We present a fast algorithm for computing the diffracted field from arbitrary binary (hard-edged) planar apertures and occulters in the scalar Fresnel approximation, for up to moderately high Fresnel numbers ($\lesssim 10^3$). It uses a high-order areal quadrature over the aperture, then exploits a single 2D nonuniform fast Fourier transform (NUFFT) to evaluate rapidly at target points (of order $10^7$ such points per second, independent of aperture complexity). It thus combines the high accuracy of edge integral methods with the high speed of Fourier methods. Its cost is ${\mathcal O}(n^2 \log n)$, where $n$ is the linear resolution required in source and target planes, to be compared with ${\mathcal O}(n^3)$ for edge integral methods. In tests with several aperture shapes, this translates to between 2 and 5 orders of magnitude acceleration. In starshade modeling for exoplanet astronomy, we find that it is roughly $10^4 \times$ faster than the state of the art in accurately computing the set of telescope pupil wavefronts. We provide a documented, tested MATLAB/Octave implementation. An appendix shows the mathematical equivalence of the boundary diffraction wave, angular integration, and line integral formulae, then analyzes a new non-singular reformulation that eliminates their common difficulties near the geometric shadow edge. This supplies a robust edge integral reference against which to validate the main proposal.


翻译:我们提出了一个快速算法,用于从任意的二进制(硬化)平面孔径和孔径中任意的平面(硬化的)平面孔径和孔径计算,计算到中等高的Fresnel数字(0.9sim 10美元3美元)。它使用高阶的线性二次对孔径梯度,然后利用一个单一的2D非统一快速Fleier变形(NUFFT),在目标点进行快速评估(按每秒10美7美分的顺序,这种点与孔径复杂程度无关)。因此,它将边缘集成法的高度精确性参考与高速度的Fourier方法相结合。它的成本是$_mathcal O}(n2\log n) 。 美元是源和目标平面的线性分辨率分解法,用来比较边缘集成的方法。在几个孔径的形状测试中,这相当于2至5级级级的高度加速度。 在模拟外观天文学的模型中,我们发现它大约是10美4的正方平面的平面平面平面线 O.

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
重磅!MobileNetV3 来了!
计算机视觉life
4+阅读 · 2019年5月11日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
概率图模型体系:HMM、MEMM、CRF
机器学习研究会
30+阅读 · 2018年2月10日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
已删除
将门创投
9+阅读 · 2017年7月28日
VIP会员
相关资讯
重磅!MobileNetV3 来了!
计算机视觉life
4+阅读 · 2019年5月11日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
概率图模型体系:HMM、MEMM、CRF
机器学习研究会
30+阅读 · 2018年2月10日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
已删除
将门创投
9+阅读 · 2017年7月28日
Top
微信扫码咨询专知VIP会员