波前重构技术

1. M4 频域信息分布的物理分析

1.1. 符号体系与物理约定

所有长度量均采用米（m）为单位，空间频率采用像素坐标（pixel）为单位（因数值计算采用离散傅里叶变换）。

符号	含义	量纲 / 单位
$x$	光瞳平面内的二维空间坐标，$x = (x_1, x_2)$	m
$t$	焦平面（图像平面）内的二维空间坐标，$t = (t_1, t_2)$	m
$f$	空间频率坐标，$f = (f_1, f_2)$	cycle · m$^{-1}$（连续）或 pixel（离散）
$\lambda$	光波波长	m
$z$	光瞳到焦平面的距离（等效焦距）	m
$P(x)$	光瞳函数（pupil function），$P(x) = w(x) \exp[\mathrm{i} \phi(x)]$	无量纲
$\tilde{P}(u)$	光瞳函数的纯数学傅里叶变换，$\tilde{P}(u) = \mathcal{F}\{P(x)\}$（对合性推导中的中间变量）	无量纲
$w(x)$	光瞳振幅透射率，圆孔径内为 1，外为 0	无量纲
$\phi(x)$	波前相位畸变（以弧度为单位）	rad
$h_c(t)$	相干照明下的焦平面复振幅（complex amplitude）	m$^{-1}$（复数）
$h(t)$	点扩散函数（PSF），$h(t) = \|h_c(t)\|^2$	m$^{-2}$
$H_c(f)$	相干传递函数（CTF），$H_c(f) = \mathcal{F}\{h_c(t)\}$	无量纲
$H(f)$	光学传递函数（OTF），$H(f) = \mathcal{F}\{h(t)\}$	无量纲
$o(t)$	目标景物（object）的空间强度分布，非相干成像下 $o(t) \equiv I_{\mathrm{obj}}(t)$	W · m$^{-2}$
$i(t)$	像平面强度分布（image），非相干成像下 $i(t) \equiv I_{\mathrm{img}}(t)$	W · m$^{-2}$
$Q(f)$	目标景物（物光强）的傅里叶谱，$Q(f) = \mathcal{F}\{o(t)\} \equiv \tilde{I}_{\mathrm{obj}}(f)$	W · m$^{-2}$ · m$^{2}$
$S_o(f)$	在焦图像的傅里叶变换	W · m$^{-2}$ · m$^{2}$
$S_d(f)$	离焦图像的傅里叶变换	W · m$^{-2}$ · m$^{2}$
$M_4(f)$	M4 指标，由 Eq.(12) 定义	无量纲
$H_o(f)$	在焦系统的光学传递函数（OTF）	无量纲
$H_d(f)$	离焦系统的光学传递函数（OTF）	无量纲
$U_{\mathrm{obj}}(t)$	物平面复振幅分布（相干成像）	复数（归一化）
$U_{\mathrm{img}}(t)$	像平面复振幅分布（相干成像）	复数（归一化）
$\tilde{U}_{\mathrm{obj}}(f)$	物平面复振幅的傅里叶谱	复数 · m$^{2}$
$\tilde{U}_{\mathrm{img}}(f)$	像平面复振幅的傅里叶谱	复数 · m$^{2}$
$I_{\mathrm{obj}}(t)$	物平面光强分布（非相干成像）	W · m$^{-2}$
$I_{\mathrm{img}}(t)$	像平面光强分布（非相干成像）	W · m$^{-2}$
$\tilde{I}_{\mathrm{obj}}(f)$	物平面光强的傅里叶谱	W
$\tilde{I}_{\mathrm{img}}(f)$	像平面光强的傅里叶谱	W
$\mathcal{F}\{\cdot\}$	傅里叶变换算子	—
$\star$	复共轭自相关算子，$(g\star h)(f)=\int g(f')h^*(f'-f)\,df'$	—
$D$	光瞳物理直径	m
$N_p$	光瞳采样像素数（直径方向）	pixel
$N_1$	第一次 FFT（光瞳→焦平面）的零填充尺寸	pixel
$N_2$	第二次 FFT（生成 M4）的零填充尺寸	pixel
$\Delta x_{\text{pupil}}$	光瞳物理采样间隔，$\Delta x_{\text{pupil}} = D / N_p$	m
$\Delta f_{\text{FFT}}$	第一次 FFT 的频率分辨率，$\Delta f_{\text{FFT}} = 1/(N_1 \Delta x_{\text{pupil}})$	cycles/m
$\Delta t_{\text{sim}}$	仿真 PSF 像素间距，$\Delta t_{\text{sim}} = \lambda z \, \Delta f_{\text{FFT}}$	m
$\Delta t_{\text{CCD}}$	CCD 像素间距	m
$\Delta f_{400}$	400 点 FFT 的频率分辨率，$\Delta f_{400} = 1/(N_2 \Delta t_{\text{CCD}})$	cycles/m
$\alpha$	PSF 插值缩放因子（sim → CCD），$\alpha = \Delta t_{\text{sim}} / \Delta t_{\text{CCD}}$	无量纲
$k$	频域总缩放因子（256 坐标 → 400 坐标），$k = N_2 \Delta t_{\text{CCD}} / (N_1 \Delta t_{\text{sim}})$	无量纲
$f_{\text{cutoff}}$	OTF 截止频率，$f_{\text{cutoff}} = D / (\lambda z)$	cycles/m
$r_{\text{cutoff}}$	截止频率在 $N_2$ 坐标下的像素半径	px
$A_{\text{overlap}}$	光瞳自相关重叠区面积	m$^{2}$
$\Delta$	光瞳平移量（Hopkins 积分），$\Delta = \lambda z f$	m
$Z_n^m$	Zernike 多项式（第 $n$ 阶第 $m$ 次）	无量纲
$\delta(x)$	狄拉克 delta 函数	m$^{-1}$
$\sigma_{M_4}(f)$	M4 指标在频率 $f$ 处的集合标准差（信息含量度量）	无量纲
$\mathcal{M}(f)$	频率掩膜（M4 loss 的环形通带权重）	无量纲
$r_{\text{peak}}$	各像差模式的峰值灵敏度半径	px

坐标系约定：

• 光瞳平面 $x$ 的原点设在光瞳中心；
• 焦平面 $t$ 的原点设在几何光学像点中心；
• 空间频率 $f$ 与焦平面坐标 $t$ 满足傅里叶共轭关系：$f = t / (\lambda z)$（近轴近似）。

1.2. 物理量关系总览

下图展示了从光瞳函数 $P(x)$ 到 M4 指标的完整物理链条，以及各物理量在空域与频域之间的对应关系：

$x$、$t$、$f$ 三层变量各自的物理意义是什么？

全文涉及三层变量，容易混淆。这里用一句话概括各自的物理身份：

变量	所在的"域"	物理身份	单位
$x$	光瞳平面	空间坐标（光瞳上的位置）	m
$t$	焦平面	空间坐标（焦平面上的位置）	m
$f$	频率平面	空间频率（描述 $h_c(t)$ 的变化快慢）	cycles/m

关键区分：

• $h_c(t) = \mathcal{F}\{P(x)\}$ 中，$t$ 不是频率——它是焦平面的物理空间坐标（单位米）。式子中隐含的 $f = t/(\lambda z)$ 是光瞳函数 $P(x)$ 的空间频率（即在光瞳平面上，$P(x)$ 随位置 $x$ 变化的快慢）。夫琅禾费衍射的物理本质，就是把"光瞳上的空间频率分布"映射成了"焦平面上的空间位置分布"。
• $H_c(f) = \mathcal{F}\{h_c(t)\}$ 中，$f$ 是焦平面复振幅 $h_c(t)$ 的空间频率（即 $h_c(t)$ 随焦平面位置 $t$ 变化的快慢）。数学上的对合性 $H_c(f) = P(-\lambda z f)$ 表明：CTF 的"形状"和光瞳函数的"形状"完全一样——只是横坐标从 $x$ 换成了带缩放和反转的 $f = -x/(\lambda z)$。例如圆孔径光瞳的边缘 $P(D/2)=0$，恰好对应 CTF 的截止频率 $H_c(f_{\text{cutoff}})=0$。
• 由于对合性 $H_c(f) = P(-\lambda z f)$，$f$ 通过线性映射 $x = -\lambda z f$ 与光瞳坐标 $x$ 等价。所以 $f$ 也可以理解为"用频率单位来度量的光瞳位置"——$f=0$ 对应光瞳中心，$f = f_{\text{cutoff}}$ 对应光瞳边缘。

graph LR Start[300mm] --> S1 subgraph S1[主缩束系统] S1_s[缩束比: 5x] end S1 --> DM subgraph DM[瞳面] DM_s[变形镜
60mm] end DM --> S2 subgraph S2[二次缩束] S2_s[缩束比: 5x] end S2 --> F[聚焦透镜] F --> CCD[相机] DM -.-> 瞳面后焦距 瞳面后焦距[瞳面后焦距: 6240.79/5=124.958mm] -.-> CCD 总焦距[总焦距: 6240.79mm] -.-> CCD Start -.-> 总焦距 S2 --> S3 subgraph S3[WFS前缩束] S3_s[缩束比: 4x] end S3 --> WFS[WFS
Φ3mm] DM -.-> 瞳面到WFS 瞳面到WFS[瞳面到WFS缩束比20x] -.-> WFS style 总焦距 fill:none,stroke:none,stroke-width:0px,color:#333,font-weight:bold style 瞳面到WFS fill:none,stroke:none,stroke-width:0px,color:#333,font-weight:bold style 瞳面后焦距 fill:none,stroke:none,stroke-width:0px,color:#333,font-weight:bold style DM fill:#ffe1e1

1.3. 从光瞳函数到相干传递函数：对合性推导

$h_c(t) = \mathcal{F}\{P(x)\}$，而 $H_c(f) = \mathcal{F}\{h_c(t)\}$，因此 $H_c(f)$ 似乎是 $P(x)$ 的"傅里叶变换的傅里叶变换"。这看起来会陷入循环，但实际上数学上有一个精确结论：

傅里叶变换的对合性（Involution Property）：一个函数连续做两次相同形式的傅里叶变换（正变换+正变换），结果是原函数的空间反转，即

$\boxed{\mathcal{F}\{\mathcal{F}\{g(x)\}\} = g(-x)}$

1.3.1. 4F 系统：对合性的物理直观

一个典型的 4F 成像系统由两个焦距均为 $F$ 的透镜组成，透镜之间距离为 $2F$，物平面在第一个透镜前焦面，像平面在第二个透镜后焦面：

• 第一个透镜：对物平面做傅里叶变换，在中间焦平面（傅里叶面）形成物的频谱
• 第二个透镜：对中间焦平面的频谱再做一次傅里叶变换，在像平面恢复出物的像

两次傅里叶变换的累积效果是什么？像相对于物是同时左右和上下颠倒的（等价于绕光轴旋转180°）——也就是说，两次傅里叶变换等于原函数的空间反转。

这就是傅里叶变换的对合性在物理上的直接体现。

1.3.2. 严格推导：为什么两次正变换等于反转

设 $g(x)$ 的傅里叶变换为 $\hat{g}(f) = \mathcal{F}\{g(x)\} = \int g(x) e^{-\mathrm{i} 2\pi f x} dx$。对 $\hat{g}(f)$ 再做一次傅里叶变换：

$\mathcal{F}\{\hat{g}(f)\} = \int_{-\infty}^{+\infty} \hat{g}(f) \, e^{-\mathrm{i} 2\pi f x} \, df$

将 $\hat{g}(f)$ 的定义代入：

$= \int_{-\infty}^{+\infty} \left[ \int_{-\infty}^{+\infty} g(x') \, e^{-\mathrm{i} 2\pi f x'} \, dx' \right] e^{-\mathrm{i} 2\pi f x} \, df$

交换积分次序：

$= \int_{-\infty}^{+\infty} g(x') \left[ \int_{-\infty}^{+\infty} e^{-\mathrm{i} 2\pi f (x' + x)} \, df \right] dx'$

现在来看内层积分。这里用到一个重要的数学工具——狄拉克 delta 函数 $\delta(x)$。通俗地说，$\delta(x)$ 是一个"尖峰"函数：

• 在 $x \neq 0$ 的地方，$\delta(x) = 0$
• 在 $x = 0$ 的地方，它有一个无限高的尖峰
• 但它的总面积为 1：$\displaystyle\int_{-\infty}^{+\infty} \delta(x) \, dx = 1$

下图直观地展示了 delta 函数的构造过程。

delta 函数最核心的性质是筛选性：当它与任意函数 $g(x)$ 相乘再积分时，会把 $g(x)$ 在 $x=0$ 处的值"筛"出来：

$\int_{-\infty}^{+\infty} g(x) \, \delta(x) \, dx = g(0)$

更一般地，$\delta(x - a)$ 会把 $g(a)$ 筛出来。

而 delta 函数还有一个非常漂亮的傅里叶积分表示——它恰好是复指数函数对所有频率的积分：

$\int_{-\infty}^{+\infty} e^{-\mathrm{i} 2\pi f \, u} \, df = \delta(u)$

这个等式的物理直觉是：所有频率的平面波 $e^{-\mathrm{i} 2\pi f u}$ 叠加在一起，只有在 $u = 0$ 处所有相位一致才能相干增强，其他地方都因相位随机而相互抵消，最终形成一个位于原点的尖峰——这就是 $\delta(u)$。（当$u=0$时，所有频率在这里都是$e^0 = 1$。）

把 $u = x' + x$ 代入上式，就得到内层积分：

$\int_{-\infty}^{+\infty} e^{-\mathrm{i} 2\pi f (x' + x)} \, df = \delta(x' + x)$

因此，原式变为：

$\mathcal{F}\{\hat{g}(f)\} = \int_{-\infty}^{+\infty} g(x') \, \delta(x' + x) \, dx'$

利用 delta 函数的筛选性（令 $x' = -x$ 时 delta 函数非零）：

$\int_{-\infty}^{+\infty} g(x') \, \delta(x' + x) \, dx' = g(-x)$

即：

$\boxed{\mathcal{F}\{\mathcal{F}\{g(x)\}\} = g(-x)}$

1.3.3. 正变换与逆变换：只差一个符号

两次正变换给出空间反转（$\mathcal{F}^2 = R$），而一正一逆则完全还原（$\mathcal{F}^{-1}\mathcal{F} = \mathbb{I}$）。把第二次正变换拆开看，它必须"几乎就是逆变换，只是额外带一个翻转"。

$\begin{aligned} \text{正变换：} &\quad \int g(x) \, e^{-\mathrm{i} 2\pi f x} \, dx \\ \text{逆变换：} &\quad \int \hat{g}(f) \, e^{+\mathrm{i} 2\pi f x} \, df \end{aligned}$

这一点可严格证明：对任意 $g(x)$，从正变换定义出发，

$\begin{aligned} \mathcal{F}\{g\}(f) &= \int_{-\infty}^{+\infty} g(x) \, e^{-\mathrm{i} 2\pi f x} \, dx \\ &= \int_{+\infty}^{-\infty} g(-u) \, e^{+\mathrm{i} 2\pi f u} \, (-du) \qquad (\text{令 } u = -x) \\ &= \int_{-\infty}^{+\infty} g(-u) \, e^{+\mathrm{i} 2\pi f u} \, du \\ &= \mathcal{F}^{-1}\{g(-x)\}(f) \end{aligned}$

即 $\mathcal{F}\{g\} = \mathcal{F}^{-1}\{g(-x)\}$，写成算子等式就是：

$\mathcal{F} = \mathcal{F}^{-1} \circ R$

正变换 = 逆变换 + 一次空间翻转。上面证明的复合顺序是"先翻转、后逆变换"（$\mathcal{F}^{-1}\{g(-x)\}$）。但由于空间翻转 $R$ 与傅里叶变换可交换，两种顺序等价。简要验证如下：

$\begin{aligned} (R \circ \mathcal{F})\{g\}(t) &= \mathcal{F}\{g\}(-t) = \int g(x) \, e^{+i2\pi x t} \, dx = \mathcal{F}^{-1}\{g\}(t) \\ (\mathcal{F} \circ R)\{g\}(t) &= \mathcal{F}\{g(-x)\}(t) = \int g(-x) \, e^{-i2\pi x t} \, dx = \int_{+\infty}^{-\infty} g(u) \, e^{+i2\pi u t} \, (-du) = \int_{-\infty}^{+\infty} g(u) \, e^{+i2\pi u t} \, du = \mathcal{F}^{-1}\{g\}(t) \end{aligned}$

同理可证 $R \circ \mathcal{F}^{-1} = \mathcal{F}^{-1} \circ R = \mathcal{F}$。因此：

$\mathcal{F} = \mathcal{F}^{-1} \circ R = R \circ \mathcal{F}^{-1}$

在下面的 CTF 推导中，采用"先逆变换、后翻转"的顺序更自然——这样正变换与逆变换可以直接相邻抵消，不需要翻转挡在中间。于是两次正变换可以写成：

$\mathcal{F}^2 = \mathcal{F} \circ \mathcal{F} = (R \circ \mathcal{F}^{-1}) \circ \mathcal{F} = R \circ (\mathcal{F}^{-1} \circ \mathcal{F}) = R$

"正变换 + 逆变换"抵消为恒等，只剩空间翻转。正变换与逆变换的核函数仅差一个符号，这正是上述替换精确成立的原因：

运算	算子等式	含义
$\mathcal{F}^2$	$R$（反转算子）	两次正变换 = 空间反转
$\mathcal{F}^{-1}\mathcal{F}$	$\mathbb{I}$（恒等算子）	正逆变换 = 完全还原
$\mathcal{F}^4$	$\mathbb{I}$	四次正变换 = 回到自身

1.3.4. 从对合性到 CTF：光学缩放因子的传导

下面按这个思路展开。光学中从光瞳函数 $P(x)$ 到 CTF $H_c(f)$ 的链路包含两次变换：

1. 第一次：夫琅禾费衍射 = 傅里叶变换 + 缩放（$t/\lambda z$）
2. 第二次：对 $h_c(t)$ 再做一次傅里叶变换

关键在于：傅里叶变换的尺度性质允许将第一步的"傅里叶变换 + 缩放"重新排列为"缩放 + 傅里叶变换"；而已证明的"正变换 = 逆变换 + 翻转"允许将第二步的傅里叶变换替换为"逆变换 + 翻转"。于是整个链路变成：

$\text{缩放} \to \mathcal{F} \to \mathcal{F}^{-1} \to R$

中间的正逆抵消，最终只剩缩放 + 翻转。下面分步验证。

第一步：把夫琅禾费衍射的缩放"吸收"进光瞳函数

夫琅禾费衍射 $h_c(t) \propto \tilde{P}(t/(\lambda z))$ 在数学上仍是标准傅里叶变换，只是其频率变量 $f$ 与焦平面空间坐标 $t$ 被物理规律绑定为 $f = t/(\lambda z)$，因此表现为频率轴到空间轴的缩放映射。

物理直觉：对光瞳函数做完傅里叶变换后，频率域坐标 $f$（单位 cycles/m）乘上 $\lambda z$（单位 m²），就得到了焦平面上的物理位置 $t$（单位 m），即

$t = f \cdot \lambda z$

这意味着 FFT 频率轴上的每一个 bin，经过 $\lambda z$ 缩放后，对应焦平面上一个确定的空间位置。

为什么是 cycles/m 而不是 Hz？

频率的单位取决于所讨论的是时间信号还是空间信号：

频率类型	单位	物理含义	应用场景
时间频率	Hz = cycles/s	描述信号随时间变化的快慢	音频、射频、时变信号
空间频率	cycles/m	描述信号随空间位置变化的快慢	图像、光瞳、波前

在夫琅禾费衍射中：

• 光瞳函数 $P(x)$ 是空间分布（随光瞳位置 $x$ 变化），对其做傅里叶变换得到的是空间频率谱 $\tilde{P}(f)$；
• 焦平面复振幅 $h_c(t)$ 也是空间分布（随焦面位置 $t$ 变化），不是随时间变化的信号；
• 因此这里出现的频率 $f$ 天然就是空间频率（cycles/m），描述的是"光瞳函数在空间上变化有多快"，而非"信号随时间振荡有多快"。

更具体地说，夫琅禾费衍射的完整公式（省略常数相位因子）为：

$h_c(t) \propto \int P(x) \, e^{-\mathrm{i} \, 2\pi \, \frac{t \cdot x}{\lambda z}} \, dx = \int P(x) \, e^{-\mathrm{i} \, 2\pi \, f \cdot x} \, dx = \tilde{P}(f), \quad f = \frac{t}{\lambda z}$

被积函数中的指数 $e^{-\mathrm{i} 2\pi f x}$ 与标准傅里叶变换 $e^{-\mathrm{i} 2\pi f x}$ 形式完全一致，其中 $f = t/(\lambda z)$ 扮演了"空间频率"的角色。$\lambda z$ 的物理作用是把焦平面上的空间位置 $t$（单位 m）映射为光瞳平面上的空间频率 $f$（单位 cycles/m）——因此 $f \cdot x$ 是无量纲的，指数运算才有意义。

频率单位与被变换函数 $P(x)$ 的单位有关吗？

需要区分两个概念：频率变量 $f$ 的单位 vs 变换结果 $\tilde{P}(f)$ 的单位。

标准傅里叶变换定义为：

$\tilde{P}(f) = \int_{-\infty}^{\infty} P(x) \, e^{-\mathrm{i} 2\pi f x} \, dx$

指数 $e^{-\mathrm{i} 2\pi f x}$ 必须是无量纲的，因此 $f \cdot x$ 无量纲。这决定了：

• 频率变量 $f$ 的单位只由 $x$ 的单位决定，与 $P(x)$ 的单位无关：

  • 若 $x$ 的单位是 m（空间坐标），则 $f$ 的单位是 cycles/m（空间频率）；
  • 若 $x$ 的单位是 s（时间），则 $f$ 的单位是 cycles/s = Hz（时间频率）；
  • 若 $x$ 的单位是 pixel（像素），则 $f$ 的单位是 cycles/pixel。

• 变换结果 $\tilde{P}(f)$ 的单位则等于 $P(x)$ 的单位乘以 $dx$ 的单位（即 $x$ 的单位）：

  $[\tilde{P}(f)] = [P(x)] \cdot [x]$

具体例子：

被变换函数	$[P(x)]$	$[x]$	$[f]$	$[\tilde{P}(f)] = [P] \cdot [x]$
光瞳函数 $P(x)$	无量纲	m	cycles/m	m
焦面复振幅 $h_c(t)$	m$^{-1}$	m	cycles/m	m（$= \mathrm{m}^{-1} \cdot \mathrm{m}^{2}$，含前置因子 $1/\lambda z$）
PSF $h(t)$	m$^{-2}$	m	cycles/m	无量纲（$= \mathrm{m}^{-2} \cdot \mathrm{m}^{2}$）
物光强 $I_{\mathrm{obj}}(t)$	W·m$^{-2}$	m	cycles/m	W（$= \mathrm{W}\cdot\mathrm{m}^{-2} \cdot \mathrm{m}^{2}$）

因此：

• 所有"空间上的二维东西"做傅里叶变换后，频率变量都是空间频率（cycles/m、cycles/pixel 等），因为 $x$ 是空间坐标——但这与 $P$ 本身是什么物理量无关。
• 变换结果 $\tilde{P}(f)$ 的单位则与 $P$ 的单位直接相关，因为积分运算 $\int P(x) dx$ 会把 $P$ 的单位"乘上"一个长度单位。

代码中的 torch.fft.fft2 输出的是什么频率？

在代码 generative_M4_model.py 中，夫琅禾费衍射通过 torch.fft.fft2(pupil_complex, norm="ortho") 实现。torch.fft.fft2 计算的是离散傅里叶变换（DFT），其定义为：

$X[k] = \sum_{n=0}^{N-1} x[n] \, e^{-\mathrm{i} 2\pi \frac{k n}{N}}$

其中 $n$ 和 $k$ 都是整数索引（像素位置），因此 $k/N$ 是归一化频率，单位是 cycles/sample（或无量纲）——不是 cycles/m。

要从 DFT 的归一化频率得到物理频率（cycles/m），本质上是乘以频率分辨率 $\Delta f = \dfrac{1}{N \cdot \Delta x}$：

$f_{\text{物理}} = k \cdot \Delta f = \frac{k}{N \cdot \Delta x}$

其中 $N$ 为 FFT 点数，$\Delta x$ 为像素物理间距。$\Delta f$ 的物理意义是：相邻两个 FFT bin 在物理频率轴上的间隔。

具体到本系统（对应代码中的参数）：

• 光瞳采样：$N_p = 51$ 像素，光瞳物理直径 $D = 60$ mm；
• 光瞳像素物理间距：$\Delta x_{\text{pupil}} = D / N_p$；
• FFT 零填充后尺寸：$M = 256$；
• DFT 输出的归一化频率：$k/M$（cycles/sample，$k = -M/2, \dots, M/2-1$）；
• 物理频率：$f = \dfrac{k}{M \cdot \Delta x_{\text{pupil}}} = \dfrac{k \cdot N_p}{M \cdot D}$（cycles/m）。

焦平面上的物理位置由 $t = f \cdot \lambda z$ 给出：

$t = \frac{k \cdot N_p}{M \cdot D} \cdot \lambda z$

这正是代码中 sim_pixel_pitch_m = wavelength_m * pupil_ccd_focal_len_m * H / (M * pupil_diameter_m) 的物理来源（其中 $H = N_p$ 为光瞳采样数）。该式可以分解为两步：

$\Delta t_{\text{sim}} = \underbrace{\lambda z}_{\text{焦平面映射因子}} \times \underbrace{\frac{H}{M \cdot D}}_{\text{频率分辨率 } \Delta f}$

• 后半部分 $\dfrac{H}{M \cdot D}$ 就是频率分辨率（单位 cycles/m）：$H$ 像素除以 $M$ 个 FFT bin，再除以光瞳直径 $D$，得到每个 FFT bin 对应的物理频率间隔；
• 前半部分 $\lambda z$ 把频率（cycles/m）映射为焦平面位置（m）：由 $t = f \cdot \lambda z$，频率分辨率乘以 $\lambda z$ 即得到焦平面上相邻像素点的物理间距。

代码将两步合并为一次计算，但物理上仍是"先求频率分辨率，再映射到焦平面"的顺序。

一句话总结：torch.fft.fft2 输出的是归一化离散频率（cycles/sample）；文档中所说的 cycles/m 是经过像素物理间距映射后的物理空间频率。两者通过 $f_{\text{物理}} = f_{\text{离散}} / \Delta x$ 联系。

离散实现：在数值仿真中（见代码 generative_M4_model.py），焦平面的像素间距由下式决定：

$\Delta t_{\text{sim}} = \frac{\lambda z \cdot H}{M \cdot D}$

其中 $H$ 为光瞳直径方向的采样像素数（对应符号表中 $N_p$），$M$ 为 FFT 零填充后的总点数，$D$ 为光瞳物理直径。该式可理解为

$\Delta t_{\text{sim}} = \underbrace{\frac{\lambda z}{D}}_{\text{衍射尺度}} \cdot \underbrace{\frac{H}{M}}_{\text{零填充因子}}$

