基于Open CV库函数和MFC库函数,利用C++语言开发了通用性较强的波前测量软件,实现了基于拉普拉斯算子本征模式法的波前在线测量和离线数据处理等功能。实验研究了基于拉普拉斯算子本征模式的波前控制算法。首先分析了模式型控制算法的原理和特点,在此基础上搭建了波前曲率探测自适应光学实验装置,并开展了闭环波前校正实验。通过对比校正前后的波前均方根值和峰谷值,验证了这种算法的可行性。最后针对波前曲率传感器,研究了基于深度神经网络的波前复原和控制算法。建立了基于深度神经网络的波前复原模型,曲率传感器的归一化光强差数据作为网络模型输入,泽尼克模式系数作为网络输出。仿真结果表明,该方法能够较为准确地进行波前复原。针对曲率型自适应光学控制技术,深入研究了波前探测、复原和控制方法,对该技术的实际应用有着良好的参考价值。图35幅;表2个;参79篇。