离散频率分辨率 $\Delta f = H/(M \cdot D)$ 与 $\lambda z$ 相乘，即得到焦平面上相邻 FFT bin 的物理间距。零填充（$M > H$）使 $H/M < 1$，焦平面采样更密，PSF 被过采样。

为利用纯数学的尺度性质，可将该缩放"吸收"进光瞳函数：

$\mathcal{F}\{g(ax)\}(f) = \frac{1}{|a|}\hat{g}(f/a)$

取 $a = \lambda z$，$g = P$，直接得到：

$\underbrace{\tilde{P}\!\left(\frac{t}{\lambda z}\right)}_{\text{先傅里叶变换，再缩放}} = \lambda z \cdot \underbrace{\mathcal{F}\{P(\lambda z \cdot x)\}(t)}_{\text{先缩放，再傅里叶变换}}$

即：夫琅禾费衍射 = 先把光瞳缩放 $x \to \lambda z x$，再做纯数学傅里叶变换。

第二步：正逆抵消，只剩缩放 + 翻转

CTF 定义为 $h_c(t)$ 的傅里叶变换。两次变换合起来：

$H_c(f) \propto \mathcal{F}\{\mathcal{F}\{P(\lambda z \cdot x)\}\}(f)$

把第二次正变换拆成"逆变换 + 翻转"（$\mathcal{F} = R \circ \mathcal{F}^{-1}$，采用"先逆变换、后翻转"的顺序，使正逆直接相邻）：

$\mathcal{F}\{\mathcal{F}\{P(\lambda z \cdot x)\}\} = (R \circ \mathcal{F}^{-1})\{\mathcal{F}\{P(\lambda z \cdot x)\}\}$

利用算子复合的结合律，正逆直接抵消：

$\mathcal{F} \circ \mathcal{F} = (R \circ \mathcal{F}^{-1}) \circ \mathcal{F} = R \circ (\mathcal{F}^{-1} \circ \mathcal{F}) = R$

对合性 $\mathcal{F}^2 = R$ 保证了：无论中间夹的是什么函数（这里是缩放后的 $P(\lambda z \cdot x)$），"正变换 + 逆变换"总是精确抵消为恒等，只剩翻转。因此：

$H_c(f) \propto R\{P(\lambda z \cdot x)\}(f) = P(-\lambda z f)$

最终只留下了缩放（$\lambda z$ 从第一次变换的分母传导到了最终结果的系数）和翻转（负号）。

$\boxed{H_c(f) \propto P(-\lambda z f)}$

一句话总结

把第二次变换看成"逆变换 + 翻转"时，整个光学链路变成：缩放 → 正变换 → 逆变换 → 翻转。中间的正逆抵消，只剩最前面的缩放和最后面的翻转。缩放因子 $\lambda z$ 从夫琅禾费衍射的分母位置，传导到了 CTF 的最终坐标系数位置。

1.3.5. 对合性的物理直觉：$H_c(f) = P(-\lambda z f)$ 意味着什么？

数学上 $H_c(f) \propto P(-\lambda z f)$ 的推导已经完整，但还需回答一个关键问题：这个等式的物理含义是什么？

为什么 $P(-\lambda z f)$ 控制 $H_c(f)$？——从数学推导到物理直觉

反直觉：也就是说，若将光瞳x=0处的光遮住，该光学系统就无法对0频率进行响应了。

数学推导（对任意频率 $f$）

从 CTF 的定义出发：

$H_c(f) = \mathcal{F}\{h_c\}(f) = \int h_c(t) \, e^{-i 2\pi f t} \, dt$

把 $h_c(t) = \mathcal{F}\{P\}(t)$ 代入：

$H_c(f) = \int \left[ \int P(x) \, e^{-i 2\pi x t / (\lambda z)} \, dx \right] e^{-i 2\pi f t} \, dt$

交换积分顺序：

$H_c(f) = \int P(x) \left[ \int e^{-i 2\pi t \, (x / (\lambda z) + f)} \, dt \right] dx$

内层积分 $\int e^{-i 2\pi t \, (x / (\lambda z) + f)} dt$ 是复指数对所有焦平面位置 $t$ 的积分。只有当指数中的频率恰好为零，即 $x / (\lambda z) + f = 0$ 时，指数退化为 $e^0 = 1$，积分才有非零值；对于任何 $x \neq -\lambda z f$，指数在 $t$ 上无限振荡，正负恰好抵消，积分结果为零。

所以内层积分"挑选"出了 $x = -\lambda z f$ 的分量：

$\int e^{-i 2\pi t \, (x / (\lambda z) + f)} \, dt \propto \delta(x + \lambda z f)$

代回去：

$H_c(f) \propto \int P(x) \, \delta(x + \lambda z f) \, dx = P(-\lambda z f)$

核心物理图像：光瞳上的每个位置在焦平面上"写"下一条条纹

先把夫琅禾费衍射公式中的两种相位严格分开：

$h_c(t) = \int \underbrace{A(x) \, e^{i\phi(x)}}_{\text{光瞳上的复振幅 } P(x)} \, \underbrace{e^{-i 2\pi x t / (\lambda z)}}_{\text{传播引起的相位因子}} \, dx$

• 光瞳相位 $\phi(x)$：由像差、波前畸变等决定，可以是任意函数，和 $x$ 没有固定的单调关系
• 传播相位因子 $e^{-i 2\pi x t / (\lambda z)}$：纯几何光学的结果

传播相位因子的来源： 从光瞳上位置 $x$ 传播到焦平面上位置 $t$，走过的距离是：

$r = \sqrt{z^2 + (t-x)^2}$

令 $d = t-x$（横向偏移），在傍轴近似下 $d \ll z$：

$\begin{aligned} r &= z \sqrt{1 + \frac{d^2}{z^2}} \\ &= z \left(1 + \frac{d^2}{z^2}\right)^{1/2} \end{aligned}$

对 $(1 + \epsilon)^\alpha$ 做二项式展开（$\epsilon = d^2/z^2 \ll 1$，$\alpha = 1/2$）：

$(1 + \epsilon)^\alpha \approx 1 + \alpha\epsilon + \mathcal{O}(\epsilon^2)$

代回：

$r \approx z \left(1 + \frac{1}{2} \cdot \frac{d^2}{z^2}\right) = z + \frac{(t-x)^2}{2z}$

这就是傍轴近似下传播距离的表达式。

相位延迟 $\Delta\phi = \frac{2\pi}{\lambda} r = \frac{2\pi}{\lambda}\left[z + \frac{(t-x)^2}{2z}\right]$。展开 $(t-x)^2 = t^2 - 2xt + x^2$：

$\Delta\phi = \frac{2\pi}{\lambda} z + \frac{\pi}{\lambda z} t^2 - \frac{2\pi}{\lambda z} x t + \frac{\pi}{\lambda z} x^2$

各项的物理命运：

• $\frac{2\pi}{\lambda} z$：常数相位，对所有 $x,t$ 相同，不产生相对相位差，可忽略
• $\frac{\pi}{\lambda z} x^2$：光瞳上的二次相位，在透镜的精确处理中，会被透镜本身的聚焦相位 $e^{-i\frac{\pi}{\lambda z} x^2}$ 恰好抵消（透镜的透射函数正是为了把平行光会聚到焦平面而设计的）
• $-\frac{2\pi}{\lambda z} x t$：交叉线性项——这是唯一保留下来的关键项

因此，在相干成像的标准定义下，只保留与光瞳形状相关的核心部分：

$e^{i \Delta\phi_{\text{传播}}} = e^{-i \frac{2\pi}{\lambda z} x t}$

⚠️ 关于焦平面二次相位 $\frac{\pi}{\lambda z} t^2$ 的说明：

严格来说，夫琅禾费衍射的完整结果是：

$U_f(t) = C \cdot e^{i\frac{\pi}{\lambda z}t^2} \cdot \underbrace{\int P(x) \, e^{-i \frac{2\pi}{\lambda z} x t} \, dx}_{h_c(t)}$

其中 $C$ 是常数，$e^{i\frac{\pi}{\lambda z}t^2}$ 是焦平面二次相位。这个因子确实在焦平面上不同位置引入了不同的相位。

标准定义为何可省略它？ 关键在于 $|e^{i\frac{\pi}{\lambda z}t^2}| = 1$。二次相位只改变复振幅的相位，不改变幅度：

$|U_f(t)| = |C| \cdot |h_c(t)|$

因此：

• 它不改变 PSF 的幅度分布 $|h_c(t)|$
• 它不改变光强分布 $|h_c(t)|^2$
• 它只改变焦平面上复振幅的相位分布

在相干成像理论中，脉冲响应被定义为不含二次相位的形式：

$h_c(t) \equiv \int P(x) \, e^{-i \frac{2\pi}{\lambda z} x t} \, dx$

这个定义是自洽的：$h_c(t)$ 和 $H_c(f) = P(-\lambda z f)$ 互为傅里叶变换对，精确描述了由光瞳形状决定的频率响应。如果强行保留二次相位，CTF 会变成 $P(-\lambda z f)$ 与另一个固定函数的卷积，不再直接反映光瞳形状——而光学系统分析的核心正是"光瞳形状如何决定频率响应"。

更直观地说：二次相位 $e^{i\frac{\pi}{\lambda z}t^2}$ 是"系统的固有背景"——无论光瞳是什么形状，它都在那里。分析"改变光瞳会如何改变成像"时，这个不变的背景可以被隔离出去。

核心物理图像：

光瞳上每个位置 $x$ 的子波到达焦平面后，由于传播相位因子的存在，在焦平面上形成一个单一空间频率的相位分布：

$e^{-i 2\pi f_x t}, \quad \text{其中 } f_x = \frac{x}{\lambda z}$

这个子波的振幅模恒为 1（均匀分布），但它的相位在焦平面上以固定频率 $f_x$ 振荡——而这个频率完全由光瞳位置 $x$ 决定。写成实部和虚部：

$e^{-i 2\pi x t / (\lambda z)} = \cos\left(\frac{2\pi x t}{\lambda z}\right) - i \, \sin\left(\frac{2\pi x t}{\lambda z}\right)$

实部和虚部都是随 $t$ 振荡的波，其"空间频率"为：

$f_x = \frac{x}{\lambda z}$

这个公式揭示了一个关键对应关系：光瞳上的每个空间位置 $x$ 与焦平面上的一个空间频率 $f_x = x/(\lambda z)$ 一一对应。

焦平面上的总场 $h_c(t)$ 是所有这些传播相位因子的加权叠加——加权系数就是 $P(x)$。

CTF $H_c(f)$ 问的是：焦平面上频率为 $f$ 的条纹分量有多大？

从数学上看，$H_c(f)$ 是把焦平面场 $h_c(t)$ 和探测波 $e^{-i 2\pi f t}$ 做"内积"（乘积后对 $t$ 积分）：

$H_c(f) = \int h_c(t) \, e^{-i 2\pi f t} \, dt = \int \left[ \int P(x) \, e^{-i 2\pi f_x t} \, dx \right] e^{-i 2\pi f t} \, dt$

其中 $f_x = x / (\lambda z)$ 是位置 $x$ 处子波写下的条纹频率。交换积分顺序后，关键是内层积分：

$\int e^{-i 2\pi f_x t} \cdot e^{-i 2\pi f t} \, dt = \int e^{-i 2\pi (f_x + f) t} \, dt$

这个积分的结果是什么？分两种情况：

• $f_x + f \neq 0$：复指数 $e^{-i 2\pi (f_x + f) t}$ 在 $t$ 上无限振荡，正半周和负半周恰好抵消，积分为零
• $f_x + f = 0$：指数退化为 $e^0 = 1$，积分才不为零

（用有限区间帮助理解：$\int_{-T/2}^{T/2} e^{-i 2\pi \omega t} dt = \frac{\sin(\pi \omega T)}{\pi \omega}$。当 $T \to \infty$ 时，若 $\omega \neq 0$，分子在 $[-1,1]$ 振荡而分母趋于无穷，整体趋于零；若 $\omega = 0$，极限趋于 $T$，发散。）

因此，只有满足 $f_x + f = 0$ 即 $f_x = -f$ 的那个位置有贡献：

$\frac{x}{\lambda z} = -f \quad \Rightarrow \quad x = -\lambda z f$

系统对频率 $f$ 的响应，直接等于光瞳上写下频率 $f$ 条纹的那个位置的复振幅——$P(-\lambda z f)$。

1.3.6. CTF 的物理含义：相干 vs 非相干成像

既然已经证明 $H_c(f) = P(-\lambda z f)$，那么：

• 光瞳的边界 → CTF 的边界 → 系统的频率截止边界
• 光瞳内的相位（如像差 $e^{i\phi(x)}$）→ CTF 的相位 → 系统的相位调制

所以相干成像系统的频域响应完全由光瞳的几何形状决定。

在相干成像中，焦平面复振幅等于物平面复振幅与相干脉冲响应 $h_c(t)$ 的卷积：

$U_{\mathrm{img}}(t) = U_{\mathrm{obj}}(t) * h_c(t)$

两边取傅里叶变换，卷积变乘积：

$\tilde{U}_{\mathrm{img}}(f) = \tilde{U}_{\mathrm{obj}}(f) \cdot H_c(f)$

这说明 $H_c(f)$ 直接描述了系统对各频率成分的传递/衰减特性——它就是相干成像系统的频率响应函数。

对比：相干 vs 非相干成像的完整链路

	相干成像	非相干成像
照明	激光等相干光源	热光源、荧光等不相干光源
物点关系	相位相关，可干涉	相位随机，不干涉
像平面叠加量	复振幅 $U$（线性叠加）	光强 $I = \|U\|^2$（线性叠加）
空域关系	$U_{\mathrm{img}} = U_{\mathrm{obj}} * h_c$	$I_{\mathrm{img}} = I_{\mathrm{obj}} * h$
频域关系	$\tilde{U}_{\mathrm{img}} = \tilde{U}_{\mathrm{obj}} \cdot H_c$	$\tilde{I}_{\mathrm{img}} = \tilde{I}_{\mathrm{obj}} \cdot H$
最终光强	$I_{\mathrm{img}} = \|U_{\mathrm{img}}\|^2$	$I_{\mathrm{img}}$ 直接由卷积给出

其中 PSF $h(t) = |h_c(t)|^2$，OTF $H = H_c \star H_c$。非相干成像的本质是：由于物点之间相位随机，干涉项在统计平均下抵消，最终像平面的光强等于各物点光强的直接相加。

1.4. 从 PSF 到 OTF：自相关定理的严格推导

下面严格证明：非相干 PSF 的傅里叶变换（即光学传递函数，OTF）等于相干传递函数（CTF）的自相关。

已知：

• 由夫琅禾费衍射，焦平面复振幅是光瞳函数的傅里叶变换：$h_c(t) = \mathcal{F}\{P(x)\}$
• 相干传递函数（CTF）定义为焦平面复振幅的傅里叶变换：$H_c(f) = \mathcal{F}\{h_c(t)\}$ （光学中通常将 $H_c(f)$ 等同于坐标缩放后的光瞳函数 $P(-\lambda z f)$；见前文对合性推导）
• 非相干 PSF 为复振幅的模平方：$h(t) = |h_c(t)|^2 = h_c(t) \cdot h_c^*(t)$

目标：证明 $\mathcal{F}\{h(t)\} = H_c(f) \star H_c(f)$

步骤一：对 $h(t)$ 做傅里叶变换

$\mathcal{F}\{h(t)\} = \mathcal{F}\{h_c(t) \cdot h_c^*(t)\}$

步骤二：应用乘积-卷积定理

两个函数乘积的傅里叶变换等于它们各自傅里叶变换的卷积：

$\mathcal{F}\{g(t) \cdot k(t)\} = G(f) * K(f)$

乘积后再傅里叶变换 = 傅里叶变换后再卷积。

$\mathcal{F}\{h_c(t) \cdot h_c^*(t)\} = \mathcal{F}\{h_c(t)\} * \mathcal{F}\{h_c^*(t)\} = H_c(f) * \mathcal{F}\{h_c^*(t)\}$

步骤三：复共轭的傅里叶变换

由傅里叶变换定义可直接证明：

$\mathcal{F}\{g^*(t)\} = G^*(-f)$

先取复共轭再傅里叶变换 = 先傅里叶变换再取复共轭，同时频率翻号。

证明：

$\mathcal{F}\{g^*(t)\} = \int g^*(t) e^{-\mathrm{i} 2\pi f t} \, dt = \left[ \int g(t) e^{\mathrm{i} 2\pi f t} \, dt \right]^* = \left[ \int g(t) e^{-\mathrm{i} 2\pi (-f) t} \, dt \right]^* = G^*(-f)$

因此：

$\mathcal{F}\{h_c^*(t)\} = H_c^*(-f)$

步骤四：代入并得到自相关

$\mathcal{F}\{h(t)\} = H_c(f) * H_c^*(-f) = \int H_c(f') H_c^*\bigl(-(f - f')\bigr) \, df' = \int H_c(f') H_c^*(f' - f) \, df'$

上式右端正是自相关函数的定义：

$(H_c \star H_c)(f) = \int H_c(f') H_c^*(f' - f) \, df'$

对比：卷积与自相关的定义

卷积（Convolution）的标准定义为：

$(g * h)(f) = \int_{-\infty}^{+\infty} g(f')\, h(f - f') \, df'$

将上式与自相关定义并置，关键差异仅在于第二个因子的形式：

运算	第二个因子的形式	核心操作
卷积	$h(f - f')$	反转（$f' \to -f'$）再平移
自相关	$H_c^*(f' - f)$	复共轭 + 平移

自相关的原始定义中，第二个因子 $H_c^*(f' - f)$ 只是 $H_c^*$ 的平移，不涉及反转。但如果要把它写成标准卷积形式，需要引入一个反转：

$(H_c \star H_c)(f) = \bigl[H_c * H_c^*(-\,\cdot\,)\bigr](f) = H_c(f) * H_c^*(-f)$

即：自相关 = 函数本身 与 其复共轭反转版本 的卷积。步骤四中的 $H_c(f) * H_c^*(-f)$ 正是这一改写的结果。

故得：

$\boxed{\mathcal{F}\{h(t)\} = H_c(f) \star H_c(f)}$

步骤五 直接代入

从步骤四得到 OTF 是 CTF 的自相关：

$H(f) = H_c(f) \star H_c(f) = \int H_c(f')\, H_c^*(f' - f) \, df'$

代入 $H_c(f) = P(-\lambda z f)$（对合性，见第 3 节）：

$H(f) = \int P(-\lambda z f') \, P^*\bigl(-\lambda z (f' - f)\bigr) \, df'$

做一次变量替换 $x = -\lambda z f'$（即 $f' = -x/(\lambda z)$，$df' = -dx/(\lambda z)$），并记平移量 $\Delta = \lambda z f$：

$H(f) \propto \int P(x) \, P^*(x + \Delta) \, dx$

这就是 Hopkins 积分：OTF 正比于光瞳函数与其平移版本的复共轭之重叠积分。

1.5. OTF 频域支持域的严格界限

1.5.1. CTF 的支持域：从光瞳边界到频率边界

由对合性 $H_c(f) = P(-\lambda z f)$（见第 3 节），CTF 的"形状"与光瞳函数 $P(x)$ 完全相同，只是频率坐标被缩放了 $1/(\lambda z)$ 倍。光瞳的物理边界在 $|x| = D/2$ 处，因此 CTF 的频率边界满足：

$|-\lambda z f| = \frac{D}{2} \quad \Longrightarrow \quad |f| = \frac{D}{2\lambda z}$

即 CTF 的非零支持域是一个半径为 $D/(2\lambda z)$ 的圆。光瞳越大、波长越短、焦距越短，CTF 的频率范围越宽。

1.5.2. OTF 的支持域：自相关使边界翻倍

OTF 是 CTF 的自相关（见第 5 节）：

$H(f) = H_c(f) \star H_c(f) = \int H_c(f')\, H_c^*(f' - f) \, df'$

代入 $H_c(f) = P(-\lambda z f)$：

$H(f) = \int P(-\lambda z f') \, P^*\bigl(-\lambda z (f' - f)\bigr) \, df'$

光瞳函数 $P(x)$ 具有紧支撑（compact support）：对于圆孔径，$P(x) = 0$ 当 $|x| > D/2$。因此被积函数非零要求 $P$ 的两个自变量同时落在光瞳内：

$\begin{cases} |-\lambda z f'| \leq \dfrac{D}{2} \\[8pt] |-\lambda z (f' - f)| \leq \dfrac{D}{2} \end{cases} \quad \Longleftrightarrow \quad \begin{cases} |f'| \leq \dfrac{D}{2\lambda z} \\[8pt] |f' - f| \leq \dfrac{D}{2\lambda z} \end{cases}$

两式联立，由三角不等式：

$|f| = |f' - (f' - f)| \leq |f'| + |f' - f| \leq \frac{D}{2\lambda z} + \frac{D}{2\lambda z} = \frac{D}{\lambda z}$

取等边界条件：上式最后一个等号成立要求两个不等式同时取等。

• 三角不等式取等要求 $f'$ 与 $f'-f$ 方向相反（共线且异号）；
• 第二项取等要求两者同时位于各自光瞳的边缘：$|f'| = |f'-f| = D/(2\lambda z)$。

因此当两个光瞳的边缘刚好外切（圆孔径即两圆外切）时，$|f|$ 达到最大值：

$|f|_{\max} = \frac{D}{\lambda z}$

这就是 OTF 的严格截止频率（cutoff frequency）：

$\boxed{|f| \leq \frac{D}{\lambda z}} \tag{1}$

式 (1) 给出了 OTF 的严格截止频率（cutoff frequency）。

1.5.2.1. 归一化 OTF 与 $H(0)$ 的值

在结束支持域分析之前，需澄清一个细节：上面 Hopkins 积分给出的 $H(f)$ 是一个未归一化的量。令 $f = 0$，两个光瞳完全重合，积分变为：

$H(0) = \int P(-\lambda z f') \, P^*(-\lambda z f') \, df' = \int_{-\infty}^{+\infty} |P(-\lambda z f')|^2 \, df'$

做变量替换 $x = -\lambda z f'$（$dx = -\lambda z \, df'$），得：

$H(0) = \frac{1}{\lambda z} \int_{-\infty}^{+\infty} |P(x)|^2 \, dx = \frac{1}{\lambda z} \cdot S_{\text{pupil}}$

其中 $S_{\text{pupil}}$ 是光瞳通光面积（对圆孔径，$S_{\text{pupil}} = \pi D^2/4$）。因此原始 Hopkins 积分的 $H(0)$ 并不等于 1，而是与光瞳面积成正比的一个常数。

工程上使用的 OTF 必须做能量归一化，使零频处的传递系数为 1：

$H_{\text{norm}}(f) = \frac{H(f)}{H(0)} = \frac{\displaystyle\int P(x) \, P^*(x + \Delta) \, dx} {\displaystyle\int |P(x)|^2 \, dx}$

这样归一化后：

• $H_{\text{norm}}(0) = 1$（零频对比度完整保留）。

一个重要细节：分子 $\int P(x) P^*(x+\Delta) \, dx$ 的被积函数在有像差时一般是复数（$P(x) = A(x)e^{i\phi(x)}$，相位 $\phi(x)$ 在重叠区域内不恒定），积分结果可以是任意复数，不一定为正实数。因此"两圆重叠面积"这个几何直观仅在无像差的理想衍射受限系统下严格成立——此时 $P(x)$ 为实值（孔径内 $P=1$、孔径外 $P=0$），被积函数退化为 $P(x)P(x+\Delta) \geq 0$，积分才正比于重叠面积。无像差时，$H_{\text{norm}}(f)$ 确实等于"重叠面积 / 单光瞳总面积"，随 $f$ 增大单调下降。

对于有像差的实际系统，OTF 是复值函数，其模 $|H(f)|$ 受 Schwarz 不等式约束满足 $|H(f)| \leq H(0) = 1$，但相位 mismatches 可能使 $|H(f)|$ 衰减得比无像差情形更快。

下文提到的 OTF 均指归一化后的 $H_{\text{norm}}(f)$，简记为 $H(f)$。

1.5.3. OTF 幅值衰减与高频信息的珍贵性

从上图的几何直观可以得出一个推论：在无像差的理想衍射受限系统中，随着 $|f|$ 增大，两圆重叠面积单调减小，归一化 OTF 值 $H(f)$（等于重叠面积比）也随之单调下降。这容易产生一种直觉——“频率越高，系统传递的信息越少”。这一直觉需严格修正。

1.5.3.1. OTF 幅值描述的是"对比度传递效率"，而非"信息量"

OTF 的物理意义是系统对不同空间频率分量的对比度衰减系数。

• 当 $f \approx 0$（两圆完全重叠），$H(0) = 1$，低频分量的对比度被完整保留。但这些分量仅承载图像的大致轮廓与平均亮度，对精细结构的区分能力极弱。
• 当 $f \to D/(\lambda z)$（两圆即将外切），$H(f) \to 0$，高频分量的对比度被严重衰减。然而，高频分量恰恰承载边缘、纹理、小尺度特征等精细结构信息——这些信息是低频分量完全无法替代的。

因此，OTF 幅值随频率升高而下降，描述的是"系统对该频率的传递效率降低"，绝非"该频率本身的信息含量更少"。相反，从成像重建的角度，高频信息往往是最珍贵的约束：若只恢复低频，图像必然模糊；唯有高频被准确重建，细节才能显现。

1.5.3.2. 高频的真正敌人是信噪比，而非 OTF 衰减本身

OTF 衰减是一个确定性的、已知的系统传递特性。只要 $H(f) \neq 0$，该频率的信息在原理上就是可恢复的——事后可以通过去卷积或逆滤波予以补偿。

真正使高频"难以保住"的是噪声。高频分量在原始信号中的能量本就远低于低频，经 OTF 衰减后信号更弱；而探测器噪声（读出噪声、光子散粒噪声）在频域近似白噪声，高低频一视同仁。这导致高频处的信噪比（SNR）急剧恶化。当信号被噪声淹没时，即使 $H(f)$ 理论非零，该频率的实际信息也等同于丢失。

因此，高频保护的工程本质不是"对抗 OTF 衰减"，而是在 OTF 衰减既定的前提下，尽可能地提升高频信噪比、让网络学会从微弱信号中提取高频约束。

1.5.4. 光学系统的截止频率

截止频率的物理本质只由光学系统决定，与仿真细节无关。下面将前文推导链在此复现，从对合性到 OTF 截止边界：

第一步：对合性给出 CTF 与光瞳的关系

由第 3 节对合性推导，相干传递函数（CTF）与光瞳函数满足：

$H_c(f) = P(-\lambda z f)$

这说明 CTF 的"形状"就是光瞳的缩放副本，频率坐标缩放因子为 $1/(\lambda z)$。

第二步：由光瞳边界得到 CTF 边界

圆孔径光瞳在 $|x| > D/2$ 处为零，因此 CTF 在 $|-\lambda z f| > D/2$ 处也为零：

$|f| \leq \frac{D}{2\lambda z}$

即 CTF 的支持域是半径为 $D/(2\lambda z)$ 的圆。

第三步：由 CTF 自相关得到 OTF 边界

由第 5 节，OTF 是 CTF 的自相关：$H(f) = H_c(f) \star H_c(f)$。两个半径为 $D/(2\lambda z)$ 的函数做自相关，其支持域为各自半径之和（三角不等式）：

$|f| \leq \frac{D}{2\lambda z} + \frac{D}{2\lambda z} = \frac{D}{\lambda z} \tag{1}$

式 (1) 即为 OTF 的严格截止频率。因此，光学系统的物理截止频率为

$f_{\text{cutoff}} = \frac{D}{\lambda z}$

下面代入本系统实际参数计算。为便于对照，先列出关键参量：

参数	符号	数值
激光波长	$\lambda$	$530$ nm
光瞳直径	$D$	$60$ mm
光瞳到 CCD 的等效焦距	$z$	$6240.79 / 5 = 1248.16$ mm
CCD 像素间距	$\Delta t_{\mathrm{CCD}}$	$4.5$ μm
FFT 尺寸（M4 计算）	$N_2$	$400$

第一步：计算物理截止频率

将上表参数直接代入式 (1)：

$f_{\text{cutoff}} = \frac{D}{\lambda z} = \frac{0.06}{530 \times 10^{-9} \times 1.24816} \approx 9.07 \times 10^{4} \ \text{cycles/m}$

第二步：计算真实数据的空间频率分辨率

真实图像总宽度为 $N_2 \cdot \Delta t_{\mathrm{CCD}} = 400 \times 4.5\,\mu\text{m} = 1.8$ mm，因此频率分辨率为

$\Delta f = \frac{1}{N_2 \cdot \Delta t_{\mathrm{CCD}}} = \frac{1}{400 \times 4.5 \times 10^{-6}} \approx 555.6 \ \text{cycles/m}$

第三步：计算像素坐标下的截止半径

像素坐标下的截止半径等于物理截止频率与频率分辨率之比：

$r_{\text{cutoff}} = \frac{f_{\text{cutoff}}}{\Delta f} = \frac{N_2 \cdot \Delta t_{\mathrm{CCD}} \cdot D}{\lambda z} = \frac{400 \times 4.5 \times 10^{-6} \times 0.06}{530 \times 10^{-9} \times 1.24816} \approx 163 \ \text{px}$

关键结论：在 $400 \times 400$ 的真实数据中，OTF $H(f)$ 的非零支持域是一个半径约为 $163$ 像素 的圆。频率超出这个范围的区域严格为零，不包含任何光学信息。

1.6. M4 的定义及其与 OTF 的关系

1.6.1. M4 的数学定义

相位多样性波前传感中的 M4 指标由论文 Eq.(12) 定义：

$M_4(f) = \frac{|S_o(f)|^2 - |S_d(f)|^2}{|S_o(f)|^2 + |S_d(f)|^2}$

其中 $S_o(f)$、$S_d(f)$ 分别为在焦和离焦图像的傅里叶变换。对于非相干成像，像的频谱等于景物频谱与 OTF 的乘积。这里 $Q(f)$ 即物平面光强分布 $I_{\mathrm{obj}}(t)$ 的傅里叶谱（$Q(f) \equiv \tilde{I}_{\mathrm{obj}}(f) = \mathcal{F}\{I_{\mathrm{obj}}(t)\}$），也就是图中标注的物光强谱：

$S_o(f) = Q(f) H_o(f), \quad S_d(f) = Q(f) H_d(f)$

将 $S_o$、$S_d$ 代入 M4 定义，展开后分子分母中的 $|Q(f)|^2$ 严格相消：

$M_4(f) = \frac{|H_o(f)|^2 - |H_d(f)|^2}{|H_o(f)|^2 + |H_d(f)|^2}$

核心结论：$M_4(f)$ 仅由在焦和离焦系统的OTF 幅度决定，与景物内容 $Q(f)$ 无关。这一"目标无关性"是相位多样性方法的核心优势。

重要前提：为什么 M4 的"去目标"要求非相干成像？

上述推导中 $|Q|^2$ 能够相消，关键假设是非相干成像模型 $S = Q \cdot H$。如果照明改为相干光，成像链路变为：

$U_{\mathrm{img}} = U_{\mathrm{obj}} * h_c \quad \Rightarrow \quad I_{\mathrm{img}} = |U_{\mathrm{img}}|^2 = |U_{\mathrm{obj}} * h_c|^2$

对光强 $I_{\mathrm{img}}$ 做傅里叶变换，得到的不再是 $Q \cdot H$ 的简单乘积形式，而是：

$\mathcal{F}\{I_{\mathrm{img}}\} = (\tilde{U}_{\mathrm{obj}} \cdot H_c) \star (\tilde{U}_{\mathrm{obj}} \cdot H_c)$

即复振幅频谱的自相关。此时景物信息 $Q$ 与 OTF $H_c$ 纠缠在一起，无法通过分子分母相消的方式分离，M4 也就不再严格具备"目标无关性"。

因此，M4 方法的经典应用场景是非相干成像（如荧光显微镜、自然光成像等）。如果系统使用相干照明（如激光），需先确保成像过程满足非相干条件，或者采用其他波前传感策略。

1.6.2. M4 信息分布与 OTF 信息分布的等价性

由上式可知，$M_4(f)$ 是 $|H_o(f)|$ 和 $|H_d(f)|$ 的函数。而由第三节的推导，OTF 的幅度 $|H(f)|$ 在频域上具有严格的界限：

• $|H(f)| = 0$ 当 $r > r_{\text{cutoff}}$（超截止区）
• $|H(f)|$ 在 $r \to 0$ 处达到最大值，且对像差不敏感（DC 盲区）

因此，M4 的频域信息分布完全继承自 OTF 的频域信息分布。要分析 M4 在哪些频段包含波前信息，等价于分析 OTF 的幅度在哪些频段对波前像差敏感。

1.7. DC 盲区：为什么极低频（$r < 4$ px）不包含波前信息

术语说明：DC 是 Direct Current（直流）的缩写。在信号处理中，DC 分量指零频率分量；在光学频域分析中，DC 对应空间频率 $f = 0$（即图像的平均亮度/总能量）。此处"DC 盲区"指零频及其附近极低频区域。

1.7.1. 零频（$f = 0$）处的严格分析

令 $f = 0$ 代入 OTF 的自相关表达式：

$H(0) \propto \iint P(x) P^*(x) \, \mathrm{d}x = \iint |P(x)|^2 \, \mathrm{d}x = \iint w^2(x) \, \mathrm{d}x$

对于无渐晕圆孔径，$w(x) = 1$（孔径内），故：

$H(0) = \text{const} \cdot (\text{光瞳面积})$

关键观察：$H(0)$ 仅依赖于光瞳的几何面积和振幅透射率，与相位畸变 $\phi(x)$ 完全无关。

因此，对于在焦和离焦系统（光瞳几何相同，仅相位不同）：

$H_o(0) = H_d(0) \implies M_4(0) = \frac{H_o^2(0) - H_d^2(0)}{H_o^2(0) + H_d^2(0)} = 0$

物理诠释：零频对应图像的总能量。根据 Parseval 能量守恒定理，在焦和离焦图像的总能量严格相等（假设光瞳透射率不变），因此 M4 在零频处恒为零，不携带任何像差信息。

1.7.2. 低频区域（$0 < r < 4$ px）的不敏感性

将 OTF 自相关表达式对像差做微扰展开。设相位畸变为小量 $|\phi| \ll 1$ rad，则：

$P(x) = \exp[\mathrm{i}\phi(x)] \approx 1 + \mathrm{i}\phi(x) - \frac{1}{2}\phi^2(x) + \cdots$

代入 Hopkins 积分形式的 OTF：

$H(f) \propto \int P(x) \, P^*(x + \Delta) \, \mathrm{d}x, \quad \Delta = \lambda z f$

其中 $P(x) = \exp[\mathrm{i}\phi(x)]$，因此：

$P(x) \, P^*(x + \Delta) = \exp\{\mathrm{i}\phi(x)\} \, \exp\{-\mathrm{i}\phi(x + \Delta)\} = \exp\{\mathrm{i}[\phi(x) - \phi(x + \Delta)]\}$

于是：

$H(f) \propto \iint_{\text{overlap}} \exp\{\mathrm{i}[\phi(x) - \phi(x + \lambda z f)]\} \, \mathrm{d}x$

1.7.3. 微扰展开的前提与步骤

对指数函数做泰勒展开，只需要满足小频率假设：$|\Delta| = |\lambda z f| \ll D$（光瞳平移量远小于光瞳直径）。

关键区分：泰勒展开的条件是 $|\delta\phi| \ll 1$，而 $\delta\phi = \phi(x) - \phi(x + \Delta)$。当 $f \to 0$ 时 $\Delta \to 0$，对于光滑波前总有 $\phi(x + \Delta) \to \phi(x)$，因此 $\delta\phi \to 0$。这与像差本身的大小 $|\phi|$ 无关——即使像差很大（如 RMS $\sim$ 1 wave），只要 $f$ 足够小，$\delta\phi$ 仍然足够小，展开照样收敛。此外，像差越大（梯度 $|\nabla\phi|$ 越大），要求 $f$ 更小才能使 $|\delta\phi| \ll 1$ 成立。

第一步：定义相位差

令平移量 $\Delta = \lambda z f$，定义光瞳上的相位差函数：

$\delta\phi(x; \Delta) = \phi(x) - \phi(x + \Delta)$

对于光滑的波前 $\phi(x)$，当 $\Delta \to 0$ 时，由泰勒展开：

$\phi(x + \Delta) = \phi(x) + \Delta \cdot \nabla\phi(x) + O(\Delta^2)$

因此：

$\delta\phi(x; \Delta) = -\Delta \cdot \nabla\phi(x) + O(\Delta^2) = O(\Delta)$

即相位差 $\delta\phi$ 与平移量 $|\Delta|$ 同阶。

第二步：指数函数的泰勒展开

由于 $\delta\phi$ 是小量（$|\delta\phi| \ll 1$），可对指数函数在 $\delta\phi = 0$ 处做泰勒展开：

$e^{\mathrm{i}\,\delta\phi} = 1 + \mathrm{i}\,\delta\phi - \frac{1}{2}(\delta\phi)^2 + O\bigl((\delta\phi)^3\bigr)$

代入 Hopkins 积分：

$H(f) \propto \iint_{\text{overlap}} \left[ 1 + \mathrm{i}\,\delta\phi - \frac{1}{2}(\delta\phi)^2 + \cdots \right] \mathrm{d}x$

$= A_{\text{overlap}} + \mathrm{i} \underbrace{\iint_{\text{overlap}} \delta\phi \, \mathrm{d}x}_{\text{一阶项}} - \frac{1}{2} \underbrace{\iint_{\text{overlap}} (\delta\phi)^2 \, \mathrm{d}x}_{\text{二阶项}} + \cdots$

第三步：一阶项的严格分析

一阶项为：

$I_1 = \iint_{\text{overlap}} [\phi(x) - \phi(x + \Delta)] \, \mathrm{d}x = \iint_{\text{overlap}} \phi(x) \, \mathrm{d}x - \iint_{\text{overlap}'} \phi(x') \, \mathrm{d}x'$

其中第二个积分做了变量替换 $x' = x + \Delta$，积分域 $\text{overlap}'$ 是重叠区沿 $+\Delta$ 方向平移后的区域。

当 $\Delta \to 0$（即 $f \to 0$）时，两个积分域 $\text{overlap}$ 与 $\text{overlap}'$ 都趋于整个光瞳，且边界差异的弧长正比于 $|\Delta|$。因此两积分之差为 $O(\Delta)$ 量级。

更进一步，若像差由 Zernike 多项式构成（$n > 0$），利用 Zernike 在单位圆上的正交性：

$\iint_{\text{pupil}} Z_n^m(x) \, \mathrm{d}A = 0, \quad \forall\, n > 0$

（这是与常数项 $Z_0^0 = 1$ 正交的直接推论。）

因此，除活塞（piston）外，所有像差模式的一阶项积分在 $f \to 0$ 时严格为零。

第四步：二阶项的标度行为

由第一步知 $\delta\phi = O(\Delta) = O(f)$，因此：

$(\delta\phi)^2 = O(f^2)$

二阶项积分不为零，且随 $f^2$ 衰减。这意味着 OTF 对像差的敏感度在 $f \to 0$ 处以 $f^2$ 的速度趋于零——这是 DC 盲区的数学根源。

总结：

• 一阶项 $\mathrm{i}\,\delta\phi$ 的积分在 $f \to 0$ 时趋于零（Zernike 正交性）；
• 二阶项 $-\frac{1}{2}(\delta\phi)^2$ 虽不为零，但随 $f^2$ 衰减（因为 $\delta\phi \propto f$）；
• 更高阶项以 $f^3, f^4, \dots$ 衰减，在极低频可忽略。

定量结果：通过数值微扰实验对本系统参数计算：对 0.1 waves 的 defocus 像差施加微扰，当 $|\Delta M_4|$ 低于峰值灵敏度的 5% 时，对应的半径约为 $r < 4$ px（400 坐标）。该边界是系统相关的经验值，依赖于像差大小与阈值选择，并非普适常数。M4 标准差在 DC 盲区内的统计占比详见"仿真路径对比"一节（路径1与路径3在截止频率外严格归零的结果佐证了 DC 盲区的物理本质）。

1.7.4. $r < 4$ px 边界的数值实验细节

上述 “4 px” 并非解析推导的结果，而是通过以下数值微扰实验得到的经验阈值：

实验设置：

1. 参考臂（固定离焦）：在焦臂施加固定离焦 $Z_2^0 = -0.5$ waves，模拟实际训练中的离焦参考 PSF。
2. 理想在焦臂：无额外像差（仅光瞳衍射极限）。
3. 微扰在焦臂：在理想在焦臂上叠加 0.1 waves 的离焦微扰 $Z_2^0 = +0.1$ waves。
4. M4 计算：

   $M_4 = \frac{|\mathrm{OTF}_{\text{in-focus}}|^2 - |\mathrm{OTF}_{\text{defocus}}|^2}{|\mathrm{OTF}_{\text{in-focus}}|^2 + |\mathrm{OTF}_{\text{defocus}}|^2}$

   分别计算理想情况和微扰情况的 $M_4$，得到差异图 $|\Delta M_4| = |M_4^{\text{pert}} - M_4^{\text{ideal}}|$。
5. 环形平均：对 $|\Delta M_4|$ 做环形平均（按半径 $r$ 分 bin），得到径向灵敏度曲线 $s(r)$。
6. 盲区判定：从 $r = 1$ px 开始向外搜索，找到第一个满足 $s(r) > 0.05 \times s_{\max}$ 的半径 $r_{\text{dc}}$，则 DC 盲区定义为 $r < r_{\text{dc}}$ px。

为什么是 5% 阈值？

5% 是一个经验选择，目的是区分"有效信息区"和"噪声/无效区"。该阈值意味着：当某频率处的像差灵敏度低于峰值灵敏度的 5% 时，判定该频率对波前像差的响应已弱到可以忽略。选择 5% 而非 1% 或 10% 的理由：

• 1% 太严格：会把一些仍有微弱信号的频段也划入盲区，损失信息；
• 10% 太宽松：会把一些灵敏度已显著衰减的区域仍保留为"信息区"，引入噪声；
• 5% 是一个工程折中，在信息保留和噪声抑制之间取得平衡。

为什么是 defocus 作为测试像差？

Defocus 是最常见的低阶像差，且：

• 它是中心对称的（$m = 0$），使 OTF 保持纯实数，避免虚部干扰分析；
• 在实际训练代码中，defocus 臂本身就是固定的参考臂，用 defocus 做微扰最贴近实际训练场景；
• 其他像差模式（tilt、coma、astigmatism）的灵敏度峰值位置不同（见后文），但它们的 DC 盲区边界都在 $r < 5$ px 范围内，defocus 的结果具有代表性。

结果复现：运行 temp_report/analyze_three_paths_comparison.py 可得到三条路径的完整 M4 标准差统计，其中路径1与路径3在 $f_c$ 之外严格归零的行为直接验证了 DC 盲区的物理本质。DC 盲区的具体边界 $r_{\text{dc}} \approx 4$ px 由独立的单模式微扰实验确定。

重要提醒：4 px 是本系统参数下的经验值。如果改变光学参数（波长、口径、焦距、CCD 像素间距）或 FFT 尺寸，该边界会变化。例如，若 FFT 尺寸从 400 改为 512，同样的物理频率对应的像素半径会按比例缩放。因此，在实际应用中应针对具体系统重新运行数值标定。

1.7.5. DC 盲区的直观图示：Hopkins 积分在瞳面上的行为

下图以 Hopkins 积分的视角，展示了三个不同频率处的瞳面行为。核心对比是：有像差时 vs 无像差时，被积函数改变了多少。如果改变像差后积分值几乎不变，该频率就是盲区。

1.7.5.1. 左列（低频，Δ = 0.05）——DC 盲区：为什么两条曲线几乎重合、都接近 1？

当频率极低时，光瞳平移量 Δ = λzf 很小。在本例中 Δ = 0.05（仅为光瞳半径的 5%），两个圆几乎完全重叠（overlap ≈ 97%）。此时：

1. 相位差几乎为零：Δφ(x) = φ(x) − φ(x+Δ)。由于 φ(x) 是光滑函数（Zernike 多项式），当 Δ → 0 时，Δφ → 0 处处成立，与像差大小无关：

   $\Delta\phi(x) = \phi(x) - \phi(x+\Delta) \approx -\Delta \cdot \nabla\phi(x) \to 0 \quad (\Delta \to 0)$

2. 被积函数几乎恒为 1：e^(iΔφ) ≈ e^0 = 1，即 cos(Δφ) ≈ 1。图中有像差时的被积函数仍是均匀的绿色（≈1）。

3. Hopkins 积分几乎不变：无论有像差还是无像差，分子都约等于重叠面积，分母也是重叠面积，H ≈ 1。差异图几乎空白，|ΔH| = 0.029 ≈ 0。

4. 剖面曲线几乎重合：沿 y = 0 的剖面显示，“有像差”（红线）与"无像差"（蓝线）几乎完全重叠——因为在这个频率下，像差几乎不影响 Hopkins 积分的值。

关键洞察：DC 盲区的本质是 Δ → 0 导致 Δφ → 0，而非像差本身很小。即使像差很大（如本例中的 defocus + astigmatism），只要频率足够低，e^(iΔφ) 就恒等于 1，像差信息被完全"抹去"。

1.7.5.2. 中列（中频，Δ = 0.5）——信息丰富区：为什么差异巨大？

Δ = 0.5（光瞳半径的一半）时：

• 两个圆明显偏移，重叠区呈透镜形（overlap ≈ 69%）
• 相位差 Δφ 在重叠区内显著变化（红绿条纹），cos(Δφ) 剧烈振荡
• 像差改变了振荡模式，积分结果从 H = 1.000（无像差）暴跌到 H = 0.037（有像差）
• |ΔH| = 0.963 >> 0，这是信息最丰富的区域

1.7.5.3. 右列（高频，Δ = 1.9）——接近截止：为什么信号微弱？

Δ = 1.9 接近截止条件 Δ = 2R = 2：

• 两个圆几乎外切，重叠区只剩一条细缝（overlap 极小）
• 虽然 Δφ 变化剧烈，但可积分区域太小
• |ΔH| = 0.107，信号已大幅衰减
• 剖面图中红色 spike 只出现在极窄区间内，标注为"重叠区很小，信号微弱"

–

1.8. 中频信息区：为什么 $4 \leq r \leq 152$ px 是波前信息的主要载体

1.8.1. 重叠区面积的权衡

由 OTF 自相关表达式，OTF 在频率 $f$ 处的值来自光瞳与其平移版本的重叠区积分。设光瞳为直径 $D$ 的圆，平移量为 $\Delta = \lambda z |f|$，则重叠区面积为：

$A_{\text{overlap}}(\Delta) = 2\left(\frac{D}{2}\right)^2 \arccos\!\left(\frac{\Delta}{D}\right) - \Delta \sqrt{\left(\frac{D}{2}\right)^2 - \Delta^2} \quad (0 \leq \Delta \leq D)$

• 当 $\Delta \to 0$（$f \to 0$），$A_{\text{overlap}} \to \pi D^2/4$（整个光瞳），但相位差 $\Delta\phi \to 0$；
• 当 $\Delta \to D$（$f \to f_{\text{cutoff}}$），$A_{\text{overlap}} \to 0$，统计涨落主导；
• 当 $\Delta \approx 0.3D \text{–} 0.7D$（中频区），重叠区面积适中（$0.5 \text{–} 0.8$ 倍光瞳面积），相位差 $\Delta\phi$ 既不会太小，积分区域又足够大。

1.8.2. 各 Zernike 模式的频域灵敏度峰值

通过数值微扰分析（固定离焦，在焦臂施加 0.1 waves 单模式像差，计算 $|\Delta M_4|$ 的径向分布），各模式的灵敏度峰值频率如下：

像差模式	Zernike 符号	峰值灵敏度半径 $r_{\text{peak}}$（400 坐标）	物理解释
Tilt	$Z_1^{\pm 1}$	$r \approx 151$ px	倾斜导致像平移，PSF 平移在功率谱中产生高频干涉条纹，调制在接近截止频率处最强
Defocus	$Z_2^0$	$r \approx 8$ px	离焦为径向二次函数，在固定离焦臂参考下，低频差异最显著
Astigmatism	$Z_2^{\pm 2}$	$r \approx 151$ px	与 tilt 类似，主要在接近截止频率处调制 OTF
Coma	$Z_3^{\pm 1}$	$r \approx 8$ px	彗差的三次径向依赖使其在低频区域产生显著响应
Spherical	$Z_4^0$	$r \approx 150$ px	球差为四次径向函数，主要调制中高频 OTF

数据来源：temp_report/analyze_three_paths_comparison.py 中对 5 种低阶 Zernike 模式独立施加 0.1λ 扰动，在固定离焦臂参考下计算 $|\Delta M_4|$ 的环形平均径向分布，取最大值的频率位置。注：这些峰值位置是本系统参数下的数值结果，不同光学系统的像差灵敏度分布会有所不同。各模式灵敏度峰值的图示详见"仿真路径对比"一节中的 fig_two_paths_comparison_physical_freq.png（左子图，理想OTF径向衰减对比）。

1.9. 仿真路径对比：三条数值路径

前文通过 Hopkins 积分的严格推导得到了 OTF 的截止频率 $f_c = D/(\lambda z)$（式 (1)），并指出 DC 盲区和中频信息带的物理来源。但这些结论基于连续光瞳和理想傅里叶变换的假设。实际数值仿真中，光瞳采样的离散化、FFT 的有限尺寸、以及 PSF 的 resize 插值都会改变频域信息的实际分布。本节通过对比三条数值路径，来直观展示这些数值因素如何影响波前信息的实际分布，包括 DC 盲区的边界、理论截止频率与实际能量衰减之间的关系。

1.9.1. 三条路径的定义

路径1：高分辨率真实路径（开窗截取，像元近似匹配）

• 光瞳采样：$419 \times 419$（接近连续圆形，光瞳边缘锯齿远小于路径2）
• 零填充：将 $419 \times 419$ 的复振幅光瞳放置在 $1024 \times 1024$ 网格的中央，周围补零。零填充的作用是增加 FFT 采样密度，使 PSF 在焦平面上过采样，不引入任何插值失真
• 第一次 FFT（光瞳 → PSF）：对零填充后的 $1024 \times 1024$ 网格做 FFT，得到 $1024 \times 1024$ 的 PSF
• PSF → $400 \times 400$：从 $1024 \times 1024$ 的 PSF 中央开窗截取 $400 \times 400$，不经过任何插值。PSF 像素间隔 $\Delta t_1 = \lambda z \cdot 419 / (1024 \cdot D) \approx 4.51\ \mu$m，与 CCD 像素间隔 $4.5\ \mu$m 的误差仅 0.3%
• 第二次 FFT（PSF → OTF）：对截取的 $400 \times 400$ PSF 做 FFT，得到 $400 \times 400$ 的 OTF
• 截止像素（400 坐标）：$r_{c,1} = 400 \times 419 / 1024 \approx 163.7$ px

路径2：当前仿真路径（resize 插值，像元精确匹配）

• 光瞳采样：$51 \times 51$
• 零填充：将 $51 \times 51$ 的复振幅光瞳放置在 $256 \times 256$ 网格的中央，周围补零
• 第一次 FFT（光瞳 → PSF）：对零填充后的 $256 \times 256$ 网格做 FFT，得到 $256 \times 256$ 的 PSF
• PSF → $400 \times 400$：通过 skimage.transform.resize 将 $256 \times 256$ 的 PSF 插值到 $125 \times 125$（anti_aliasing=True），再将 $125 \times 125$ 的图像放置在 $400 \times 400$ 网格的中央，周围补零。resize 后 PSF 像素间隔 $\Delta t_2 = \lambda z \cdot 51 / (125 \cdot D) \approx 4.50\ \mu$m，精确匹配 CCD 像素间隔
• 第二次 FFT（PSF → OTF）：对 $400 \times 400$ 的 PSF 做 FFT，得到 $400 \times 400$ 的 OTF
• 截止像素（400 坐标）：$r_{c,2} = 400 \times 51 / 125 \approx 163.2$ px

路径3：高分辨率 + 微小 resize 补偿路径（像元严格匹配）

• 光瞳采样：$419 \times 419$
• 零填充：将 $419 \times 419$ 的复振幅光瞳放置在 $1024 \times 1024$ 网格的中央，周围补零
• 第一次 FFT（光瞳 → PSF）：对零填充后的 $1024 \times 1024$ 网格做 FFT，得到 $1024 \times 1024$ 的 PSF
• PSF → $400 \times 400$：从 $1024 \times 1024$ 的 PSF 中央开窗截取 $399 \times 399$，再通过 resize 插值到 $400 \times 400$。resize 缩放因子为 $400 / 399 \approx 1.0025$，极其接近 1。最终 PSF 像素间隔 $\Delta t_3 \approx 4.500\ \mu$m，与 CCD 像素间隔的误差仅 0.00%
• 第二次 FFT（PSF → OTF）：对 $400 \times 400$ 的 PSF 做 FFT，得到 $400 \times 400$ 的 OTF
• 截止像素（400 坐标）：$r_{c,3} = 400 \times 419 / 1024 \approx 163.7$ px

三条路径的核心差异在"PSF 如何得到 $400 \times 400$"这一步：路径1通过开窗截取（无插值，像元有 0.3% 误差），路径2通过大幅 resize（256→125，缩放因子 0.488），路径3通过开窗截取 + 微小 resize（399→400，缩放因子 1.0025，像元严格匹配）。

1.9.2. 物理频率的统一映射

由于三条路径的 PSF 像素间隔几乎相同（均约 $4.5\ \mu$m），它们的 400-FFT 频率分辨率也几乎一致：

$\Delta f = \frac{1}{400 \cdot \Delta t} \approx \frac{1}{400 \times 4.5 \times 10^{-6}} \approx 555.6\ \text{cycles/m}$

像素半径 $r$ 对应的物理频率为 $f = r \cdot \Delta f$。

路径	PSF 像素间隔 $\Delta t$	400-FFT 频率分辨率 $\Delta f$	截止像素 $r_c$	$r_c$ 对应物理频率
路径1	$\approx 4.51\ \mu$m	$\approx 555.6$ cycles/m	163.7 px	$f_c = 90.7$ cycles/mm
路径2	$\approx 4.50\ \mu$m	$\approx 555.6$ cycles/m	163.2 px	$f_c = 90.7$ cycles/mm
路径3	$\approx 4.50\ \mu$m	$\approx 555.6$ cycles/m	163.7 px	$f_c = 90.7$ cycles/mm

理论截止频率（与路径无关）：

$f_c = \frac{D}{\lambda z} = \frac{0.06}{530 \times 10^{-9} \times 1.24816} \approx 9.07 \times 10^{4}\ \text{cycles/m} = 90.7\ \text{cycles/mm}$

1.9.3. M4 标准差对比结果

对 100 个随机波前（低阶 Zernike 系数服从 $\mathcal{N}(0, 0.1^2)$，单位 waves）分别在三条路径下计算 M4，统计每个频率像素的标准差 $\sigma_{M_4}(f)$。

物理频率 $f$	路径1 std	路径2 std	路径3 std
70 cycles/mm	0.560	0.575	0.609
80 cycles/mm	0.683	0.683	0.760
85 cycles/mm	0.568	0.438	0.617
90 cycles/mm	0.010	0.536	0.012
91 cycles/mm	$5.4 \times 10^{-5}$	0.487	$8.7 \times 10^{-5}$
92 cycles/mm	$1.6 \times 10^{-5}$	0.435	$1.7 \times 10^{-5}$
95 cycles/mm	$4 \times 10^{-6}$	0.320	$3 \times 10^{-6}$

数值来源与复现代码：本节全部数值与图表由 temp_report/analyze_three_paths_comparison.py 生成。该脚本包含三条路径的完整实现（光瞳采样、零填充、FFT、PSF→400×400、OTF 计算、M4 标准差统计、绘图），直接运行即可复现结果：

cd temp_report && python3 analyze_three_paths_comparison.py

输出：

• fig_three_paths_comparison.png（三条路径合一对比图）
• fig_three_paths_psf_otf_m4.png（相同 Zernike 系数下的 PSF/FFT Power/M4 可视化对比）

1.9.4. 相同 Zernike 系数下的 PSF / FFT Power / M4 可视化对比

为更直观地理解三条路径的差异，下面使用同一组 Zernike 系数（$Z_1^1=0.10$, $Z_2^0=0.20$, $Z_2^{-2}=0.15$, $Z_3^1=0.10$, $Z_4^0=0.05$，单位 waves；离焦臂额外叠加 $Z_2^0=-0.50$ waves）分别计算三条路径的 PSF、FFT Power 和 M4。该离焦量与训练代码 generative_M4_model.py 中的 defocus_coefficient_um = -0.5 \times 0.530$ μm 相对应（$-0.265$ μm ≈ $-0.50$ waves）。显示方式与 test_optical_param.py 中真实数据的显示方式完全一致：PSF 经 min-max 归一化后用 gray 线性显示，FFT Power 用 log1p + hot 显示，M4 用 coolwarm 显示且固定范围为 $[-1, 1]$。

观察要点：

1. PSF：三条路径的 PSF 均显示完整的 $400 \times 400$ 窗口。路径1 和路径3 的光斑细节更丰富；路径2 由于 resize 到低分辨率，光斑有效信息只集中在中央约 $125 \times 125$ 区域内，其余区域为零填充（在统一显示方式下表现为黑色背景）。
2. FFT Power：路径1 和路径3 的能量严格限制在圆形光瞳支持域内，截止频率外几乎完全为零；路径2 在截止频率外存在明显的环形噪声伪影。
3. M4：路径1 和路径3 的 M4 在截止频率外基本干净；路径2 在截止频率外出现清晰的径向条纹状伪影——这正是其在统计上产生虚假"信息含量"的直接来源。

1.9.5. 结果解读

路径1和路径3验证了理论截止

在 $f_c = 90.7$ cycles/mm 处，路径1和路径3的 M4 标准差均从 85 cycles/mm 时的约 0.57–0.62 骤降至 90 cycles/mm 时的约 0.01，91 cycles/mm 处仅 $10^{-5}$ 量级。这完美地验证了式 (1) 的严格性：OTF 的支持域是 $|f| \leq D/(\lambda z)$，超出该范围后无论何种像差，OTF 严格为零，M4 不发生任何变化。

路径2的 resize 引入伪影——问题的根源是 resize 的缩放因子远离 1

路径2在 $f_c$ 之外仍保持显著的标准差（90 cycles/mm 处 0.54，95 cycles/mm 处 0.32），且缓慢衰减至 115 cycles/mm 仍有残余。这并非物理真实，而是 resize 插值在 PSF 中注入了超出光瞳支持域的高频分量。

关键发现来自路径3：路径3也使用了 resize，但缩放因子仅为 $400/399 \approx 1.0025$（极其接近 1），其截止频率外的行为与路径1（无 resize）几乎完全一致。这说明——

问题不在于"resize 本身"，而在于"resize 的缩放因子远离 1"。

resize（默认双线性插值）本质上是"重新采样 + 低通滤波"的组合。当缩放因子远离 1 时（如路径2的 0.488）：

1. 插值核需要在原始像素之间"创造"大量新像素，这些新像素的值是周围像素的加权平均；
2. 加权平均的过程会引入原始 PSF 中不存在的频谱成分——尤其是超出物理截止频率的高频尾部被"泄漏"到 resize 后的图像中；
3. 这些伪高频分量与随机像差耦合后，在 M4 计算的分母（$|S_o|^2 + |S_d|^2 + \varepsilon$）中被正则化项 $\varepsilon = 10^{-8}$ 放大，形成显著的数值噪声。

当缩放因子接近 1 时（如路径3的 1.0025），每个新像素几乎完全由最近邻的原始像素决定，插值核的频谱泄漏极小，伪影可以忽略。

对本项目的启示

当前训练代码（generative_M4_model.py）中的 F.interpolate(..., mode="area") 步骤与路径2的 resize 等价——都是从一个小尺寸的 PSF 大幅缩放（$\sim 0.5\times$）到 CCD 尺寸，均在 PSF 中引入了截止频率外的伪影。这直接解释了为何当前仿真中 $r > 152$ px 的区域仍存在虚假的 M4 变化——这些变化并非光学信号，而是数值插值的 artifact。

后续改进可考虑两个方向：

1. 提高光瞳采样分辨率（如 $419 \times 419$），用大尺度 FFT（$1024 \times 1024$ 或更大）生成 PSF，再辅以极小幅度的 resize（如路径3的 399→400）精确匹配 CCD 像元；
2. 在 M4 loss 中显式施加物理截止掩膜，屏蔽 $f > f_c$ 的区域，使模型不学习这些无物理意义的伪影。

1.10. M4 作为损失函数时的工程问题与改进方向

1.10.1. 当前 m4_loss 的全图等权重问题

当前的实现（train_utils.py）：

def m4_loss(sim_m4, real_m4, denoise_sigma=1.0):
    real_m4 = TVF.gaussian_blur(real_m4, kernel_size=5, sigma=denoise_sigma)
    sim_m4 = TVF.gaussian_blur(sim_m4, kernel_size=5, sigma=denoise_sigma)
    return F.smooth_l1_loss(sim_m4, real_m4)

该实现隐含地对 M4 图的所有频率像素赋予相等权重。根据上述物理分析（400 坐标），这意味着：

1. 约 0.04% 的像素（DC 盲区，$r < 4$ px）：在匹配一个理论上与像差无关、期望为零的量，浪费梯度；
2. 约 42.3% 的像素（超截止区，$r > 152$ px）：在匹配纯数值噪声或相机噪声，引入随机梯度干扰，甚至可能导致过拟合噪声伪影；
3. 仅约 **57.7% 的像素（中频带 $4 \leq r \leq 152$ px）**在真正匹配与波前像差相关的物理信息。

1.10.2. 频率掩膜的物理设计

基于本项目的光学参数（$N_p = 51$, $N_1 = 256$, $N_2 = 400$，CCD 像素间距 $4.5\,\mu\text{m}$），最优的频率掩膜为环形通带：

$\mathcal{M}(f) = \begin{cases} 1, & 4 \leq |f| \leq 152 \, \text{px} \\[6pt] 0, & \text{otherwise} \end{cases}$

内径 4 px 屏蔽 DC 盲区（本系统参数下的数值实验结果），外径 152 px 为数值实现中的有效截止半径（理论严格截止为 163 px，实际仿真中因 resize 插值模糊导致 OTF 高频能量提前衰减）。

1.10.3. 与论文实验的对照

论文第 10 页描述了实际 GRNN 训练时的关键处理：

“Only the center 256 x 256 pixels from each image were used to calculate M4… The elements contain either dc and low-frequency components that have no phase information or they are noise elements that are outside of the system cutoff frequency. By calculating the standard deviation of each element across the 343 arrays, we selected a subset of only the most significant elements. The 100 elements with the highest standard deviation were chosen from each array.”

这与数值分析完全一致：论文作者通过统计方法（跨样本标准差）自动发现了"中频信息带"的存在，并仅使用这 100 个元素作为神经网络输入。全图共 $256 \times 256 = 65536$ 像素，仅 100 个（0.15%）被选中——这本身就证明了绝大多数频率像素是无信息的。

1.10.4. 噪声谱扣除的必要性

1.10.4.1. 理论依据：超截止区 M4 期望严格为零

M4 定义：

$M_4(f) = \frac{|S_o(f)|^2 - |S_d(f)|^2}{|S_o(f)|^2 + |S_d(f)|^2 + \varepsilon}$

在非相干成像模型下，焦面和离焦面 OTF 的支持域均严格限制在光学截止频率内：

$H_o(f) = H_d(f) = 0, \quad |f| > f_c = \frac{D}{\lambda z}$

因此真实信号在超截止区满足：

$|S_o^{\text{true}}(f)|^2 = |S_d^{\text{true}}(f)|^2 = 0, \quad |f| > f_c$

从而**

$M_4^{\text{true}}(f) = 0, \quad |f| > f_c$

这是高频四角区域偏置估计的根本依据：四角区域测得的任何非零 $M_4$ 值都不可能来自真实光学信号，只能来自噪声、数值 artifact 或系统偏置。

1.10.4.2. 噪声如何产生偏置

设采集到的频谱包含加性噪声：

$S_o = S_o^{\text{true}} + N_o, \quad S_d = S_d^{\text{true}} + N_d$

分子中的噪声：

$|S_o|^2 - |S_d|^2 = \underbrace{|S_o^{\text{true}}|^2 - |S_d^{\text{true}}|^2}_{\text{信号项}} + \underbrace{|N_o|^2 - |N_d|^2}_{\text{噪声功率差}} + \underbrace{2\text{Re}\left(S_o^{\text{true}}N_o^* - S_d^{\text{true}}N_d^*\right)}_{\text{信号-噪声交叉项}}$

如果噪声零均值、独立同分布，噪声功率差与交叉项的期望均为零。因此分子中噪声在期望意义上相互抵消。

分母中的噪声：

$|S_o|^2 + |S_d|^2 = \underbrace{|S_o^{\text{true}}|^2 + |S_d^{\text{true}}|^2}_{\text{信号功率和}} + \underbrace{|N_o|^2 + |N_d|^2}_{\text{噪声功率和}} + \underbrace{2\text{Re}\left(S_o^{\text{true}}N_o^* + S_d^{\text{true}}N_d^*\right)}_{\text{交叉项}}$

交叉项期望仍为零，但噪声功率和期望不为零，而是累加。这导致：

$M_4(f) = \frac{\text{信号差}}{\text{信号和} + \text{噪声和} + \varepsilon}$

分母被噪声"撑大"，把 $M_4$ 向零压缩。更关键的是，如果两臂噪声功率不相等（例如探测器增益不一致、归一化引入非对称性），分子的期望也不为零，产生一个全局或低频偏置 $b$。

1.10.4.3. 四角区域偏置估计的数学模型

在超截止区 $|f| > f_c$，真实信号为零，观测值可建模为：

$M_4^{\text{obs}}(f) = b + n(f), \quad |f| > f_c$

其中 $b$ 是全局/低频偏置，$n(f)$ 是随机噪声。设 $\Omega_c$ 为四角高频区域，则偏置估计为：

$\hat{b} = \underset{f \in \Omega_c}{\text{median}} \left[ M_4^{\text{obs}}(f) \right]$

扣除后的 M4 为：

$\tilde{M}_4(f) = M_4^{\text{obs}}(f) - \hat{b}$

工程实现：

def estimate_m4_bias(m4, corner=8):
    # m4 shape: [B, 1, H, W]
    corners = torch.cat([
        m4[..., :corner, :corner].flatten(start_dim=2),
        m4[..., :corner, -corner:].flatten(start_dim=2),
        m4[..., -corner:, :corner].flatten(start_dim=2),
        m4[..., -corner:, -corner:].flatten(start_dim=2),
    ], dim=2)
    bias = corners.median(dim=2, keepdim=True)[0].view(-1, 1, 1, 1)
    return bias

1.10.4.4. 有效性分析

有效的情况：

1. 全局/低频偏置占主导：$b$ 在全图近似恒定或变化缓慢；
2. 两臂噪声功率不平衡：例如焦面与离焦面探测器增益不同，或 dataset.py 中逐样本 min-max 归一化破坏了对称性；
3. 超截止区干净：没有 resize 插值泄漏等结构化 artifact，噪声统计近似平稳。

有限或无效的情况：

1. 偏置频率相关：若噪声功率谱不是白谱，$b(f)$ 随频率变化，全局扣除会欠扣除或过扣除；
2. 超截止区被 resize 污染：resize 插值会在 $f > f_c$ 引入与像差耦合的伪影，这些不是白噪声，当作偏置扣除可能误伤中频；
3. 噪声极低：SNR 很高时偏置本身很小，扣除收益有限；
4. 非高斯/非加性噪声：读出噪声、光子噪声统计复杂，简单中位数估计可能不准确。

1.10.4.5. 频谱泄漏与噪声偏置的区分

必须严格区分超截止区非零值的两个不同来源，因为它们的处理方法完全不同。

来源一：噪声偏置（适合四角扣除）

真实数据中的相机噪声、读出噪声以及 dataset.py 中逐样本 min-max 归一化，会在 M4 分母中引入额外的功率项。如果焦面和离焦面两臂的噪声功率不完全平衡，就会产生一个近似加性、全局或低频变化的偏置 $b$。这种偏置的关键特征是：

• 不携带波前像差信息；
• 在超截止区近似均匀（白噪声功率谱近似常数）；
• 通过高频四角估计并全局扣除后，中频带的物理信号不会被扭曲。

来源二：仿真频谱泄漏（不适合简单四角扣除）

仿真中的超截止区非零值往往来自光瞳边缘离散化、圆形孔径在矩形 FFT 网格上的采样、以及 Zernike 高阶模式在 pupil 边界处的截断。这些成分的共同特征是：

• 结构化：呈现 sinc 旁瓣、径向条纹等模式，不是白噪声；
• 与像差相关：不同波前、不同像差组合下，泄漏 pattern 会变化；
• 非均匀：在超截止区内不是常数，而是随频率位置变化。

如果用四角中位数估计一个全局 $\hat{b}$ 并扣除，会把这种结构性泄漏误当作均匀偏置去除，可能扭曲中频带的物理信号。更严重的是，如果泄漏强度随像差变化，扣除它相当于从损失函数中移除了部分本应由模型学习补偿的内容。

判断标准：

特征	噪声偏置	频谱泄漏
来源	真实数据相机噪声、归一化	仿真离散化、 pupil 边缘采样
空间分布	近似均匀/低频	结构化 sinc/条纹
与像差相关性	弱	强
对扣除的响应	安全有效	可能扭曲信号
正确处理方法	四角偏置扣除	增大 $N_p$、优化 pupil mask、避免 resize

因此，在引入四角偏置扣除前，必须先确认仿真 M4 在超截止区足够干净。如果仿真本身存在显著频谱泄漏，应优先修复仿真，而不是用扣除掩盖。

1.10.4.6. 偏置扣除是否影响截止区内？

这是一个关键问题。由于损失函数最终会对截止区外置零（频率掩膜），单独改善截止区外的 $M_4$ 值本身没有意义。偏置扣除的价值完全取决于它是否能改善截止区内的信号比较。

假设观测到的 M4 可写为：

$M_4^{\text{obs}}(f) = M_4^{\text{true}}(f) + b(f) + n(f)$

其中 $b(f)$ 是偏置，$n(f)$ 是随机噪声。从截止区外估计 $\hat{b}$ 并全图扣除后：

$\tilde{M}_4(f) = M_4^{\text{true}}(f) + (b(f) - \hat{b}) + n(f)$

情况一：$b(f)$ 是严格常数，且仿真与真实数据相同

偏置扣除不改变仿真与真实数据的差值。Smooth L1 损失对常数偏置的梯度为零。因此偏置扣除完全不影响训练，没有必要。

情况二：$b(f)$ 是严格常数，但仿真与真实数据不同

例如真实数据有相机噪声偏置，仿真无偏置。此时损失函数会有一个常数偏移，但梯度仍不受影响。偏置扣除改善损失数值，不影响优化方向。

情况三：$b(f)$ 随样本变化（非严格常数）

例如 dataset.py 中逐样本 min-max 归一化导致每个样本的偏置不同。此时偏置进入损失函数的梯度：

$\frac{\partial \mathcal{L}}{\partial \theta} = \frac{1}{|\Omega_{\text{mask}}|} \sum_{f \in \Omega_{\text{mask}}} \text{sign}\left(\tilde{M}_4^{\text{sim}} - \tilde{M}_4^{\text{real}}\right) \cdot \frac{\partial \tilde{M}_4^{\text{sim}}}{\partial \theta}$

样本相关的偏置会随机改变 $\tilde{M}_4^{\text{real}}$，导致梯度符号翻转，引入错误更新。此时偏置扣除是必要的。

情况四：$b(f)$ 是频谱泄漏（结构化）

如前所述，频谱泄漏不是常数偏置。用四角中位数估计 $\hat{b}$ 并全图扣除，会扭曲中频区的物理信号。此时偏置扣除有害。

1.10.4.6.1. 小结

场景	是否需要偏置扣除	原因
仅使用频率掩膜，无显著全局偏置	不需要	截止区外已被屏蔽，中频区不受影响
真实数据存在样本相关的全局偏置	需要	污染中频区梯度
真实数据存在严格常数偏置	可选	改善损失数值，不影响优化
仿真存在显著频谱泄漏	不应扣除	会扭曲中频信号

因此，偏置扣除不是改善截止区外，而是去除可能泄漏到中频区的样本相关偏置。 在已经使用频率掩膜的前提下，如果真实数据的预处理已经规范、样本间偏置稳定，偏置扣除的收益可能有限。

1.10.4.7. 与频率掩膜的关系

四角偏置扣除不能替代环形频率掩膜：

• 偏置扣除：解决系统性偏移（bias），主要针对样本相关的真实数据噪声；
• 频率掩膜：解决随机噪声和伪影（variance），对仿真泄漏和真实噪声都适用。

最佳实践是先确保仿真无显著泄漏，再考虑扣除偏置，最后施加掩膜。

def m4_loss(sim_m4, real_m4, mask, denoise_sigma=1.0):
    # 1) 估计并扣除四角偏置
    sim_m4 = sim_m4 - estimate_m4_bias(sim_m4)
    real_m4 = real_m4 - estimate_m4_bias(real_m4)
    # 2) 高斯平滑去噪
    real_m4 = TVF.gaussian_blur(real_m4, kernel_size=5, sigma=denoise_sigma)
    sim_m4 = TVF.gaussian_blur(sim_m4, kernel_size=5, sigma=denoise_sigma)
    # 3) 环形频率掩膜
    return F.smooth_l1_loss(sim_m4 * mask, real_m4 * mask)

这样可以同时消除系统偏移和随机噪声干扰。

1.10.5. 基于实测 rawdata 的诊断

为了验证上述理论分析，我们对 temp_m4_nosie/test_results_latest_temp/test/raw_data/ 中保存的仿真与真实 M4 进行了定量诊断。该目录包含同一组测试样本在三种状态下的输出：

• *_m4_init.npy：训练后模型直接前向传播的仿真 M4；
• *_m4_real.npy：真实采集数据计算得到的 M4；
• *_m4_train.npy：经过端到端训练优化后的仿真 M4。

1.10.5.1. 诊断方法

取四角高频区域（每角 $32 \times 32$ 像素，共 $4 \times 32^2 = 4096$ 像素）作为超截止区样本，计算其均值、中位数和标准差；同时计算环形频率掩膜内中频带的统计量。

1.10.5.2. 诊断结果

表 1：M4 四角区域统计量（超截止区）

类型	corner mean	corner median	corner std
init（仿真）	+0.47	+0.48	0.01
real（真实）	-0.02	-0.02	0.20
train（优化后仿真）	-0.11	-0.14	0.23

init 的四角值高度稳定（标准差仅 0.01），强烈表明它不是随机噪声，而是系统性 artifact。

下图直观展示了这一现象。上行是三种 M4 的全图，可见 init 在截止频率外呈现均匀的红色（约 +1.0），而 real 和 train 的截止频率外接近零。下行是右下角 $40 \times 40$ 像素的放大，更清楚地显示 init 四角为纯色，real 为随机噪声，train 已被优化到接近零。

图注：batch_0000_sample_00 的 M4 全图（上行）与右下角放大（下行）。颜色范围固定为 $[-1, 1]$。init 的四角高频区域呈纯色（~+1.0），证实其为系统性 artifact；real 的四角为随机噪声；train 的四角已被模型抑制。

表 2：四角区域焦面/离焦面 FFT power 对比

类型	焦面 $\vert S_o \vert^2$	离焦面 $\vert S_d \vert^2$	推得 M4
init	$4.1 \times 10^{-4}$	$1.2 \times 10^{-22}$	≈ 1.0
real	$2.4 \times 10^{-2}$	$2.2 \times 10^{-2}$	≈ 0.04
train	$3.0 \times 10^{-17}$	$1.9 \times 10^{-16}$	≈ 0

1.10.5.3. 关键发现

1. 仿真 init 的超截止区 M4 接近 +1.0，原因是焦面 FFT power 在超截止区有 $4.1 \times 10^{-4}$ 的能量，而离焦面几乎为零。根据 M4 定义：

$M_4 = \frac{|S_o|^2 - |S_d|^2}{|S_o|^2 + |S_d|^2 + \varepsilon} \approx \frac{4.1 \times 10^{-4}}{4.1 \times 10^{-4} + 10^{-8}} \approx 1.0$

2. 真实数据的两臂功率量级相当（都在 $10^{-2}$），因此 M4 接近 0。这是典型的相机噪声特征：两路噪声功率近似平衡。

3. 训练后的仿真两臂功率都极低（$10^{-16} \sim 10^{-17}$），说明模型已经学会抑制焦面超截止区泄漏。

下图给出了径向平均分布，进一步验证上述结论。蓝色曲线（init）在 $r \approx 152$ px 后迅速跳升至 +1.0 并保持；橙色曲线（real）和绿色曲线（train）在截止区外均接近零。

图注：三种 M4 的径向平均曲线（阴影为标准差）。虚线 $r=152$ px 为当前频率掩膜外径，点线 $r=163$ px 为理论光学截止。init 在截止区外 M4 ≈ +1.0，train 被优化到接近 0，real 的截止区外接近噪声基线。

1.10.5.4. 结论：这是频谱泄漏，不是噪声

综合表 1 和表 2，仿真 init 的超截止区非零值不符合噪声偏置的特征：

• 噪声应该是随机的、两臂功率相当的；
• 而这里表现为焦面单臂有稳定能量、离焦面几乎为零，这是焦面 PSF 的频谱泄漏。

可能的泄漏来源包括：

• 逐样本、逐通道 min-max 归一化破坏了两臂能量比例；
• detector 高斯核或软饱和参数 sat_focus/sat_defocus 不对称；
• grid_sample 空间仿射变换引入插值高频；
• 光瞳边缘离散化导致的焦面 PSF ringing。

1.10.6. 真实数据去噪方法对比

除了对仿真泄漏的诊断，我们还定量测试了多种针对真实 M4 的去噪/扣除方法，目标是在不损失中频物理信号的前提下抑制噪声。

1.10.6.1. 测试方法

以 batch_0000_sample_00 的真实 M4 为例，测试以下四种方法：

1. 四角偏置扣除：从 M4 全图减去四角中位数估计的偏置 $\hat{b}$；
2. FFT 功率谱扣除：分别从焦面/离焦面功率谱中减去四角估计的噪声功率，再重新计算 M4；
3. 高斯平滑：对 M4 做不同 $\sigma$ 的高斯平滑；
4. 双边滤波：保边去噪，作为高斯平滑的替代。

1.10.6.2. 方法 1：四角偏置扣除

对真实 M4 估计四角中位数：

$\hat{b} = \text{median}(M_4^{\text{real}}(\Omega_c)) = 0.011$

该偏置非常小。扣除后：

频段	原始 std	偏置扣除后 std
low (4–50 px)	0.593	0.593
mid (50–100 px)	0.573	0.573
high (100–152 px)	0.478	0.478

结论：标准差完全不变，仅整体平移了 0.011。真实数据的四角偏置极小，全局扣除没有意义。

1.10.6.3. 方法 2：FFT 功率谱扣除

从焦面和离焦面功率谱中分别减去四角估计的噪声功率：

$\vert S_o' \vert^2 = \max(\vert S_o \vert^2 - \hat{N}_o, 0), \quad \vert S_d' \vert^2 = \max(\vert S_d \vert^2 - \hat{N}_d, 0)$

再重新计算 M4：

频段	原始 std	功率谱扣除后 std
low (4–50 px)	0.593	0.789
mid (50–100 px)	0.573	0.735
high (100–152 px)	0.478	0.684

结论：标准差反而增大。独立估计两路噪声功率并相减会引入额外方差，对本数据有害。

1.10.6.4. 方法 3：高斯平滑

对真实 M4 做不同 $\sigma$ 的高斯平滑：

$\sigma$	low std	mid std	high std
0（原始）	0.593	0.573	0.478
0.5	0.587	0.569	0.474
1.0	0.568	0.557	0.460
1.5	0.543	0.541	0.443
2.0	0.514	0.525	0.425
3.0	0.455	0.492	0.392

结论：高斯平滑能有效降低各频段标准差，且均值保持不变。$\sigma = 1.0 \sim 1.5$ 是较好折中：太小去噪效果不明显，太大则模糊中频细节。

1.10.6.5. 方法 4：双边滤波

双边滤波在抑制噪声的同时保留边缘：

频段	原始 std	双边滤波后 std
low (4–50 px)	0.593	0.569
mid (50–100 px)	0.573	0.556
high (100–152 px)	0.478	0.444

效果与 $\sigma \approx 1.0 \sim 1.5$ 的高斯平滑接近，但计算成本显著更高。

1.10.6.6. 可视化对比

下图对比了原始 M4、四角偏置扣除、功率谱扣除和高斯平滑（$\sigma=1.5$）的效果。可以清楚看到：功率谱扣除引入了严重的雪花噪声，而高斯平滑在保留中频结构的同时有效抑制了噪声。

图注：真实 M4 的四种处理方法对比。上行全图，下行中心 $120 \times 120$ 放大。功率谱扣除显著放大了噪声；高斯平滑使 M4 更干净且保留了主要结构。

下图进一步对比了不同 $\sigma$ 高斯平滑与双边滤波的效果：

图注：真实 M4 在不同高斯平滑参数和双边滤波下的效果。$\sigma=1.0 \sim 1.5$ 在噪声抑制与细节保留之间取得较好平衡；$\sigma=2.0$ 开始过度平滑；双边滤波效果接近高斯平滑。

1.10.6.7. 去噪结论

1. 真实数据的"噪声"主要表现为中频随机波动，不是全局偏置。因此：

   • 四角偏置扣除无效；
   • FFT 功率谱扣除有害；
   • 高斯平滑是当前最合适的去噪手段。

2. 当前 m4_loss 中的 TVF.gaussian_blur(real_m4, kernel_size=5, sigma=denoise_sigma) 是合理的。可将 denoise_sigma 从默认值 1.0 尝试调整到 1.5，在抑制噪声和保留细节之间取得更好平衡。

3. 若计算资源允许，双边滤波可作为高斯平滑的替代，但收益有限，且需要引入 skimage 依赖。

4. 根本解决方案：改善真实数据采集质量（更长曝光、更低噪声相机）或增加训练样本数量，从数据源头降低噪声。

1.10.6.8. 处理方向

简单用四角中位数估计全局偏置并扣除并不可取。因为这会把这个结构性泄漏当作均匀偏置处理，可能扭曲中频区的物理信号。

可行做法（按优先级）：

1. 优先修复仿真源头

   • 检查 min-max 归一化：当前代码对每个样本、每个通道（焦/离焦）分别归一化，可能破坏能量比例。可改为联合归一化或按总能量归一化。
   • 检查 detector 参数：确保焦面和离焦面的高斯 sigma、软饱和阈值对称。
   • 检查 grid_sample 引入的高频 artifact。

2. 临时措施：收紧频率掩膜 如果暂时无法修复源头，可将环形掩膜外径从 152 px 降到 140~145 px，避免使用截止区边缘可能被泄漏污染的区域。

3. 若必须做偏置扣除 只对真实数据做四角偏置扣除（因为真实数据的四角接近白噪声，存在样本间偏置），而不对仿真数据扣除（因为仿真的是结构化泄漏）。但这也只能改善真实数据的基线，不能解决仿真泄漏问题。

1.11. 结论

M4 的频域信息分布并非均匀，而是由光学传递函数的数学结构严格决定：

1. DC 盲区（$r < 4$ px）：Zernike 像差（除活塞外）在单位圆上的面积分为零，导致 OTF 在零频附近对像差不敏感。本系统的数值实验表明该区域 M4 标准差占比仅 0.21%。注：DC 盲区的边界是系统相关的经验值，依赖于像差大小与阈值选择。

2. 中频信息带（$4 \leq r \leq 152$ px）：光瞳自相关重叠区在此范围内既足够大（统计稳定）又充分展现相位差（像差调制显著），是 $M_4$ 携带波前信息的唯一有效区域。本系统统计占比约 85.1%。

3. 超截止区（$r > 152$ px）：OTF 的能量在此区域已衰减至可忽略（数值实现中的有效截止）。理论严格截止为 163 px（见式 (1)），但实际仿真中因离散采样与 resize 插值模糊，152 px 以外已基本没有光学信号，仅剩数值噪声与相机噪声。本系统统计占比约 14.7%。

工程实现：m4_loss 引入环形频率掩膜（内径 4 px，外径 152 px），可屏蔽 DC 盲区和超截止噪声区。否则模型将约 42% 的梯度浪费在拟合无物理意义的噪声上，这是 M4 Loss 收敛效率受限的重要原因之一。

1.12. 附录：Zernike 光瞳直径像素数 $N_p$ 的物理约束

1.12.1. 核心观点

resize 因子的作用，是补偿光瞳采样数 $N_p$ 与 FFT 尺寸 $N_{\text{fft}}$ 之间比例的不匹配。

当 resize 因子等于 1 时，说明 $N_p$ 与 $N_{\text{fft}}$ 的比例正好与真实光学系统的参数匹配，仿真输出的 PSF 像素间距天然等于 CCD 像素间距，不需要任何插值补偿。

当 resize 因子不等于 1 时，说明 $N_p$ 选得不合适——它相对于 $N_{\text{fft}}$ 过大或过小，导致仿真 PSF 的像素尺度与 CCD 不匹配，必须通过 resize（插值）来补偿。

1.12.2. 仿真 PSF 的像素间距

在基于 FFT 的光学仿真中，光瞳平面用 $N_p \times N_p$ 网格采样，FFT 尺寸为 $N_{\text{fft}} \times N_{\text{fft}}$。仿真输出的 PSF 像素间距为

$\Delta t_{\text{sim}} = \frac{\lambda z N_p}{D \, N_{\text{fft}}}$

其中：

• $\lambda$ 为波长；
• $z$ 为成像焦距；
• $D$ 为光瞳物理直径；
• $N_p$ 为光瞳直径方向采样数；
• $N_{\text{fft}}$ 为 FFT 尺寸。

这个公式的物理含义是：光瞳网格间隔为 $D/N_p$，经过傅里叶变换后，焦平面的采样间隔与光瞳总宽度成反比，比例系数为 $\lambda z$。

1.12.3. resize 因子的定义

真实 CCD 的像素间距为 $\Delta t_{\text{CCD}}$。定义 resize 因子为仿真 PSF 像素间距与 CCD 像素间距之比：

$\alpha = \frac{\Delta t_{\text{sim}}}{\Delta t_{\text{CCD}}} = \frac{\lambda z N_p}{D \, N_{\text{fft}} \, \Delta t_{\text{CCD}}}$

1.12.4. resize=1 的物理意义

当 $\alpha = 1$ 时：

$\frac{N_p}{N_{\text{fft}}} = \frac{D \, \Delta t_{\text{CCD}}}{\lambda z}$

这意味着：

• 仿真 PSF 的像素间距 精确等于 CCD 像素间距；
• 仿真输出的 $N_{\text{fft}} \times N_{\text{fft}}$ 图像，可以直接截取中心 $N_{\text{psf}} \times N_{\text{psf}}$ 区域作为 CCD 图像；
• 不需要任何 resize 插值。

因此，resize=1 是 $N_p$ 与 $N_{\text{fft}}$ 比例恰到好处的标志：$N_p$ 选得刚好让仿真 PSF 的尺度与真实 CCD 尺度一致。

1.12.5. resize≠1 时的补偿机制

当 $N_p$ 与 $N_{\text{fft}}$ 的比例偏离理想值时，$\alpha \neq 1$，仿真 PSF 的像素尺度与 CCD 不匹配。

1.12.5.1. 情况一：$N_p$ 过小，$\alpha < 1$

$\Delta t_{\text{sim}} < \Delta t_{\text{CCD}}$

仿真 PSF 的每个像素代表的真实尺寸比 CCD 像素小。为了与真实 CCD 图像比较，需要把仿真 PSF 放大（upsample）。这就是 resize 的补偿作用。

1.12.5.2. 情况二：$N_p$ 过大，$\alpha > 1$

$\Delta t_{\text{sim}} > \Delta t_{\text{CCD}}$

仿真 PSF 的每个像素代表的真实尺寸比 CCD 像素大。为了与真实 CCD 图像比较，需要把仿真 PSF 缩小（downsample）。

1.12.5.3. 总结

resize 因子	含义	$N_p$ 是否合适	需要的补偿
$\alpha = 1$	仿真像素尺度 = CCD 像素尺度	合适	无需补偿
$\alpha < 1$	仿真像素尺度 < CCD 像素尺度	$N_p$ 相对 $N_{\text{fft}}$ 过小	放大（upsample）
$\alpha > 1$	仿真像素尺度 > CCD 像素尺度	$N_p$ 相对 $N_{\text{fft}}$ 过大	缩小（downsample）

因此，resize 的本质就是对 $N_p$ 选择不当导致尺度偏差的补偿。

1.12.6. 为什么 $N_p$ 不能任意小

虽然 resize 可以补偿 $\alpha \neq 1$ 带来的尺度问题，但它不能补偿光瞳内的欠采样。

当 $N_p$ 过小时：

• 光瞳内的连续波前被粗糙网格采样，高频成分丢失；
• 这些高频信息在采样时已经损失，后续的 resize 插值无法恢复；
• 仿真 PSF 会比真实 PSF 更光滑、缺少细节；
• 即使通过 resize 把尺度放大到 CCD 尺寸，丢失的高频信息也找不回来。

因此，$N_p$ 除了要让 $\alpha = 1$ 外，还必须满足光瞳采样定理：

$N_p \geq 2 \cdot f_{\max}^{\text{pupil}}$

其中 $f_{\max}^{\text{pupil}}$ 是模型中需要表示的最高光瞳空间频率（cycles/pupil）。

重要说明：$f_{\max}^{\text{pupil}}$ 不是真实光路系统的物理限制。真实连续光瞳波前 $\phi(x)$ 理论上可以包含任意高的空间频率，实际光路中并不存在一个硬性上界。我们引入 $f_{\max}^{\text{pupil}}$，只是因为我们无法数值表示无限带宽的波前，必须用一个有限频率范围的模型去近似真实波前。这个上限完全由我们的建模假设决定：

• 如果采用低阶 Zernike 展开，$f_{\max}^{\text{pupil}}$ 由最高阶模式决定；
• 如果采用 M4 的 HF phase 模型并假设最高 45 cycles/pupil，则 $f_{\max}^{\text{pupil}} = 45$；
• 如果我们相信真实波前包含更高频率的成分，就需要相应提高 $f_{\max}^{\text{pupil}}$，从而要求更大的 $N_p$。

因此，$N_p \geq 2 f_{\max}^{\text{pupil}}$ 本质上是在问：我们的模型想表示多精细的光瞳波前？ 答案决定了采样网格的密度。

1.12.7. 确定 $N_{\text{fft}}$ 和 $N_p$ 的完整流程

1.12.7.1. 步骤 1：由真实 PSF 频率确定 $N_{\text{fft}}$

真实 PSF 的频率上限由光学系统物理参数决定：

$f_c = \frac{D}{\lambda z}$

转换为 CCD 像素坐标下的截止半径：

$r_c = \frac{f_c}{\Delta f_{\text{CCD}}} = \frac{D \, N_{\text{psf}} \, \Delta t_{\text{CCD}}}{\lambda z}$

为了让仿真 FFT 覆盖真实 PSF 频率，需要

$N_{\text{fft}} \geq 2 \, r_c$

同时 $N_{\text{fft}} \geq N_{\text{psf}}$，工程上取 2 的幂次。

1.12.7.2. 步骤 2：由 resize=1 确定理想 $N_p$

令 $\alpha = 1$，得到

$N_p = N_{\text{fft}} \cdot \frac{D \, \Delta t_{\text{CCD}}}{\lambda z} = N_{\text{fft}} \cdot k$

其中

$k = \frac{D \, \Delta t_{\text{CCD}}}{\lambda z}$

此时 $N_p$ 与 $N_{\text{fft}}$ 的比例恰好匹配真实光路，无需 resize 补偿。

1.12.7.2.1. 参数 $k$ 的物理意义

$k$ 是一个无量纲参数，在本文推导中反复出现。它有四层等价含义：

1. 光瞳采样点数与 FFT 网格尺寸之比

由 resize=1 条件直接得到：

$\frac{N_p}{N_{\text{fft}}} = k$

即 FFT 网格中有比例为 $k$ 的点用于表示光瞳。

2. CCD 像素间距与衍射极限特征尺度之比

由于 $\lambda z / D$ 是焦平面上衍射极限的特征尺度（具有长度量纲），它与艾里斑尺寸同量级，但不含 $1.22$ 或 $2.44$ 等几何系数。因此

$k = \frac{\Delta t_{\text{CCD}}}{\lambda z / D}$

即 $k$ 是 CCD 像素间距相对于衍射极限特征尺度的无量纲比值。$k$ 越小，说明 CCD 采样越密，每个衍射斑内的像素数越多。

为便于直观理解：

• 艾里斑第一暗环半径 $r_{\text{Airy}} = 1.22 \, \lambda z / D$；
• 艾里斑第一暗环直径 $d_{\text{Airy}} = 2.44 \, \lambda z / D$；
• 当 $k = 0.5$ 时，$\lambda z / D = 2 \, \Delta t_{\text{CCD}}$，即衍射极限特征尺度对应 2 个像素，而艾里斑第一暗环直径对应约 $2.44 \times 2 = 4.88$ 个像素。

3. 光学截止频率与 CCD 奈奎斯特频率之比

光学截止频率为 $f_c = D/(\lambda z)$，CCD 奈奎斯特频率为 $f_{\max}^{\text{CCD}} = 1/(2\Delta t_{\text{CCD}})$。二者之比为

$\frac{f_c}{f_{\max}^{\text{CCD}}} = \frac{D/(\lambda z)}{1/(2\Delta t_{\text{CCD}})} = 2 \cdot \frac{D \Delta t_{\text{CCD}}}{\lambda z} = 2k$

因此

$k = \frac{1}{2} \cdot \frac{f_c}{f_{\max}^{\text{CCD}}}$

这说明 $k$ 直接反映了光学系统分辨率与 CCD 采样能力之间的相对关系：

• $k = 0.5$：$f_c = f_{\max}^{\text{CCD}}$，光学截止频率刚好等于 CCD 奈奎斯特频率；
• $k < 0.5$：$f_c < f_{\max}^{\text{CCD}}$，光学系统是瓶颈，CCD 没有浪费光学分辨率；
• $k > 0.5$：$f_c > f_{\max}^{\text{CCD}}$，CCD 是瓶颈，真实系统能分辨的最高频率由 CCD 决定，而不是由光学系统决定。

4. 判断系统是光学限制还是 CCD 限制的关键判据

综合以上三点，$k$ 是连接光瞳采样、焦平面采样和系统频率瓶颈的枢纽参数。在后续讨论采样定理时，$k \leq 0.5$ 等价于 CCD 满足奈奎斯特采样定理；$N_{\text{psf}} \gg 1/k$ 等价于 PSF 窗口足够覆盖艾里斑能量。

1.12.7.3. 步骤 3：验证光瞳采样定理

$N_p \geq 2 \cdot f_{\max}^{\text{pupil}}$

若不满足，需要增大 $N_{\text{fft}}$ 并重新计算 $N_p$。

1.12.8. 当前系统数值验证

• $D = 60 \ \text{mm}$
• $\lambda = 530 \ \text{nm}$
• $z = 1248.16 \ \text{mm}$
• $\Delta t_{\text{CCD}} = 4.5 \ \mu\text{m}$
• $N_{\text{psf}} = 400$

1.12.8.1. 计算 $N_{\text{fft}}$

$f_c = \frac{D}{\lambda z} \approx 9.07 \times 10^4 \ \text{cycles/m}$

$r_c = \frac{D \, N_{\text{psf}} \, \Delta t_{\text{CCD}}}{\lambda z} = \frac{60 \times 10^{-3} \times 400 \times 4.5 \times 10^{-6}}{530 \times 10^{-9} \times 1248.16 \times 10^{-3}} \approx 163 \ \text{px}$

$N_{\text{fft}} \geq \max(2 r_c, \ N_{\text{psf}}) = \max(326, \ 400) = 400$

取 2 的幂次：

$N_{\text{fft}} = 512$

1.12.8.2. 计算理想 $N_p$

$k = \frac{D \, \Delta t_{\text{CCD}}}{\lambda z} = \frac{60 \times 10^{-3} \times 4.5 \times 10^{-6}}{530 \times 10^{-9} \times 1248.16 \times 10^{-3}} \approx 0.408$

$N_p = N_{\text{fft}} \cdot k = 512 \times 0.408 \approx 209$

此时 resize 因子

$\alpha = \frac{\lambda z N_p}{D \, N_{\text{fft}} \, \Delta t_{\text{CCD}}} = \frac{N_p}{N_{\text{fft}} \cdot k} = 1$

1.12.8.3. 验证光瞳采样定理

• 63 个 Zernike 模式最高到 $n=10$，要求 $N_p \geq 20$；
• HF phase 最高 45 cycles/pupil，要求 $N_p \geq 90$；
• 当前 $N_p = 209$，两个条件都满足。

1.12.9. 结论

• resize 因子的作用就是补偿 $N_p$ 与 $N_{\text{fft}}$ 比例的不匹配；
• resize=1 说明 $N_p$ 与 $N_{\text{fft}}$ 的比例正好匹配真实光路，仿真 PSF 的像素尺度与 CCD 天然一致，无需插值；
• $N_p$ 的绝对大小还要满足光瞳采样定理，以保证真实波前中的高频成分能够被表示；
• 当前系统的 $N_p = 209$、$N_{\text{fft}} = 512$ 同时满足：焦平面频率覆盖、resize=1 尺度匹配、以及光瞳采样定理。

1.12.10. 真实光学系统中是否存在 $N_p$ 的理论值？

一个自然的问题是：既然真实光学系统中也存在光瞳到焦平面的傅里叶变换，那么光瞳采样数 $N_p$ 是否也有一个"理论值"？

1.12.10.1. 真实光路中的尺度对应

在真实光学系统中：

• 光瞳是连续的，直径为 $D$；
• CCD 是离散的，像素间距为 $\Delta t_{\text{CCD}}$；
• 聚焦透镜实现光瞳平面到焦平面的傅里叶变换。

1.12.10.1.1. 两类频率的区分

需要区分两类频率：

1. 焦平面空间频率 $f$：描述 PSF 光强在焦平面上随位置变化的快慢，单位 cycles/m；
2. 光瞳面波前空间频率 $u$：描述波前相位 $\phi(x)$ 在光瞳平面上随位置变化的快慢，单位 cycles/m 或 cycles/pupil。

二者不是同一个概念。

1.12.10.1.2. 傅里叶变换建立的对应关系

根据夫琅禾费衍射的对合性（正文第 3 节详细推导），存在两组对应关系：

• 光瞳频率 $u$ 对应焦平面位置 $t$：

  $t = u \cdot \lambda z$

• 焦平面频率 $f$ 对应光瞳位置 $x$：

  $x = -f \cdot \lambda z$

区分要点在于：光瞳频率对应焦平面位置，焦平面频率对应光瞳位置。二者通过傅里叶变换互相映射到对方的位置空间，而不是频率空间直接对应。

1.12.10.1.3. 几个关键频率/位置的对应

光学截止频率 $f_c = D/(\lambda z)$ 是焦平面频率，它对应光瞳上的位置：

$x_c = -f_c \cdot \lambda z = -D$

即光瞳边缘（负号表示方向）。

CCD 能分辨的最高焦平面频率为

$f_{\max}^{\text{CCD}} = \frac{1}{2 \Delta t_{\text{CCD}}}$

它对应光瞳上的位置：

$x_{\max}^{\text{CCD}} = f_{\max}^{\text{CCD}} \cdot \lambda z = \frac{\lambda z}{2 \Delta t_{\text{CCD}}}$

这是光瞳上的一个位置坐标，不是光瞳波前的空间频率。

1.12.10.1.4. 焦平面频率与光瞳波前频率的关系

二者之间没有直接的数值对应关系：

• 焦平面频率上限由光学系统参数决定：$f_c = D/(\lambda z)$；
• 光瞳波前频率上限由真实像差决定，可能远高于或低于焦平面频率"对应"的光瞳位置尺度；
• 光瞳波前中的高频成分会使 PSF 能量在焦平面内重新分布，但不改变焦平面频率上限 $f_c$。

1.12.10.1.5. 实际系统的截止频率

需要进一步区分两个概念：

• 光学截止频率 $f_c = D/(\lambda z)$：理想 CCD 能够探测到的最高频率，由光学系统本身决定；
• CCD 奈奎斯特频率 $f_{\max}^{\text{CCD}} = 1/(2\Delta t_{\text{CCD}})$：实际 CCD 由于像素间距限制能够探测到的最高频率。

实际系统的最高可探测频率是两者的最小值：

$f_{\text{system,max}} = \min\left(f_c, \ f_{\max}^{\text{CCD}}\right)$

哪个更小，哪个就是系统的实际瓶颈。

在当前系统中：

• $f_c \approx 9.07 \times 10^4 \ \text{cycles/m}$
• $f_{\max}^{\text{CCD}} = 1/(2 \times 4.5 \times 10^{-6}) \approx 1.11 \times 10^5 \ \text{cycles/m}$

因此

$f_{\text{system,max}} = f_c \approx 9.07 \times 10^4 \ \text{cycles/m}$

当前系统是光学系统限制，而不是 CCD 限制。这也说明 CCD 像素间距 $4.5 \ \mu\text{m}$ 足够细密，没有浪费光学系统的分辨率。

1.12.10.1.6. 为什么不能从焦平面频率反推光瞳波前频率

由于上述原因，不能从 CCD 观测到的焦平面频率上限反推光瞳波前的最高频率。光瞳波前中的高频成分会改变 PSF 内部能量分布，但不改变焦平面频率上限 $f_{\text{system,max}}$。这正是为什么 $N_p$ 的确定除了要考虑焦平面频率覆盖外，还需要单独考虑光瞳采样定理。

1.12.10.2. 仿真如何重现这个对应关系

在数值仿真中，我们用一个离散网格 $N_p \times N_p$ 去近似连续光瞳。光瞳网格间隔为

$\Delta u = \frac{D}{N_p}$

经过 FFT 后，焦平面的采样间隔为

$\Delta t_{\text{sim}} = \frac{\lambda z}{N_{\text{fft}} \Delta u} = \frac{\lambda z N_p}{D N_{\text{fft}}}$

为了让仿真中的焦平面离散采样与真实 CCD 的离散采样匹配，需要

$\Delta t_{\text{sim}} = \Delta t_{\text{CCD}}$

这就导出

$\frac{N_p}{N_{\text{fft}}} = \frac{D \Delta t_{\text{CCD}}}{\lambda z} = k$

因此，对于给定的 $N_{\text{fft}}$，$N_p$ 的理想值就是

$N_p = N_{\text{fft}} \cdot k$

1.12.10.3. $N_p$ 的理论值由什么决定

$N_p$ 的理论值不是来自真实光瞳本身的离散采样（真实光瞳是连续的），而是来自以下要求：

仿真中的离散化应该重现真实光路中光瞳与焦平面的尺度对应关系。

这个要求具体化为：

1. $N_{\text{fft}}$ 必须足够大，以覆盖真实 CCD 能够分辨的频率范围（即 $N_{\text{fft}} \geq 2 r_c$）；
2. $N_p$ 必须与 $N_{\text{fft}}$ 保持比例 $k$，使得仿真焦平面像素尺度等于 CCD 像素尺度；
3. $N_p$ 还要足够密，以满足光瞳采样定理。

在当前系统中：

• $N_{\text{fft}} = 512$
• $k \approx 0.408$
• 理想 $N_p = 512 \times 0.408 \approx 209$

这个 $N_p = 209$ 就是"理论值"：它让仿真中的光瞳-焦平面尺度关系与真实光路一致，同时满足采样定理。

1.12.10.4. 小结

• 真实光瞳没有离散的 $N_p$，它是连续的；
• 但仿真中引入的 $N_p$ 有一个理想值 $N_p = N_{\text{fft}} \cdot k$；
• 这个理想值使仿真 PSF 的像素尺度与 CCD 像素尺度一致，即 resize=1；
• 它本质上是在离散数值计算中重现真实光学系统的光瞳-焦平面尺度对应关系；
• 此外，$N_p$ 还要满足采样定理，以表示真实波前中的高频成分。

1.12.11. 光瞳采样定理约束是否多余？

在上一节的完整流程中，我们列出了三个约束：

1. $N_{\text{fft}} \geq 2 r_c$（焦平面频率覆盖）；
2. $N_p = N_{\text{fft}} \cdot k$（resize=1，光瞳-焦平面尺度匹配）；
3. $N_p \geq 2 f_{\max}^{\text{pupil}}$（光瞳采样定理）。

其中第三个约束看起来和前两个独立，因此需要讨论：在当前逻辑框架下，它是否多余？

1.12.11.1. 数学上，约束 3 可以被前两个约束隐含

将约束 2 代入约束 3：

$N_p = N_{\text{fft}} \cdot k \geq 2 f_{\max}^{\text{pupil}}$

得到

$N_{\text{fft}} \geq \frac{2 f_{\max}^{\text{pupil}}}{k}$

而约束 1 要求

$N_{\text{fft}} \geq 2 r_c = 2 N_{\text{psf}} k$

因此，如果

$2 N_{\text{psf}} k \geq \frac{2 f_{\max}^{\text{pupil}}}{k}$

即

$f_{\max}^{\text{pupil}} \leq N_{\text{psf}} k^2$

那么约束 1 已经比约束 3 更严格，约束 3 自动满足。

1.12.11.2. 当前系统满足这个条件

当前系统：

• $N_{\text{psf}} = 400$
• $k = 0.408$
• $f_{\max}^{\text{pupil}} = 45$（HF phase 上限）

计算：

$N_{\text{psf}} k^2 = 400 \times 0.408^2 \approx 66.6$

因为 $45 \leq 66.6$，所以约束 1+2 已经隐含了约束 3。在当前参数下，约束 3 确实是多余的。

1.12.11.3. 但约束 3 在物理上不多余

虽然数学上可以被隐含，但约束 3 在物理上具有独立意义，原因如下：

第一，$f_{\max}^{\text{pupil}}$ 不是从 CCD 频率推导出来的。

CCD 只能观测到焦平面频率 $f \leq f_c = D/(\lambda z)$。但同一个 $f_c$ 可以由不同的光瞳波前产生：

• 一个只含低阶 Zernike 像差的平滑波前；
• 一个包含子孔径内高频扰动的复杂波前。

两种情况在 CCD 上的频率上限都是 $f_c$，但光瞳内波前的空间频率内容完全不同。因此不能从 CCD 观测频率上限反推光瞳波前的最高频率。

第二，约束 3 来自对真实波前的建模假设。

$f_{\max}^{\text{pupil}}$ 代表我们认为真实波前中存在的最高空间频率。它不是光学系统的固有限制，而是我们对真实系统的额外认知：

• 如果模型只包含 63 个 Zernike 模式，则 $f_{\max}^{\text{pupil}} = 10$，只需要 $N_p \geq 20$；
• 如果模型还包含 HF phase（45 cycles/pupil），则 $f_{\max}^{\text{pupil}} = 45$，需要 $N_p \geq 90$；
• 如果假设真实波前中有更高频成分，则需要更大的 $N_p$。

第三，当模型假设改变时，约束 3 会独立起作用。

假设 HF phase 频率上限提高到 100 cycles/pupil：

$f_{\max}^{\text{pupil}} = 100 > N_{\text{psf}} k^2 \approx 66.6$

此时约束 1 给出 $N_{\text{fft}} \geq 326$，对应的 $N_p = 326 \times 0.408 \approx 133$，不满足 $N_p \geq 200$ 的要求。必须显式增大 $N_{\text{fft}}$：

$N_{\text{fft}} \geq \frac{2 \times 100}{0.408} \approx 490$

取 $N_{\text{fft}} = 512$，则 $N_p = 512 \times 0.408 \approx 209$，满足 $N_p \geq 200$。这说明即使 HF phase 提高到 100 cycles/pupil，只要取 $N_{\text{fft}} = 512$ 也刚好够。如果 $f_{\max}^{\text{pupil}}$ 更高，例如 150 cycles/pupil，则需要 $N_{\text{fft}} \geq 735$，取 1024，对应 $N_p \approx 418$。

1.12.11.4. 结论

• 在当前系统参数和 HF phase=45 cycles/pupil 的假设下，约束 1+2 已经隐含了约束 3，此时约束 3 在数学上是多余的；
• 但约束 3 在物理上不是多余的，它体现了我们对真实波前频率内容的建模假设；
• 如果模型假设的波前频率更高，约束 3 会独立起作用，必须显式考虑。

因此，完整的严谨表述是：

$N_{\text{fft}} \geq \max\left(2 r_c, \ \frac{2 f_{\max}^{\text{pupil}}}{k}\right)$

$N_p = N_{\text{fft}} \cdot k$

在当前系统中，由于 $2 r_c > 2 f_{\max}^{\text{pupil}}/k$，所以 $N_{\text{fft}} = 512$ 由焦平面频率覆盖决定，光瞳采样定理自动满足。

1.12.12. 真实采集与仿真采样的对应关系

前文主要从仿真角度讨论了 $N_{\text{fft}}$、$N_p$ 和 $N_{\text{psf}}$ 的选取。但这些约束并非只存在于仿真中，它们与真实 CCD 采集过程有一一对应关系。

1.12.12.1. 真实 CCD 采集的两条独立约束

在真实实验中，CCD 记录 PSF 时也受到两条独立约束：

约束 A：CCD 像素间距必须满足采样定理

焦平面光强的最高空间频率为 $f_c = D/(\lambda z)$。根据奈奎斯特采样定理，CCD 像素间距必须满足

$\Delta t_{\text{CCD}} \leq \frac{1}{2 f_c} = \frac{\lambda z}{2D}$

代入 $k = D \Delta t_{\text{CCD}} / (\lambda z)$，上式等价于

$k \leq 0.5$

如果违反，真实 CCD 本身就会欠采样，无论后续窗口多大、仿真多精细，都无法恢复被混叠掉的高频信息。

约束 B：PSF 窗口必须足够大，不能截断 PSF 能量

真实 PSF 在焦平面上能量主要集中在艾里斑主瓣和前几级环内，但理论上是无限延展的。CCD 窗口尺寸 $N_{\text{psf}} \times N_{\text{psf}}$ 必须覆盖 PSF 的绝大部分能量，否则会发生频谱泄漏。工程上要求

$N_{\text{psf}} \Delta t_{\text{CCD}} \gg \frac{\lambda z}{D}$

即

$N_{\text{psf}} \gg \frac{1}{k}$

1.12.12.2. 仿真约束 $N_{\text{fft}} \geq 2 r_c$ 的物理含义

回顾仿真中的焦平面频率覆盖条件：

$N_{\text{fft}} \geq 2 r_c = 2 N_{\text{psf}} k$

如果我们要求仿真网格至少覆盖真实 PSF 的全部频率内容，并且希望仿真参数与真实采集参数直接对应，那么最自然的取法是让仿真窗口等于真实 CCD 窗口，即 $N_{\text{fft}} = N_{\text{psf}}$。此时

$N_{\text{psf}} \geq 2 N_{\text{psf}} k \iff k \leq 0.5$

这说明：仿真条件 $N_{\text{fft}} \geq 2 r_c$ 本质上对应真实 CCD 的采样定理。 当 CCD 满足采样定理时，$N_{\text{psf}} \geq 2 r_c$ 自动成立，它不是对窗口大小的额外约束，而是对像素间距的约束。

1.12.12.3. 当前系统的真实采集是否合格

代入当前系统参数：

• $k = 0.408 \leq 0.5$，CCD 像素间距满足采样定理；
• $1/k \approx 2.45$，而 $N_{\text{psf}} = 400 \gg 2.45$，窗口足够大；
• 因此真实采集保留了光学系统的全部频率信息，没有因为采样或开窗而损失分辨率。

1.12.12.4. 对代码逻辑的启示

auto_sim_params 中通过

start_fft = max(min_fft or 0, out_size)

保证 $N_{\text{fft}} \geq N_{\text{psf}}$。在当前系统下，由于 $k \leq 0.5$，这等价于保证 $N_{\text{fft}} \geq 2 r_c$，因此结果正确。

但如果将来修改系统参数，使得 $k > 0.5$（例如 CCD 像素间距变大或焦距变短），那么真实 CCD 采集本身已经欠采样。此时代码仍只检查 $N_{\text{fft}} \geq N_{\text{psf}}$，不会自动报错，仿真结果会错误地暗示系统仍能分辨 $f_c$ 以下的频率。

1.12.12.4.1. 为什么不能靠"增大窗口"解决欠采样

有人可能认为：只要让 $N_{\text{psf}}$ 足够大，就能让 $N_{\text{fft}} \geq N_{\text{psf}}$ 自动蕴含 $N_{\text{fft}} \geq 2 r_c$。但：

$2 r_c = 2 N_{\text{psf}} k$

当 $k > 0.5$ 时，$2 r_c$ 会随 $N_{\text{psf}}$ 线性增长，永远大于 $N_{\text{psf}}$。因此：增大窗口无法解决 CCD 欠采样问题。 欠采样是硬件像素间距决定的，不是靠软件开窗能弥补的。

1.12.12.4.2. 代码中应区分两层检查

需要特别强调的是，CCD 像素间距 $\Delta t_{\text{CCD}}$ 是硬件参数，仿真代码不能改变它。仿真的职责不是"修正"硬件，而是诚实地反映硬件的能力。因此代码应该检查仿真假设是否与硬件能力一致。

更严谨的代码应该把问题拆成两层：

第一层：采样定理检查（与硬件对齐）

if k > 0.5:
    raise ValueError(
        f"CCD pitch {ccd_pitch_m*1e6:.2f} um violates Nyquist "
        f"for lambda={wavelength_m*1e9:.0f} nm, z={focal_length_m*1e3:.2f} mm, "
        f"D={pupil_diameter_m*1e3:.2f} mm. k={k:.3f} > 0.5."
    )

这一步不是限制代码功能，而是告诉用户：真实数据已经不可信了，仿真再精确也没用。 因为 CCD 像素间距不可改变，$k > 0.5$ 意味着真实系统能分辨的最高频率不是光学截止频率 $f_c = D/(\lambda z)$，而是 CCD 奈奎斯特频率 $f_{\max}^{\text{CCD}} = 1/(2\Delta t_{\text{CCD}})$。此时如果继续按 $f_c$ 设计仿真和损失函数，就会高估系统能力。

如果不想直接报错，也可以显式把仿真和损失函数中的有效截止频率降级为 $f_{\max}^{\text{CCD}}$，但这需要同步修改频率掩膜等所有依赖 $f_c$ 的地方。简单地继续用 $f_c$ 而只增大 $N_{\text{fft}}$ 是没有意义的——仿真覆盖的频率再高，真实 CCD 也采集不到。

作为最低限度的安全机制，至少应该给出警告：

if k > 0.5:
    warnings.warn(
        f"CCD is undersampled (k={k:.3f}>0.5). "
        f"Effective cutoff is f_CCD={1/(2*ccd_pitch_m):.3e} Hz/m, "
        f"not f_c={pupil_diameter_m/(wavelength_m*focal_length_m):.3e} Hz/m."
    )

第二层：PSF 能量截断检查（可以用开窗下限解决）

开窗下限解决的是另一个独立问题：PSF 能量不要被矩形窗截断。艾里斑主瓣直径约为

$d_{\text{Airy}} \approx 2.44 \frac{\lambda z}{D}$

工程上通常要求窗口覆盖 $5 \sim 10$ 倍艾里斑直径，即

$N_{\text{psf}} \geq \frac{5 \sim 10}{k}$

代码中可以这样检查：

N_psf_min = int(np.ceil(10 / k))
if out_size < N_psf_min:
    warnings.warn(
        f"PSF window {out_size} may truncate PSF energy; suggest >= {N_psf_min}"
    )

1.12.12.4.3. 当前系统的情况

在当前系统中：

• $k = 0.408 \leq 0.5$，采样定理检查通过；
• $10/k \approx 24.5$，而 $N_{\text{psf}} = 400 \gg 24.5$，能量截断检查也通过。

因此当前代码给出的 $N_{\text{fft}} = 512$、$N_p = 209$ 是正确的。但加入上述两层检查后，代码对所有参数组合都具有物理正确性，不会因为参数改变而静默给出错误结果。

2. Sample 70 过曝仿真效果分析报告

2.1. 概述

本报告针对测试集中 Sample 70 样本，对比真实采集 PSF 与不同过曝（软饱和）配置下仿真 PSF 的差异，验证光学参数优化程序对过曝程度的学习效果。

测试样本从测试集中随机抽取，Zernike 系数为真实测量值。仿真过程完全复用训练和测试代码的 Zernike2M4_Model.forward 流程，仅通过临时替换 sat_focus / sat_defocus 参数来改变过曝程度，其余所有物理参数（gain、spatial_scale、blur_kernel、zernike_residual 等）均固定为训练后的最优值。

2.2. 可视化结果

下图展示了 Sample 70 在五种过曝配置下的仿真结果与真实数据的对比：

• 第 0 行：真实采集数据（Real）
• 第 1~5 行：仿真结果，依次为 No Sat → Init Sat → Trained → Strong Sat → Extreme Sat
• 列：Focus PSF / Defocus PSF / Focus FFT / Defocus FFT / M4

2.3. 逐配置分析与解读

2.3.1. Real（真实采集数据）

真实数据呈现以下特征：

• 在焦 PSF（Real Focus）：中心亮斑并非理想衍射极限的尖锐艾里斑，而是一个有一定展宽、边缘略模糊的光斑，暗示采集时存在一定过曝或探测器非线性响应。
• 离焦 PSF（Real Defocus）：呈较大弥散斑，能量分布相对均匀。
• 频域（Real FFT）：在焦频谱中心能量集中但伴有明显旁瓣；离焦频谱因离焦模糊而高频衰减更显著。
• M4（Real M4）：在焦与离焦的频域功率比值呈现清晰的环状结构，红色（正值）区域偏外，蓝色（负值）区域偏内，这是该像差组合的特征指纹。

2.3.2. No Sat（sat=100，无饱和）

• 在焦 PSF：仿真为一个极尖锐的小点，与真实采集的"有一定展宽的亮斑"差异明显。
• 频域：高频分量保留完整，中心亮度过高。
• M4：环状结构与 Real M4 在细节上存在偏差，中心区域对比度过强。

结论：无饱和假设下，仿真过于"理想化"，未能复现真实相机采集时的非线性压缩效应。

2.3.3. Init Sat（sat=1.0，初始饱和阈值）

• 空间域：与 No Sat 几乎无法区分。
• 原因：该样本在焦 PSF 经 detector gain（训练后 ≈9.28）放大后的实际峰值远低于 1.0，sat=1.0 的阈值并未真正"触碰到"信号，软饱和函数基本处于线性通过区。

结论：初始值 sat=1.0 对该样本基本无效。

2.3.4. Trained（sat_focus=0.539 / sat_defocus=0.883，训练后最优值）⭐

• 在焦 PSF：亮斑尺寸与 Real Focus 高度吻合，不再像 No Sat 那样尖锐，而是呈现出与真实数据接近的"轻微弥散+中心平顶"特征。
• 离焦 PSF：与 Real Defocus 几乎一致。
• 频域：Focus FFT 的中心能量集中度下降，旁瓣结构更接近 Real FFT；Defocus FFT 与真实匹配良好。
• M4：环状结构、红蓝区域分布与 Real M4 的相似度显著提升，中心过冲被有效抑制。

结论：训练后的饱和阈值（sat_focus=0.54）恰好落在该样本实际峰值附近，软饱和对中心峰值的轻微压缩使得仿真形状向真实数据靠拢。程序成功学习到了该样本对应的过曝程度。

2.3.5. Strong Sat（sat=0.3 / 0.5，强过曝）

• 在焦 PSF：中心亮斑进一步展宽，与 Real 相比开始"过度模糊"。
• 频域：中心低频能量被进一步压低，高频旁瓣相对抬升。
• M4：环状结构开始扭曲，细节丢失。

结论：饱和过度，能量重分布超出了真实数据的范围。

2.3.6. Extreme Sat（sat=0.1 / 0.2，极强过曝）

• 在焦 PSF：中心严重展宽，亮斑变成一个较大的"光团"，与真实数据差异极大。
• 频域：中心几乎被"削平"，频谱形态发生质变。
• M4：图案严重失真，环状结构几乎消失，整体趋向低对比度的"雾化"状态。

结论：极端过曝下，仿真完全失真，验证了训练将饱和阈值收敛到合理区间（0.5~0.9 量级）的必要性。

2.4. 核心结论

评价维度	No Sat	Init Sat	Trained	Strong Sat	Extreme Sat
在焦 PSF 形状匹配	❌ 过锐	❌ 过锐	✅ 接近真实	⚠️ 偏模糊	❌ 严重失真
频域中心集中度	❌ 过高	❌ 过高	✅ 适中	⚠️ 偏低	❌ 过低
M4 结构保真	⚠️ 有偏差	⚠️ 有偏差	✅ 高度吻合	⚠️ 扭曲	❌ 严重失真
物理合理性	❌ 理想化	❌ 理想化	✅ 符合真实相机	⚠️ 过度	❌ 不真实

1. 程序成功学习到了过曝程度。sat_focus 从初始值 1.0 收敛到 0.539，不是无意义的参数漂移，而是对该样本（及训练集整体）真实过曝特性的有效拟合。

2. Trained 配置显著优于 No Sat。在不引入饱和时，仿真 PSF 过于理想化（尖锐峰值）；引入训练后的软饱和后，中心峰值被适度压缩，能量向周围重新分配，最终形状与真实采集数据高度一致。

3. 过曝的引入是"恰到好处"的。训练没有让饱和阈值掉落到 Strong/Extreme 区间（那样会过度失真），而是收敛到了一个微妙的平衡点——刚好能对峰值产生可感知的压缩，但又不破坏旁瓣结构。

4. 频域和 M4 对过曝的敏感性高于空间域。即使空间域 PSF 在 min-max 归一化后肉眼差异有限，频域的中心能量分布和 M4 的环状结构已经清晰展示了 Trained 与 No Sat 的区别，且 Trained 明显更接近 Real。

2.5. 补充说明：为什么 “Trained 比 Real 对应的还可以”

• 无饱和仿真假设探测器是完美线性的，这在真实相机中不成立（CCD/CMOS 存在满阱容量限制）。
• 真实采集数据本身已经包含了相机的非线性响应（过曝）。
• 程序通过可学习的 sat_focus / sat_defocus，将"探测器的非线性过曝"这一物理效应显式地建模进了仿真流程。
• 结果是：Trained 仿真不仅复现了光学传播的物理过程，还复现了探测器的非线性响应，因此比"纯粹光学仿真 + 理想探测器"的 No Sat 版本更逼真。

3. 探测器增益与饱和阈值的耦合分析

3.1. 引言

本文分析光学仿真链路中**探测器增益（gain）与饱和阈值（saturation）**的数学关系。

核心问题：

1. 全局 gain + 全局 sat，在 min-max 归一化链路中是否冗余？
2. 如果冗余，为什么还要两者都学？
3. hard clamp 的梯度问题在哪里？soft clamp 如何解决？

3.2. 完整物理链路（含饱和）

3.2.1. 链路顺序

PSF_sim ──→ [× gain] ──→ [soft clamp / hard clamp] ──→ [min-max 归一化] ──→ [loss]

数学表达：

$I_{\text{det}} = g \cdot I_{\text{sim}}$

$I_{\text{sat}} = \text{clamp}(I_{\text{det}},\; \max=s)$

$\tilde{I} = \frac{I_{\text{sat}} - I_{\text{sat},\min}}{I_{\text{sat},\max} - I_{\text{sat},\min}}$

3.2.2. 饱和函数的两种选择

类型	公式	特点
Hard clamp	$y = \min(x, s)$	简单、物理直觉强，但梯度不连续
Soft clamp	$y = x - \text{softplus}(x-s, \beta) + \frac{\ln 2}{\beta}$	平滑过渡，梯度连续，参数 $\beta$ 控制陡峭程度

3.3. Gain 与 Saturation 的尺度等价性

3.3.1. 严格推导

将 $g$ 和 $s$ 同时缩放相同的因子 $c > 0$：

$g' = c \cdot g, \quad s' = c \cdot s$

探测器输出：

$I'_{\text{det}} = c \cdot g \cdot I = c \cdot I_{\text{det}}$

饱和后（hard clamp 为例）：

$I'_{\text{sat}} = \min(c \cdot I_{\text{det}},\; c \cdot s) = c \cdot \min(I_{\text{det}},\; s) = c \cdot I_{\text{sat}}$

Min-max 归一化：

$\tilde{I}' = \frac{c \cdot I_{\text{sat}} - c \cdot I_{\text{sat},\min}}{c \cdot I_{\text{sat},\max} - c \cdot I_{\text{sat},\min}} = \frac{I_{\text{sat}} - I_{\text{sat},\min}}{I_{\text{sat},\max} - I_{\text{sat},\min}} = \tilde{I}$

定理：$(g, s)$ 在 min-max 后的目标空间中是尺度等价的。真正影响结果的不是它们的绝对值，而是比值 $s/g$（或者说"多少比例的像素达到饱和"）。

3.3.2. 推论

方案	有效自由度	是否等价
固定 $g$，只学 $s$	$s/g$	✓ 等价
固定 $s$，只学 $g$	$s/g$	✓ 等价
两者都学	$s/g$（冗余一维）	✓ 等价

因此，从数学表达能力上，三种方案完全等价。

3.4. 同时学习 gain 和 sat 的优势

虽然数学等价，但优化器（AdamW）在参数空间的几何形状上有偏好。本节严格对比三种方案：

方案	可学习参数	有效自由度	等价性
A	固定 $g$，只学 $s$	$s/g$	✓ 等价
B	固定 $s$，只学 $g$	$s/g$	✓ 等价
C	两者都学	$s/g$（冗余一维）	✓ 等价

3.4.1. 方案 A（固定 gain）的困境

假设固定 $g = 10$，真实需要的饱和阈值是 $s_{\text{true}} = 0.01$。

• $s$ 的初始化是 $1.0$
• 需要下降 100 倍 才能到达目标
• 在到达目标之前的大部分迭代中，$s \gg g \cdot p_{\text{peak}}$，完全不饱和
• Hard clamp 下 $s$ 的梯度为 0；soft clamp 下梯度微弱（$\sim 10^{-2}$）
• 优化器长时间在"死区"爬行

即使最终能收敛，$s$ 的绝对值（0.01）也失去了物理直觉——它不再像一个"满阱容量"，而只是一个数字。

3.4.2. 方案 B（固定 sat）的困境

假设固定 $s = 1.0$，真实需要的 gain 是 $g_{\text{true}} = 100$（即需要很大增益才能让 PSF 达到饱和）。

• $g$ 的初始化是 $10.0$
• 需要上涨 10 倍 才能到达目标
• 在到达目标之前的大部分迭代中，$g \cdot p_{\text{peak}} \ll s$，完全不饱和
• 和方案 A 完全对称的问题：优化器在一维直线上搜索，长时间处于死区

反过来，如果真实需要的 gain 是 $g_{\text{true}} = 0.1$：

• $g$ 需要从 10.0 下降 100 倍
• 所有样本从开始就严重过饱和
• min-max 后的 PSF 形态被饱和"重塑"，与真实数据不匹配
• 优化器很难从这种错误的状态中恢复

方案 A 和方案 B 是镜像问题：固定任何一个参数，都会让另一个参数承担全部的量级调整负担，导致极端值和死区。

3.4.3. 方案 C（两者都学）的优势：训练舒适度

优化器可以在二维 $(g, s)$ 平面上走对角线：

• $g$ 从 $10$ 涨到 $1000$，$s$ 从 $1$ 涨到 $10$
• 比值 $s/g = 0.01$ 保持不变（这是真正影响结果的物理量）
• 但两个参数都停留在舒适的数量级（$\sim 10^0 \sim 10^3$）
• 避免了单个参数跨越多个数量级的痛苦漂移

这类似于线性回归中 $y = w_1 x_1 + w_2 x_2$ 的不可辨识性——$(w_1, w_2)$ 有冗余，但优化器在二维空间搜索比在一维约束上搜索更稳定。

左图：固定 gain=10，只学 sat。优化器只能在一维直线上搜索，如果最优值在 sat=0.01，需要从 1.0 下降 100 倍，过程中长时间处于死区。

右图：两者都学。等高线表示 loss 只依赖于比值 $s/g$。优化器可以沿红色虚线（最优 $s/g$）自由移动，走对角线保持参数在舒适区。

3.4.4. 三种方案的综合对比

维度	固定 $g$ 只学 $s$	固定 $s$ 只学 $g$	两者都学
表达能力	等价	等价	等价
训练稳定性	差（参数可能漂到极端值）	差（同上）	好（参数保持在舒适区）
物理可解释性	$s$ 的绝对值可能失真	$g$ 的绝对值可能失真	$g$ 和 $s$ 各自合理
初始化敏感性	高（$s$ 初始化决定能否饱和）	高（$g$ 初始化决定能否饱和）	低（两者可相互补偿）
优化自由度	1 维	1 维	2 维（冗余 1 维）

结论：

• 方案 A 和 B 是等价的，各自有相同的训练困难
• 方案 C 没有增加表达能力，但提供了训练舒适度
• 如果数据确实有饱和，推荐方案 C
• 如果数据基本无饱和，干脆去掉 gain 和 sat（最简单的方案）

3.5. Hard Clamp 的梯度问题

3.5.1. 对输入 $x$ 的梯度

$y = \min(x, s)$

$\frac{\partial y}{\partial x} = \begin{cases} 1 & x < s \\ 0 & x > s \end{cases}$

饱和区（$x > s$）的梯度完全消失。 这意味着：

• 过曝像素对前面所有层（mask、zernike 残差、blur kernel）的梯度贡献为 0
• 模型无法通过饱和区的像素来调整饱和形态
• 只能依赖未饱和区的像素间接影响

3.5.2. 对饱和阈值 $s$ 的梯度

$\frac{\partial y}{\partial s} = \begin{cases} 0 & x < s \quad \text{（未饱和，$s$ 不影响输出）} \\ 1 & x > s \quad \text{（饱和，$s$ 直接决定输出）} \end{cases}$

问题：

• 如果所有像素都未饱和（$x < s$），$s$ 的梯度为 0
• 如果所有像素都饱和（$x > s$），$s$ 的梯度等于像素数量（很大）
• 这种"全有或全无"的梯度特性导致学习极不稳定

3.5.3. 结合 gain 固定的灾难

如果 gain 固定，且初始化导致大部分样本永远不饱和：

• $s$ 永远收不到有效梯度
• 模型完全无法学习饱和阈值

3.6. Soft Clamp 的理论与实现

3.6.1. 构造原理

我们希望一个函数 $y(x, s)$ 满足：

1. $x \ll s$ 时，$y \approx x$（不过曝，线性通过）
2. $x \gg s$ 时，$y \approx s$（过曝，封顶）
3. 过渡平滑，梯度连续

基于 softplus 的构造：

$\text{softplus}(z, \beta) = \frac{1}{\beta} \ln(1 + e^{\beta z})$

定义 soft clamp：

$y = x - \text{softplus}(x - s, \beta) + \frac{\ln 2}{\beta}$

为什么加 $\frac{\ln 2}{\beta}$ 的修正？

当 $x = s$ 时：

$\text{softplus}(0, \beta) = \frac{\ln 2}{\beta}$

$y = s - \frac{\ln 2}{\beta} + \frac{\ln 2}{\beta} = s$

修正项确保函数精确通过饱和阈值点 $(s, s)$。

3.6.2. 梯度特性

对输入 $x$ 的梯度：

$\frac{\partial y}{\partial x} = 1 - \sigma\bigl(\beta(x - s)\bigr)$

其中 $\sigma$ 是 sigmoid 函数。

区域	近似行为	梯度大小
$x \ll s$	$\sigma \approx 0$	$\approx 1$
$x = s$	$\sigma = 0.5$	$= 0.5$
$x \gg s$	$\sigma \approx 1$	$\approx 0$（但指数衰减，非突变）

与 hard clamp 的关键区别：

• Hard clamp：$x > s$ 时梯度突变为 0
• Soft clamp：$x > s$ 时梯度指数衰减到 $10^{-7} \sim 10^{-9}$，永远不为 0

对饱和阈值 $s$ 的梯度：

$\frac{\partial y}{\partial s} = \sigma\bigl(\beta(x - s)\bigr)$

区域	梯度大小
$x \ll s$	$\approx 0$（但微弱非零）
$x = s$	$= 0.5$
$x \gg s$	$\approx 1$

关键改进：即使所有像素都未饱和（$x < s$），$s$ 仍然能收到微弱但非零的梯度（约 $0.01 \sim 0.02$），不会被优化器彻底忽略。

3.6.3. soft clamp 的效果到底有多大？

上述梯度分析看起来 soft clamp 比 hard clamp 好很多，但实际情况需要更诚实地审视。

定量对比（$\beta = 50$，sat = 1.0）：

场景	hard clamp sat.grad	soft clamp sat.grad	差异
混合分布（部分饱和）	200.0	199.83	0.1%
全部饱和	100.0	99.99	0.01%
全部不饱和	0	0.018	唯一明显差异
输入梯度差异 > 0.1 的像素比例	—	—	仅 3%

结论：

1. 如果数据有明显饱和（部分像素超过 sat，部分不超过）：

   • hard clamp 和 soft clamp 几乎等价
   • 差异只在边界过渡区（约 $\pm 0.06$ 的范围，占像素总数 < 6%）
   • soft clamp 的优势非常有限

2. 如果数据完全没有饱和：

   • hard clamp：sat 完全不更新（梯度 = 0）
   • soft clamp：sat 有微弱漂移（梯度 $\approx 0.02$）
   • 这种漂移是好是坏不确定——可能帮助 sat 进入有效范围，也可能让 sat 无谓地乱飘

3. soft clamp 的真正价值可能是"打破僵局"：

   • 训练初期如果全部不饱和，soft clamp 给 sat 一个微弱的下降信号
   • 直到有像素开始触达饱和区，进入正常的学习状态
   • 但一旦进入"正常"训练（部分饱和、部分不饱和），它和 hard clamp 几乎一样

4. 真正决定 sat 能否学到的，不是 clamp 的类型，而是：

   • gain 是否能把 PSF 峰值推到 sat 附近
   • 参数初始化是否合适
   • 数据中是否有足够的饱和样本

3.6.4. 实际训练数据对比：hard clamp vs soft clamp

上述理论分析指出 soft clamp 的优势有限。但在实际训练数据（相同模型、相同数据、仅 clamp 类型不同）中，观察到了一些有趣的差异。

实验设置：

• 模型：Zernike2M4，deg=63，pad=256
• 数据：相同训练/测试集
• 唯一区别：temp_sigmoid/ 用 hard clamp，temp_gain_fix/ 用 soft clamp（$\beta=50$）
• 其他所有超参数完全相同

测试 loss 逐 epoch 对比：

epoch	hard clamp	soft clamp	差异（soft - hard）
1	0.2495	0.2478	-0.0017
2	0.2210	0.2138	-0.0072
3	0.2137	0.2070	-0.0067
4	0.2164	0.2009	-0.0155
5	0.2130	0.2020	-0.0110
6	0.2123	0.1991	-0.0132
7	0.2071	0.2073	+0.0002
8	0.2059	0.2154	+0.0095
9	0.2003	0.2005	+0.0002
10	0.2047	0.2067	+0.0020
11	0.2060	0.1957	-0.0104
12	0.2038	0.2147	+0.0109
13	0.2058	0.1992	-0.0066
14	0.1998	0.2053	+0.0055

统计汇总（前 14 epoch）：

指标	hard clamp	soft clamp
平均值	0.2099	0.2082
标准差	0.0103	0.0125
最小值	0.1998	0.1957
< 0.20 次数	1 次	3 次
< 0.205 次数	6 次	6 次

sat 参数最终值（从 checkpoint 读取）：

参数	hard clamp	soft clamp
sat_focus	0.4511	0.5194
sat_defocus	0.7629	0.8407
gain	7.9100	8.9933

关键发现：

1. soft clamp 在训练中期（epoch 2~6）有明显优势

   • 差距可达 0.013~0.015
   • 这个阶段正好是 sat 快速下降的阶段（soft 中 sat_focus 从 1.0 → 0.55）
   • 说明 soft clamp 提供的微弱梯度在 sat 尚未到位的阶段确实加速了收敛

2. hard clamp 的 sat 也在正常学习

   • sat_focus 从 1.0 降到 0.45，sat_defocus 降到 0.76
   • 这推翻了"hard clamp 下 sat 完全学不到"的假设

3. 优势不稳定

   • epoch 8、10、12 soft clamp 反而比 hard clamp 差
   • 说明 soft clamp 不是系统性地更好，而是偶尔能撞到更好的局部最优

4. 后期两者趋于一致

   • 到 epoch 13~14，差距缩小到 ±0.005 以内
   • 最终 M4 MAE 差异 < 2%

• soft clamp 确实有可观察到的效果，主要体现在训练中期加速 sat 收敛
• 但效果不稳定，不是系统性的精度提升
• 如果你只关心最终精度，两者差别不大
• 如果你关心训练过程的平滑度和收敛速度，soft clamp 有微弱优势
• 考虑到 soft clamp 增加了复杂度（公式、overshoot），这是一个边际收益的选择

3.6.5. 参数 $\beta$ 的选择

$\beta$ 控制过渡区的陡峭程度：

$\beta$	过渡区宽度	特点
$5$	$\pm 0.6$	非常平滑，饱和区梯度较大
$20$	$\pm 0.15$	中等平滑
$50$	$\pm 0.06$	接近 hard clamp，但保留微弱梯度
$200$	$\pm 0.015$	几乎等价于 hard clamp，数值稳定性下降

选择 $\beta = 50$ 的理由：

• 过渡区宽度约 $\pm 0.06$（在归一化后的 PSF 尺度上约 6%）
• 既保留了 hard clamp 的近似形态，又避免了梯度完全消失
• PyTorch 的 F.softplus 内部有 threshold 保护，数值稳定

3.6.6. Overshoot 问题

当 $x \gg s$ 时：

$\text{softplus}(x - s, \beta) \approx x - s$

$y \approx x - (x - s) + \frac{\ln 2}{\beta} = s + \frac{\ln 2}{\beta}$

饱和后的输出有一个固定 overshoot：

$\Delta y = \frac{\ln 2}{\beta} \approx \frac{0.693}{50} \approx 0.014$

影响评估：

• 约 $1.4\%$ 的偏差，在 min-max 归一化后进一步缩小
• sat 是可学习参数，会自动补偿这个偏差（学到 $s_{\text{true}} - \Delta y$）
• 对最终 PSF 形态的影响可忽略

3.7. 图示

3.7.1. 饱和函数形态对比

左图：四种饱和函数的输出形态。

• hard clamp（蓝）：$x=1$ 处硬截断
• exp sat（橙）：sat * (1 - exp(-x/sat))，饱和极慢，$x=3$ 时才到 0.95
• sigmoid weighted（绿）：非常接近 hard clamp，但有微小 overshoot（峰值到 1.02）
• softplus (beta=50)（红）：最接近 hard clamp，过渡平滑无 overshoot

右图：对 sat 参数的总梯度（所有像素求和）。

• hard clamp、sigmoid weighted、softplus 的 sat 梯度都很大（~200）
• exp sat 的 sat 梯度较小（~125），因为未饱和区"吸收"了部分梯度信号

3.7.2. 对输入 $x$ 的梯度对比

左图（线性坐标）：

• hard clamp（蓝）：$x < 1$ 时梯度为 1，$x > 1$ 时突变为 0
• softplus（橙）：$x < 1$ 时梯度从 1 平滑下降，$x > 1$ 后指数衰减

右图（对数坐标）：

• hard clamp：$x > 1$ 后梯度严格为 0（对数轴上表现为 $10^{-10}$ 的截断噪声）
• softplus：$x > 1$ 后梯度以指数速度衰减，但永远不为 0（$x=1.5$ 时约 $10^{-7}$，$x=2$ 时约 $10^{-9}$）

4. 光瞳振幅掩模参数化分析：有界约束 vs 无界约束与增益的等价性

4.1. 引言

本文严格分析光学仿真链路中**光瞳振幅掩模（pupil amplitude mask）**的参数化选择。核心问题是：

无界掩模（如 $M = \exp(m)$）与有界掩模 + 可学习增益（如 $M = \sigma(m) \in (0,1)$ 配合可学习探测器增益 $g$）在数学上是否等价？如果等价，为什么还要用 sigmoid？

结论：

• 目标空间（min-max 后）：两者严格等价。 任何无界 mask 产生的 PSF 形态，sigmoid+gain 都能复现。
• 训练过程（梯度动态）：两者不等价。 sigmoid 的硬边界约束能带来更稳定的训练、更好的物理解释性。

4.2. 符号定义

符号	含义
$P(u,v)$	原始二元光瞳掩膜（圆形孔径，$\{0,1\}$）
$M(u,v)$	可学习的光瞳振幅修正因子
$m(u,v)$	网络直接优化的可学习参数（$\mathbb{R}$）
$A_{\text{eff}}(u,v)$	有效光瞳振幅 $= P \cdot M$
$\phi(u,v)$	波前相位（Zernike 多项式描述）
$U(x,y)$	焦平面复振幅
$I(x,y)$	焦平面光强 $=
$g$	探测器增益
$I_{\text{det}}(x,y)$	探测器输出
$\tilde{I}(x,y)$	min-max 归一化后的 PSF
$\mathcal{F}\{\cdot\}$	二维傅里叶变换
$\sigma(\cdot)$	sigmoid 函数：$\sigma(x) = \frac{1}{1+e^{-x}}$

4.3. 完整物理链路

4.3.1. 夫琅禾费衍射

焦平面复振幅是光瞳复振幅的傅里叶变换：

$U(x,y) = \mathcal{F}\{A_{\text{eff}}(u,v) \cdot e^{i\phi(u,v)}\}$

光强：

$I(x,y) = |U(x,y)|^2 = \left| \mathcal{F}\{P \cdot M \cdot e^{i\phi}\} \right|^2$

4.3.2. 探测器与归一化

$I_{\text{det}} = g \cdot I, \quad \tilde{I} = \frac{I_{\text{det}} - I_{\text{det},\min}}{I_{\text{det},\max} - I_{\text{det},\min}}$

对于背景已扣除、无负值的 PSF 图像，$I_{\text{det},\min} = 0$，因此简化为：

$\tilde{I} = \frac{I_{\text{det}}}{I_{\text{det},\max}} = \frac{g \cdot I}{g \cdot I_{\max}} = \frac{I}{I_{\max}}$

min-max 消去了 $g$。

4.4. 核心推导：为什么两者在 min-max 后等价

4.4.1. 无界 mask 的分解

任意正的无界掩模 $M_A(u,v) = \exp(m_A(u,v)) > 0$，总可以分解为：

$M_A(u,v) = c \cdot \tilde{M}(u,v)$

其中：

• $c = \max_{u,v} M_A(u,v) > 0$（全局峰值因子）
• $\tilde{M}(u,v) = M_A(u,v) / c \in (0, 1]$（相对分布，有界）

代入夫琅禾费衍射，由 FFT 线性性：

$\mathcal{F}\{P \cdot M_A \cdot e^{i\phi}\} = c \cdot \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\}$

光强：

$I_A = c^2 \cdot \left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2$

探测器输出（含增益 $g$）：

$I_{\text{det},A} = g \cdot c^2 \cdot \left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2$

min-max 后：

$\tilde{I}_A = \frac{\left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2}{\max \left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2}$

$c$ 和 $g$ 都被完全抵消。

4.4.2. Sigmoid 完全复现

对于 sigmoid 参数化 $M_B(u,v) = \sigma(m_B(u,v)) \in (0,1)$：

只要选择 $m_B$ 使得 $\sigma(m_B) = \tilde{M}$（即 $m_B = \sigma^{-1}(\tilde{M})$），则：

$\tilde{I}_B = \frac{\left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2}{\max \left| \mathcal{F}\{P \cdot \tilde{M} \cdot e^{i\phi}\} \right|^2} = \tilde{I}_A$

由于 $\tilde{M} \in (0,1]$，$\sigma^{-1}(\tilde{M}) = \ln(\tilde{M}/(1-\tilde{M}))$ 总是有定义的（当 $\tilde{M} \to 0$ 时 $m_B \to -\infty$，当 $\tilde{M} = 1$ 时 $m_B \to +\infty$）。

4.4.3. 结论

定理：对于任意无界正掩模 $M_A(u,v) > 0$，总存在有界掩模 $M_B(u,v) = \sigma(m_B(u,v)) \in (0,1]$ 和增益 $g$，使得 min-max 后的 PSF 完全相同：

$\tilde{I}_A \equiv \tilde{I}_B$

证明要点：

1. 分解 $M_A = c \cdot \tilde{M}$，其中 $\tilde{M} \in (0,1]$
2. FFT 线性性将 $c$ 提出为全局因子
3. 光强的 $|\cdot|^2$ 使 $c$ 变为 $c^2$
4. min-max 归一化消去 $c^2$ 和 $g$
5. Sigmoid 可以表示任意 $\tilde{M} \in (0,1]$

因此，在 min-max 后的目标空间中，无界 exp 和 sigmoid+gain 严格等价。

4.5. 那为什么还要用 sigmoid？——训练动态的差异

4.5.1. 无界 exp 的固有问题（与 sigmoid+gain 的本质区别）

注意：以下问题不是"min-max 后等价性"层面的，而是训练过程中 exp 参数化独有的病态。

4.5.1.1. 问题 1：全局缩放与局部分布深度耦合

Exp 参数化中：

$M(u,v) = e^{m(u,v)} = e^{\bar{m}} \cdot e^{\delta m(u,v)}$

全局缩放 $c = e^{\bar{m}}$ 和局部分布 $e^{\delta m}$ 是同一个参数向量的两个成分，无法独立控制。

这意味着：

• 模型为了让某个局部区域 $M = 12$，必须抬高整个 $m$ 的均值
• 这会导致所有区域的 $M$ 一起膨胀
• 结果就是：mask 参数向量整体漂移，局部相对分布被淹没在巨大的绝对值中

对比 sigmoid+gain：

• Sigmoid 硬约束 $M \in (0,1)$，局部分布的"动态范围"被自然限制
• 全局能量放大由独立的 gain 参数承担
• Mask 只负责"相对形状"，不干扰全局尺度

4.5.1.2. 问题 2：参数空间的几何结构不利于优化（exp 独有）

如果把无界 mask $M$ 分解为 $M = c \cdot \tilde{M}$（$c = \max M$，$\tilde{M} \in (0,1]$），然后把 $c$ 吸收到 gain 中，那么 exp 和 sigmoid+gain 在前向传播上是等价的。

但两种参数化的反向传播几何结构不同：

	Exp	Sigmoid
映射	$M = e^m$	$M = \sigma(m)$
局部敏感度	$\partial M/\partial m = M$	$\partial M/\partial m = M(1-M) \leq 0.25$
$M \ll 1$ 时	两者近似相等	两者近似相等
$M \to 1$ 时	敏感度 $ o 1$	敏感度 $\to 0$（自然抑制）
$M > 1$ 时	敏感度 $> 1$，无上界	不可能发生

这导致 exp 的参数空间是一个扭曲的流形：

• $m$ 的整体偏移 = 全局缩放（应该被 gain 吸收）
• $m$ 的空间变化 = 相对分布（应该被保留）
• 但优化器看到的梯度是这两者的耦合

Sigmoid 把参数空间分解为：

1. mask 子空间：只学相对形状（$M \in (0,1)$）
2. gain 子空间：只学校正全局尺度（1 维）

这种分解让优化器更容易找到好的解。

4.5.1.3. 问题 3：Mask 参数空间无界（exp 独有）

Exp 参数化下，$m(u,v) \in \mathbb{R}$ 可以任意正负：

• 某些区域 $m = +5$（$M \approx 148$）
• 某些区域 $m = -5$（$M \approx 0.007$）

这种极端动态范围（$10^5$ 量级）导致：

• 数值精度问题（float32 的有效位数约 7 位）
• 优化器步长难以统一（adam 的自适应学习率在不同参数上差异巨大）

对比 sigmoid+gain：

• Sigmoid 把 $m$ 的有效作用域压缩到 $(-5, +5)$ 左右（之外就饱和到 0 或 1）
• 参数值自然集中在合理范围

4.5.1.4. 问题 4：物理不可解释

• $M > 1$ 意味着"透过的光比入射光还多"
• 实际系统中，光瞳透过率不可能超过 100%
• 全局照明增强应该是 gain 的事，不是 mask 的事

4.5.1.5. 关于"梯度爆炸"的澄清

之前曾认为"exp 的 mask 梯度会爆炸，sigmoid 不会"。但这个说法夸大了差异：

1. Sigmoid+gain 中 gain 也会放大整个网络的梯度（gain=12 时，前面所有层梯度放大 12 倍）
2. 两者的全局能量参数都会通过反向传播影响整个网络
3. 真正区分两者的不是"梯度数值"，而是"参数空间的几何结构"

Exp 的问题不是"梯度更大"，而是：

• 2601 个 mask 参数各自独立地缩放自己的梯度（非一致性）
• 全局缩放隐式分布在所有参数中（耦合）
• 参数可以无限漂移（无界）

Sigmoid+gain 中 gain 也会放大梯度，但：

• 放大是全局一致的（所有参数同比例缩放，不改变相对方向）
• 全局缩放由单一参数控制，可用梯度裁剪/weight decay 约束
• Mask 参数自身有界，不会无限漂移

4.5.2. Sigmoid + 可学习 gain 的优势

Sigmoid 把优化问题分解为两个子空间：

子空间	参数	物理含义	维度
形状子空间	$m_B(u,v)$	光瞳相对透过率分布	2601
尺度子空间	$g_B$	相机增益/曝光量	1
饱和子空间	$I_{\text{sat}}$	满阱容量	1（或 2）

这种分离让优化器更容易处理：

• mask 只负责"相对形状"，不关心全局亮度
• gain 只负责"全局尺度"，不关心空间分布
• 两者不会互相干扰

4.5.3. 关于"饱和耦合"的澄清

两种方案都存在"全局能量参数与饱和阈值的耦合"：

• Exp：$c = e^{\bar{m}}$ 和 sat 耦合
• Sigmoid+gain：$g_B$ 和 sat 耦合

这不是 exp 独有的问题，而是任何全局能量参数 + 饱和阈值都会出现的尺度等价性（见文档第 5.4 节）。

但 exp 的耦合更严重：

• $c$ 由 2601 个 mask 参数共同决定，局部值可能极端
• $g$ 是单一参数，行为更可控

4.5.4. 饱和非线性下的训练动态对比

维度	无界 exp + 可学习 gain	Sigmoid + 可学习 gain
参数空间结构	耦合（全局缩放隐式分布在 2601 个参数中）	解耦（shape / scale / sat 分离）
Mask 参数空间	无界（$m \in \mathbb{R}$，可无限漂移）	有效有界（$\sigma$ 饱和在 $(-5,+5)$）
梯度一致性	非一致（各位置被各自 $e^m$ 独立缩放）	一致（gain 全局同比例缩放）
训练稳定性	差	好
物理可解释性	差（$M$ 可达 12+）	好（$M \in (0,1)$）
防止走捷径	否	是
饱和耦合	存在（且更严重）	存在（但 gain 单一可控）

4.5.5. Gain 与 Saturation 的耦合：一个更深的陷阱

上表指出 sigmoid+可学习 gain 能"防止走捷径"，但一个尖锐的问题：

既然 min-max 消掉了 gain，那 gain 为什么还要学？饱和阈值也是学的，它们不也是耦合的吗？

4.5.5.1. 严格推导：$(g, s)$ 的尺度等价性

链路（含饱和）：

$I_{\text{det}} = g \cdot I, \quad I_{\text{sat}} = \min(g \cdot I,\; s)$

同时缩放 $g$ 和 $s$ 相同的因子 $c > 0$：

$g' = c \cdot g, \quad s' = c \cdot s$

$I'_{\text{sat}} = \min(c \cdot g \cdot I,\; c \cdot s) = c \cdot \min(g \cdot I,\; s) = c \cdot I_{\text{sat}}$

min-max 后：

$\tilde{I}' = \frac{c \cdot I_{\text{sat}} - c \cdot I_{\text{sat},\min}}{c \cdot I_{\text{sat},\max} - c \cdot I_{\text{sat},\min}} = \tilde{I}$

结论：$(g, s)$ 在 min-max 后的目标空间中是尺度等价的。真正起作用的是比值 $s/g$，而不是绝对值。

4.5.5.2. 这和 mask 的无界问题本质不同

冗余来源	性质	是否影响 min-max 后结果	物理后果
mask 全局缩放 $c$	完全冗余	否（无论有无饱和）	无物理意义，导致梯度爆炸
gain 绝对值 $g$	与 $s$ 耦合	否（只影响结果的是 $s/g$）	冗余但不"错误"
gain-saturation 比值 $s/g$	关键物理量	是	决定是否饱和、削顶程度

所以：

• mask 的全局缩放 $c$：无论什么情况都是纯冗余，必须被约束掉（sigmoid）
• gain 的绝对值：和 saturation 冗余耦合，可以容忍
• gain-saturation 比值 $s/g$：是关键物理量，必须保留

4.5.5.3. 最简洁的参数化

如果要消除所有冗余自由度：

1. Mask：sigmoid 约束到 $(0,1)$（消除 $c$ 的冗余）
2. Gain：固定为常数（如 $g = 1$）
3. Saturation：唯一可学习的能量相关参数

或者反过来固定 saturation、只学 gain。

但在实践中，两者都学也没问题——优化器只是多一个冗余方向，不会导致梯度爆炸（不像 $e^m$ 那种单参数无界增长）。而且分开学习有物理直觉：

• gain 对应探测器增益/曝光量
• saturation 对应满阱容量

5. PSF波前传感空间频率理论分析：从极限推导到Hartmann-Zernike仿真问题

5.1. 系统参数

参数	符号	实际值	单位
探测器单边像素数	N	400	pixels
单个像素物理尺寸	p	4.5	μm
探测器总物理宽度	Np	400 × 4.5 = 1800	μm = 1.8 mm
探测器半宽（中心到边缘）	Np/2	1800 / 2 = 900	μm = 0.9 mm
激光波长	λ	530	nm
光瞳到CCD焦距	f	1.248	m
光瞳直径	D	60	mm
艾里斑半径	r_A = 1.22λf/D	13.45	μm

FOV（Field of View，视场）就是探测器在焦平面上能覆盖的物理范围。探测器是 400 × 400 像素，每个像素 4.5 μm，所以总宽度是 1.8 mm，以中心为原点，FOV 就是 [-0.9 mm, +0.9 mm]，写作 [-Np/2, +Np/2]。

5.2. 核心物理图像：波面 = 无数倾斜平面波的叠加

5.2.1. 傅里叶分解的物理意义——角谱法（Angular Spectrum Method）

波前相位 $\phi(\mathbf{u})$ 在光瞳上做傅里叶分解，在光学里称为角谱法。其核心思想是：

把任意波面看成无数个不同倾斜角度的平面波（角谱分量）的叠加。

• 空间频率低 → 平面波倾斜角小 → 光线偏折小
• 空间频率高 → 平面波倾斜角大 → 光线偏折大

具体关系：对于 pupil 上空间频率为 $k$（cycles/m）的角谱分量，对应的平面波传播方向与光轴的夹角为：

$\theta \approx \lambda k \quad (\text{小角度近似，} \lambda k \ll 1)$

经过焦距 $f$ 的透镜后，这束倾斜平面波在焦平面上汇聚到离轴位置：

$x = f \cdot \theta = \lambda f \cdot k$

所以：pupil 上的空间频率 $k$ 直接对应焦平面上的位置 $x = \lambda f k$。频率越高，角谱分量倾斜越厉害，焦平面上的聚焦点离中心越远。

这就是后面所有推导的物理根源——也是角谱法的直接推论。

5.2.2. Fraunhofer 衍射的数学关系

光瞳平面上的复场 $P(\mathbf{u})$ 经过焦距 $f$ 的透镜后，在焦平面上的复振幅 $U(\mathbf{x})$ 是 $P(\mathbf{u})$ 的傅里叶变换：

$U(\mathbf{x}) = \frac{1}{\lambda f} \iint P(\mathbf{u}) \exp\left(-i \frac{2\pi}{\lambda f} \mathbf{u} \cdot \mathbf{x}\right) d\mathbf{u}$

这个式子告诉我们一件事：

焦平面上的坐标 $\mathbf{x}$ 直接扮演了「空间频率变量」的角色。

具体来说，如果我们定义光瞳域的空间频率为 $\mathbf{k}$（单位：cycles/m）：

$\mathbf{k} = \frac{\mathbf{x}}{\lambda f}$

那么焦平面复振幅就是光瞳复场在频率 $\mathbf{k}$ 处的值：

$U(\mathbf{x}) \propto \hat{P}\left(\mathbf{k} = \frac{\mathbf{x}}{\lambda f}\right)$

5.2.3. 探测器到底「看到」了光瞳频域的哪一段？

探测器只能接收到焦平面上 $x \in [-Np/2, +Np/2]$ 范围内的光。

把 $x_{max} = Np/2 = 900\ \mu\text{m}$ 代入 $\mathbf{k} = \mathbf{x}/(\lambda f)$，就得到探测器能触及的光瞳频域上限：

$k_{max} = \frac{Np/2}{\lambda f} = \frac{900\times 10^{-6}}{530\times 10^{-9} \times 1.248} \approx \frac{9\times 10^{-4}}{6.614\times 10^{-7}} \approx \mathbf{1360\ \text{cycles/m}}$

这是以 cycles/m（每米多少周期）为单位。换算成更直观的 cycles/pupil（光瞳直径上有多少个周期）：

$n_{max} = k_{max} \times D = 1360 \times 0.06 \approx \mathbf{81.6\ \text{cycles/pupil}}$

5.2.4. 角谱法的核心：为什么平面波频率直接对应焦平面位置？

角谱法分析的是光瞳复场 $P(u) = A(u)e^{i\phi(u)}$。将它分解为不同空间频率的平面波成分 $e^{i2\pi k u}$，每个成分对应一个倾斜角，经透镜后聚焦到焦平面的特定位置：

$P(u) = \int \hat{P}(k) e^{i2\pi k u} dk \quad \Rightarrow \quad U(x) = \sum \text{(艾里斑叠加)}$

关键物理图像：

• 复场中空间频率为 $k$（单位：cycles/m）的成分 → 倾斜平面波
• 聚焦位置 $x = \lambda f k$
• 换算成 cycles/pupil：$n = kD$ → $x = n \lambda f / D$

这就是 Pupil 频率 $n$ 与焦平面位置的一一对应关系。

5.3. 为什么频率再高就不行了？——角谱成分跑出探测器

5.3.1. 从角谱法理解频率上限

5.3.1.1. Step 1：平面波的倾斜与聚焦

一束理想平面波以倾斜角 $\theta$ 入射到焦距为 $f$ 的透镜上，在焦平面上汇聚到离轴位置：

$x = f \cdot \tan\theta \approx f \cdot \theta \quad (\text{小角度})$

5.3.1.2. Step 2：角谱成分 = 不同倾斜角的平面波

角谱法将光瞳复场 $P(u)$ 分解为无数平面波成分 $e^{i2\pi k u}$。每个成分对应一个空间频率 $k$（cycles/m），也就是一个特定的倾斜角：

$\theta = \lambda k$

因此，角谱成分 $k$ 聚焦到焦平面的位置为：

$x = \lambda f \cdot k$

换算成 cycles/pupil（$n = kD$）：

$x = n \cdot \frac{\lambda f}{D}$

代入系统参数：

$\frac{\lambda f}{D} = \frac{530\times 10^{-9} \times 1.248}{0.06} \approx 11.0\ \mu\text{m}$

物理图像非常直接：角谱中每增加 1 cycle/pupil 的频率，对应成分就往焦平面两边各移动 11.0 μm。

5.3.1.3. Step 3：有限光瞳的涂抹作用

实际光瞳直径 $D$ 有限，有限孔径相当于圆形窗口 $A(u)$。它的作用是把每个"理想聚焦点"涂抹成艾里斑——形状由光瞳决定，但位置只由倾斜角（即角谱频率）决定。

5.3.1.4. Step 4：探测器范围限制频率上限

探测器是 400 × 400 像素，像素尺寸 4.5 μm，所以总范围是：

$\text{FOV} = 400 \times 4.5\ \mu\text{m} = 1.8\ \text{mm}$

半宽为 ±900 μm。角谱成分一旦聚焦到 $|x| > 900$ μm 的位置，就跑出探测器了。

角谱频率 $n$ (cycles/pupil)	聚焦位置 $x = \pm n \times 11.0$ μm	在探测器内吗？
10	±110 μm	✅
40	±440 μm	✅
80	±880 μm	✅ 靠近边缘
81.6	±898 μm	✅ 刚好擦边
82	±902 μm	❌ 跑出边界
100	±1100 μm	❌

出界条件：

$n \cdot \frac{\lambda f}{D} \leq \frac{Np}{2}$

整理得：

$n_{max} = \frac{NpD}{2\lambda f} \approx 81.6$

5.4. 从另一个角度理解：采样定理（为什么 400 像素对应 pupil 上 163 个采样点？）

5.4.1. 焦平面强度图的 DFT = Pupil 自相关

对探测器采集到的焦平面强度图 $I(x)$ 做二维 DFT，得到的是 pupil 函数 $P(u)$ 的自相关（这是傅里叶光学的一个标准结论）。

所以：对焦平面强度做 DFT，本质上就是在 pupil 域上做分析。

5.4.2. DFT 的频率轴到底是什么？

对 400 × 400 像素做 DFT，DFT 会输出 400 个频率分量。这些频率分量的「频率轴」并不是随便的——

根据角谱法的对应关系 $x = \lambda f \cdot k$，焦平面位置 $x$ 和 pupil 空间频率 $k$ 是一一对应的。因此，焦平面 DFT 的频率轴，经过缩放后，就是 pupil 上的位置轴。

具体来说：

• 焦平面的总采样长度：$L = Np = 400 \times 4.5\ \mu\text{m} = 1.8$ mm
• DFT 的频率分辨率（相邻两个频率 bin 的间隔）：$\Delta k = 1/L = 1/(Np)$

把频率分辨率换算回 pupil 坐标（乘以 $\lambda f$）：

$\Delta u = \lambda f \cdot \Delta k = \frac{\lambda f}{Np}$

代入数字：

$\Delta u = \frac{530\times 10^{-9} \times 1.248}{400 \times 4.5\times 10^{-6}} = \frac{6.614\times 10^{-7}}{1.8\times 10^{-3}} \approx \mathbf{0.367\ mm}$

物理意义：焦平面 DFT 的相邻两个频率 bin，对应 pupil 上相距 0.367 mm 的两个位置。

5.4.3. Pupil 直径上被「切」成了多少段？

光瞳直径 $D = 60$ mm，每段 0.367 mm，所以 pupil 直径方向上一共有：

$N_{pupil} = \frac{D}{\Delta u} = \frac{60}{0.367} \approx \mathbf{163.4\ \text{段}}$

这相当于： 400 像素探测器，在 pupil 直径方向上提供了约 163 个独立采样点。

5.4.4. 采样定理给出频率上限

根据奈奎斯特采样定理，163 个采样点能无混叠表示的最高空间频率为：

$n_{max} = \frac{N_{pupil}}{2} = \frac{163.4}{2} \approx \mathbf{81.7\ \text{cycles/pupil}}$

5.4.5. 两种方法结果一致

推导方法	核心思路	结果
探测器 FOV 限制（第 3 节）	角谱分量聚焦点跑出探测器边缘	81.6
采样定理法（本节）	400 像素 → pupil 上 163 个采样点 → 奈奎斯特极限	81.7

两种完全不同的思路，得到完全一样的数。这不是巧合，而是角谱法对偶性的必然结果。

5.5. “81.6 cycles/pupil” 意味着什么？

5.5.1. 光瞳上的最短可分辨周期

$T_{min} = \frac{D}{n_{max}} = \frac{60\ \text{mm}}{81.6} \approx \mathbf{735\ \mu m} \approx \mathbf{0.735\ mm}$

PSF光路，理论上能分辨的波前最短周期约为 0.735 毫米。

5.5.2. 与艾里斑的对比

艾里斑半径 $r_A \approx 13.45$ μm。

角谱高频分量聚焦到探测器边缘时，离中心的距离是 900 μm，大约是 67 个艾里斑半径。

这说明：PSF 对高频波前的感知，不是通过「改变中心艾里斑形状」，而是通过「在很远的地方产生微弱的角谱响应」来实现的。

5.6. 理论上能区分的最小空间频率

上面分析的是上限（最高能探测到多少）。这一节分析下限——多低的频率还能被 PSF 感知？相邻两个频率模式之间的最小可分辨间隔是多少？

5.6.1. 频率分辨率：相邻模式的最小可区分间隔

5.6.1.1. 从像素采样间隔推导

焦平面上相邻两个像素相距 $p = 4.5$ μm。根据角谱法的对应关系 $x = \lambda f \cdot k$，像素间隔 $p$ 对应 pupil 域的绝对频率间隔：

$\Delta k = \frac{p}{\lambda f}$

代入参数：

$\Delta k = \frac{4.5\times 10^{-6}}{530\times 10^{-9} \times 1.248} \approx \mathbf{6.8\ \text{cycles/m}}$

这一步只和像素尺寸 $p$ 有关，和口径 $D$ 无关。

5.6.1.2. 衍射极限的影响

前面的 0.41 cycles/pupil 只是像素采样层面的数字分辨率，但光学系统本身有衍射极限（瑞利判据），两个相近的频率模式产生的角谱聚焦点可能因为艾里斑重叠而无法区分。

瑞利判据：两个点光源刚好能被分辨时，其间距为艾里斑半径：

$\delta x_{Rayleigh} = 1.22 \frac{\lambda f}{D} \approx 13.45\ \mu\text{m}$

5.6.1.3. 角谱成分在焦平面的聚焦

角谱法中，光瞳复场 $P(u)$ 的每个频率成分 $e^{i2\pi k u}$ 对应一个倾斜平面波，经透镜后聚焦到焦平面位置 $x = \lambda f k$。换算成 cycles/pupil（$n = kD$）：

$x = n \cdot \frac{\lambda f}{D}$

代入系统参数：

$\frac{\lambda f}{D} = \frac{530\times 10^{-9} \times 1.248}{0.06} \approx 11.02\ \mu\text{m}$

所以角谱频率为 $n$ 的成分聚焦到 $x = \pm n \times 11.02$ μm 的位置。由于光瞳是有限圆形孔径，每个"理想聚焦点"被涂抹成艾里斑。

5.6.1.4. 两个相邻频率的间距

考虑角谱中两个相邻的频率 $n$ 和 $n + \Delta n$，它们各自聚焦到：

• 频率 $n$：$x_n = n \times 11.02$ μm
• 频率 $n + \Delta n$：$x_{n+\Delta n} = (n + \Delta n) \times 11.02$ μm

两者间距：

$\Delta x = \Delta n \times 11.02\ \mu\text{m} = \Delta n \cdot \frac{\lambda f}{D}$

5.6.1.5. 代入瑞利判据

要作为独立光斑分辨这两个聚焦点，它们的间距必须大于等于艾里斑半径：

$\Delta x \geq \delta x_{Rayleigh} = 1.22\frac{\lambda f}{D} \approx 13.45\ \mu\text{m}$

代入 $\Delta x = \Delta n \times 11.02$ μm：

$\Delta n \times 11.02\ \mu\text{m} \geq 13.45\ \mu\text{m}$

$\Delta n_{opt} \geq \frac{13.45}{11.02} \approx 1.22$

结论：仅考虑光学衍射极限，系统能分辨的最小频率间隔约为 1.22 cycles/pupil。

对比两个极限：

限制来源	物理含义	数值	系统是否受它限制？
像素采样	DFT 频率 bin 的间隔	0.41 cycles/pupil	❌ 不是瓶颈（像素够密）
光学衍射（瑞利判据）	两个角谱聚焦点作为独立光斑刚好可分辨	1.22 cycles/pupil	✅ 这是实际瓶颈

像素尺寸 $p = 4.5$ μm $< r_A = 13.45$ μm，像素采样比光学衍射更密。因此，实际频率分辨率由光学衍射决定，约为 1.22 cycles/pupil，而不是 0.41。

5.6.1.6. 什么是艾里斑的"第一暗环"？

在解释 $n < 1.22$ 和 $n > 1.22$ 的区分之前，需要先搞清楚艾里斑和它的第一暗环是什么。

5.6.1.6.1. 艾里斑（Airy Disk）

平行光经过圆形孔径（直径 $D$）和透镜（焦距 $f$）后，在焦平面上形成的衍射图样。它的强度分布为：

$I(x) = I_0 \left[ \frac{2J_1\left( \frac{\pi D |x|}{\lambda f} \right)}{\frac{\pi D |x|}{\lambda f}} \right]^2$

其中 $J_1$ 是一阶贝塞尔函数。形状是：中心一个非常亮的尖峰，外面围着一圈圈明暗相间的环。

5.6.1.6.2. 第一暗环（First Dark Ring）

$J_1(z)$ 的第一个零点在 $z \approx 3.83$。令：

$\frac{\pi D r_A}{\lambda f} = 3.83 \quad \Rightarrow \quad r_A = \frac{3.83}{\pi} \cdot \frac{\lambda f}{D} = \mathbf{1.22 \frac{\lambda f}{D}}$

这就是瑞利判据中那个著名的 1.22 的来源。

代入系统参数：

$r_A = 1.22 \times \frac{530\times 10^{-9} \times 1.248}{0.06} \approx \mathbf{13.45\ \mu m}$

物理意义：

• 第一暗环以内（$|x| < 13.45$ μm）：艾里斑的主瓣，集中了约 84% 的能量。
• 第一暗环（$|x| = 13.45$ μm）：强度第一次严格降到零。
• 第一暗环以外（$|x| > 13.45$ μm）：旁瓣区域，能量快速衰减。

5.6.1.6.3. 为什么 $n = 1.22$ 是分界点？

角谱响应的聚焦位置是 $x = n \times 11.02$ μm。把它和艾里斑半径对比一下：

频率 $n$	聚焦位置 $x$	与第一暗环 $r_A = 13.45$ μm 的关系
$n = 0.5$	$5.5$ μm	远在第一暗环内部
$n = 1.0$	$11.0$ μm	在第一暗环内部
$n = 1.22$	$13.45$ μm	刚好在第一暗环上
$n = 2.0$	$22.0$ μm	跑出第一暗环外面

所以当 $n < 1.22$ 时，角谱响应产生的偏移艾里斑整个主瓣都还在中心艾里斑的第一暗环以内，从外面看就是"淹没在中心亮斑里面"，无法作为独立的结构被辨认出来。只有当 $n > 1.22$ 时，偏移艾里斑的中心才跑出第一暗环，开始和中心亮斑"分离"成两个可分辨的结构。

5.6.1.7. 一个重要区分：内部变形 vs 分离光斑

上面的 1.22 只适用于「角谱成分作为独立结构被分辨」的情况（$n \gtrsim 1.22$）。但对于极低频（$n < 1.22$），角谱成分的聚焦点完全淹没在中心艾里斑内部（第一暗环以内），不存在「分离」问题——信息以「改变艾里斑形状」的方式存在。

对于这类内部变形模式，相位恢复算法可以通过优化拟合整个强度场来区分相近的模式，其有效分辨率可以接近甚至突破瑞利判据（受信噪比限制）。

频率区间	分辨机制	有效频率分辨率	决定因素
$n < 1.22$（极低频）	艾里斑内部形状变化	~0.4–1.0 cycles/pupil	像素采样 + 信噪比
$n > 1.22$（中高频）	分离光斑的识别	~1.22 cycles/pupil	瑞利判据（衍射极限）

5.6.1.8. 信息论意义上的自由度

如果估算"独立信息通道数"，应该用采样定理而非瑞利判据：

• Pupil 直径上的等效采样点数：$N_{pupil} \approx D / \Delta u = 163$
• 奈奎斯特频率通道数：$N_{channels} = N_{pupil} / 2 \approx \mathbf{81}$

这 81 个通道是信息论上限——假设有无限信噪比和完美算法，系统最多能区分约 81 个独立的频率成分。

5.6.1.9. 物理意义总结

量	公式	物理意义	系统值
最大频率	$n_{max} = NpD/(2\lambda f)$	角谱聚焦点不跑出探测器的上限	81.6 cycles/pupil
采样频率分辨率	$\Delta n_{samp} = pD/(\lambda f)$	DFT 频率 bin 间隔	0.41 cycles/pupil
光学频率分辨率	$\Delta n_{opt} = 1.22$	独立角谱聚焦点可分辨的最小间隔	1.22 cycles/pupil
信息论通道数	$N_{pupil}/2$	完美算法下的自由度上限	~81

5.6.2. 低频探测极限：多低的频率还能被感知？

5.6.2.1. 零频（piston）严格不可探测

对于 pupil 上均匀分布的相位偏移：

$\phi(u) = \phi_0 \quad (\text{常数})$

光瞳函数变为 $P(u) = A(u) e^{i\phi_0}$。焦平面复振幅：

$U(x) = e^{i\phi_0} \cdot \mathcal{F}[A(u)] = e^{i\phi_0} \cdot \text{Airy}(x)$

强度：

$I(x) = |e^{i\phi_0} \cdot \text{Airy}(x)|^2 = |\text{Airy}(x)|^2$

全局 piston（零频）对强度完全没有影响。 这是所有相位恢复系统的基本局限。

5.6.2.2. 极低频（n < 1）的探测机制

当空间频率 $n$ 很低（比如 n=0.2, 0.5），角谱响应的中心位置：

$x = n \times \frac{\lambda f}{D} = n \times 11.0\ \mu\text{m}$

频率 n	角谱响应位置 x	与艾里斑半径对比
0.2	2.2 μm	远小于艾里斑半径 13.45 μm
0.5	5.5 μm	小于艾里斑半径
0.8	8.8 μm	小于艾里斑半径
1.0	11.0 μm	接近艾里斑半径

当 $n < 1.22$ 时，角谱响应完全淹没在艾里斑内部（在第一暗环以内），无法作为独立结构被分辨。

但这不意味着低频信息丢失了。相反，低频信息以另一种方式存在：改变艾里斑的中心形状。具体来说：

• n ≈ 0.2~0.5（大尺度缓慢起伏）：主要改变艾里斑的对称性、峰值位置和能量集中度。这些变化在图像中心区域（约 ±20 μm 内）非常显著。
• n → 0（趋近于 piston）：响应趋于零，因为任何常数相位偏移都不影响强度。

频率 $n$	偏移距离 $x = n \times 11.0$ μm	与中心艾里斑的重叠	灵敏度
$n \approx 0$	$\approx 0$	完全重叠	最高
$n < 1.22$	$< r_A = 13.45$ μm	大部分重叠（第一暗环内）	高
$n \approx 1.22$	$\approx r_A$	刚好擦边（第一暗环）	中等
$n \gg 1.22$	$\gg r_A$	几乎不重叠	很低

核心物理：高频相位模式在 pupil 上变化快，产生的偏移艾里斑跑得很远，和中心艾里斑"搭不上边"，所以对 PSF 中心区域的改变很微弱。低频模式产生的偏移很小，几乎全部"埋"在中心艾里斑里面，重叠大，影响也大。

5.6.2.2.1. 不同频率区间的探测特征

• 低频（$n < 1.22$）：灵敏度很高（艾里斑重叠大），但信息以「中心形状改变」的形式存在，而非「可分离的角谱响应」。
• 中频（$1.22 < n < 5$）：角谱响应开始与中心分离，灵敏度下降，但仍可探测。
• 高频（$n > 5$）：角谱响应完全分离，每个频率产生独立的焦平面结构，但单个响应强度较弱。

5.6.3. 有效的频率探测区间

综合以上分析， PSF 系统对不同频率的波前成分的探测能力可以总结为：

频率区间	探测机制	灵敏度	备注
n = 0（piston）	无	0	严格不可探测
0 < n < 0.5	改变艾里斑中心形状	高	大尺度起伏，容易探测
0.5 < n < 1.22	艾里斑内部变形	中高	角谱响应仍埋在艾里斑内
1.22 < n < 5	角谱响应开始分离	中	Hartmann 极限在此
5 < n < 15	独立角谱响应	中低	信息丰富但响应较弱
15 < n < 81.6	远场角谱响应	低	能量弱，需高信噪比
n > 81.6	跑出探测器	0	完全不可探测

5.6.4. 与 Hartmann 的对比

指标	Hartmann 10×10	PSF 双平面
最高频率	5 cycles/pupil	81.6 cycles/pupil
频率分辨率	~1 cycles/pupil（受子孔径数限制）	~0.41 cycles/pupil
零频响应	不可探测	不可探测
低频灵敏度（n < 1）	低（只能测平均斜率）	高（改变中心形状）

PSF 系统在频率分辨率和动态范围上全面优于 Hartmann。 但它的问题是：低频信息以「变形」而非「独立角谱响应」的形式存在，需要更精细的算法来提取。

5.7. 双平面测量的必要性

5.7.1. 单幅焦面图的歧义

从单幅 $|U(\mathbf{x})|^2$ 只能得到 $|\hat{P}(\mathbf{k})|^2$（功率谱），丢失了傅里叶相位信息。这意味着：

• 孪生像问题：正负频率无法区分
• 艾里环零点问题：某些 pupil 频率对应的线性灵敏度恰好为零

所以单幅图不能完美恢复波前。

5.7.2. 焦面 + 离焦面解除歧义

离焦在光瞳上引入已知的二次相位：

$\phi_{defocus}(u,v) = \frac{2\pi}{\lambda} W_{20} \frac{u^2 + v^2}{(D/2)^2}$

这使得：

• 焦面上灵敏度为零的频率，在离焦面上可能灵敏度最大
• 两幅图互补，消除了相位歧义

根据相位多样性理论（Gonsalves 1982; Paxman & Fienup 1988）：

适当离焦的双平面强度测量，在理论上可以唯一恢复光瞳上的波前相位。

因此，81.6 cycles/pupil 是双平面PSF系统理论上能够完整恢复的最高波前空间频率。

5.8. 如何提升这个上限？

方法	效果	系统怎么改？
增大探测器像素数 $N$	$n_{max} \propto N$	换 800×800 面阵CCD → 上限翻倍到 163.2
增大像素尺寸 $p$	$n_{max} \propto p$	换更大像素，或降低系统放大率
减小焦距 $f$	$n_{max} \propto 1/f$	改光路设计，缩短焦距
增大光瞳直径 $D$	$n_{max} \propto D$	受Hartmann光路约束，可能动不了
缩短波长 $\lambda$	$n_{max} \propto 1/\lambda$	换更短波长光源

例如，换用 800×800 像素探测器（其他不变）：

$n_{max}^{new} = 81.6 \times \frac{800}{400} = \mathbf{163.2\ \text{cycles/pupil}}$

5.9. 用 10×10 哈特曼 + Zernike 仿真存在的问题及解决方案

前面分析的是 PSF 光路理论上能探测到的最高频率（81.6 cycles/pupil）。但在实际仿真流程中，波前信息来自 10×10 哈特曼传感器测得的 63 项 Zernike 系数。这套输入存在几个根本性的信息损失。

5.9.1. 问题一：空间频率硬截断（5 ~ 81.6 cycles/pupil 完全丢失）

核心矛盾：

• PSF 理论上能感知到 81.6 cycles/pupil
• 哈特曼 10×10 的奈奎斯特极限只有 5 cycles/pupil

这意味着：PSF 探测器能感知的中高频信息（5 ~ 81.6 cycles/pupil），哈特曼完全没有测量到。

频率区间	Hartmann 能否探测	PSF 能否探测	仿真是否包含
0 ~ 5 cycles/pupil	✅ 可以	✅ 可以	✅ Zernike 覆盖
5 ~ 15 cycles/pupil	❌ 不能	✅ 高度敏感	❌ 丢失
15 ~ 25 cycles/pupil	❌ 不能	✅ 可探测（翼部）	❌ 丢失
25 ~ 81.6 cycles/pupil	❌ 不能	✅ 可探测（弱角谱响应）	❌ 丢失
> 81.6 cycles/pupil	❌ 不能	❌ 跑出探测器	—

5.9.1.1. Pupil 频率 → 焦平面坐标的直接映射

根据角谱法 $x = n \cdot \lambda f / D$，每个 pupil 空间频率 $n$ 直接对应焦平面上的一个位置。对于系统，比例因子为：

$\frac{\lambda f}{D} = \frac{530\times 10^{-9} \times 1.248}{0.06} \approx \mathbf{11.02\ \mu m \approx 2.45\ pixels}$

Pupil 频率 $n$	焦平面位置 $x$	像素坐标
1	±11.0 μm	±2.4 pix
2	±22.0 μm	±4.9 pix
3	±33.1 μm	±7.3 pix
4	±44.1 μm	±9.8 pix
5（Hartmann 极限）	±55.1 μm	±12.2 pix
10	±110.2 μm	±24.5 pix
15	±165.4 μm	±36.7 pix
20	±220.5 μm	±49.0 pix
25	±275.6 μm	±61.2 pix
40	±441.0 μm	±98.0 pix
81.6（PSF 极限）	±899.6 μm	±199.9 pix

这意味着什么？

• 中心 0 ~ ±12 像素区域：主要由 0~5 cycles/pupil 决定 → Hartmann + Zernike 可以描述
• 12 ~ 37 像素区域（第一环到第二环之间）：主要由 5~15 cycles/pupil 决定 → Hartmann 完全丢失，需要 HF 层补充
• 37 ~ 61 像素区域：主要由 15~25 cycles/pupil 决定 → Hartmann 丢失
• 61 ~ 200 像素区域（翼部和外围）：主要由 25~81.6 cycles/pupil 决定 → Hartmann 丢失

后果：仿真波前只有低频骨架，没有中高频"纹理"。即使后续叠加离焦，焦平面上也缺少真实系统应有的精细结构——尤其是距离中心 12 像素以外的区域，仿真和真实数据会有系统性偏差。

5.9.2. 问题二：子孔径内信息被完全平均化

哈特曼每个子孔径尺寸为：

$d_{sub} = \frac{D}{10} = \frac{60\ \text{mm}}{10} = \mathbf{6\ mm}$

每个子孔径只输出一个平均斜率。子孔径内部任何小于 6 mm 周期的波前起伏——比如局部凹陷、涟漪、边缘扰动——全部被抹平成单一数值。

物理图像：哈特曼就像用 10×10 的「马赛克」去看波面，每个马赛克块内部细节全黑。

5.9.3. 问题三：Zernike 基函数的固有局限

Zernike 多项式是定义在单位圆域上的正交多项式，它有几个隐含假设：

1. 圆域截断：波前必须在 pupil 边界外严格为零。真实系统中，光瞳边缘可能存在衍射、渐晕、边界散射，Zernike 无法描述这些边界效应。

2. 平滑性假设：Zernike 是多项式，无限可微。真实波前可能包含局部奇点、划痕、灰尘颗粒引起的不连续相位跳变，多项式无法精确拟合。

3. 基函数形状固定：Zernike 的径向和角向模式形状是固定的（圆形、环状、扇形等）。真实光学系统的波前扰动频谱特性（比如 Kolmogorov 湍流谱）与 Zernike 基函数不匹配，用有限阶 Zernike 去逼近会产生频谱泄漏——高阶 Zernike 项被迫去「硬凑」高频能量，但这些高阶项在 10×10 采样下又测不准。

5.9.4. 问题四：混叠与虚假低频

哈特曼 10×10 采样，奈奎斯特极限 5 cycles/pupil。如果真实波前包含高于 5 cycles/pupil 的成分，这些高频会**混叠（alias）**到低频区域：

一个 7 cycles/pupil 的真实波前，在 10 点采样下，可能被误判为 3 cycles/pupil 的虚假低频信号。

这意味着：输入的 63 项 Zernike 系数中，某些「低频」成分可能并不是真实的低频，而是高频混叠后的伪影。仿真用这些被污染的 Zernike 去生成 PSF，必然与真实 PSF 存在系统性偏差。

5.9.5. 解决方案

5.9.5.1. 方案一：端到端学习 + HighFrequencyPhaseLayer（当前方案）

训练流程 optimize_the_optical_param_by_PSF.py 本质上在做端到端学习：

绕过 Hartmann 的采样限制，直接用真实 PSF 图像来「监督」仿真，让网络同时优化物理参数和 Zernike 无法描述的那部分波前。

HighFrequencyPhaseLayer 是这个框架中的关键组件——它在 Zernike 波前基础上叠加一个由 Zernike 系数预测的高频相位屏，专门学习 5 ~ 15（或更高）cycles/pupil 的中频区。

• 当前问题：代码里 min_freq=0, max_freq=45 在 51×51 网格上等价于全频域，既覆盖了目标高频，也侵入了 Zernike 负责的低频区
• 建议修正：min_freq=5, max_freq=15（或根据网格增大后相应提高）

此外，focus_defocus_um、defocus_coefficient_um、spatial_scale 等可学习物理参数，也在协同补偿 Hartmann-Zernike 信息缺失。

5.9.5.2. 方案二：增大仿真网格

51×51 网格的可靠表示上限约 12 cycles/pupil（4 点/周期准则），与 PSF 理论极限 81.6 严重不匹配。

网格尺寸	可靠上限（4点/周期）	奈奎斯特极限	是否匹配 81.6？
51×51	~12	25.5	❌ 差很远
128×128	~32	64	❌ 不够
256×256	~64	128	⚠️ 勉强
512×512	~128	256	✅ 足够

建议：若计算资源允许，将仿真网格从 51×51 提升到 256×256 或 512×512，让 HighFrequencyPhaseLayer 的频谱设置（如 max_freq=80）有物理意义。

5.9.5.3. 方案三：增大 Hartmann 子孔径数（硬件升级）

子孔径数	奈奎斯特极限	子孔径尺寸	提升效果
10×10	5	6 mm	现状
20×20	10	3 mm	中频覆盖翻倍
40×40	20	1.5 mm	显著提升

代价：硬件改造、光学重新对准、成本增加。

6. 点扩散函数（PSF）总能量与光瞳、波前的严格理论推导

6.1. 问题定义与物理模型

6.1.1. 系统描述

在光学成像系统中，我们考虑一个理想的衍射受限系统（或带有像差的系统）：

• 光瞳掩模 $M(x,y)$：描述光瞳几何形状的函数，在通光孔径内部为 $1$，外部为 $0$。
  • 对于圆形光瞳，$M(x,y) = \begin{cases} 1, & x^2+y^2 \leq R^2 \\ 0, & \text{otherwise} \end{cases}$
• 波前（像差） $W(x,y)$ 或记为 $B$：描述光瞳平面上的相位分布，单位通常为波长 $\lambda$ 或弧度。
• 点扩散函数（PSF） $I(u,v)$：理想点光源经过光学系统后在像平面上形成的强度分布。

6.1.2. 光瞳函数（Pupil Function）

光瞳平面上的复振幅透过率函数（简称光瞳函数）定义为：

$\boxed{P(x,y) = M(x,y) \cdot e^{i k W(x,y)}}$

其中：

• $k = \frac{2\pi}{\lambda}$ 为波数
• $M(x,y)$ 为振幅调制（这里只有 $0$ 或 $1$）
• $e^{i k W(x,y)}$ 为相位调制

注意：波前 $W(x,y)$ 可以是任意函数（离焦、像差、随机相位等），只要它是实函数。

6.2. 连续域严格推导

6.2.1. 从光瞳到像平面

根据标量衍射理论和夫琅禾费近似，像平面（焦平面）上的复振幅分布 $U(u,v)$ 是光瞳函数 $P(x,y)$ 的傅里叶变换（相差一个常数相位因子和坐标缩放）：

$U(u,v) = \mathcal{F}\{P(x,y)\} = \iint_{-\infty}^{+\infty} P(x,y) \, e^{-i 2\pi (xu + yv)} \, dx \, dy$

像平面上的强度分布（即 PSF）为：

$I(u,v) = |U(u,v)|^2 = U(u,v) \cdot U^*(u,v)$

6.2.2. PSF 总能量的定义

PSF 的总能量（或总强度）定义为对整个像平面积分：

$E_{\text{PSF}} = \iint_{-\infty}^{+\infty} I(u,v) \, du \, dv = \iint_{-\infty}^{+\infty} |U(u,v)|^2 \, du \, dv$

6.2.3. 帕塞瓦尔定理（Parseval’s Theorem）

傅里叶变换满足著名的帕塞瓦尔能量守恒定理：

对于任意平方可积函数 $f(x,y)$ 及其傅里叶变换 $F(u,v) = \mathcal{F}\{f(x,y)\}$，有：

$\iint |F(u,v)|^2 \, du \, dv = \iint |f(x,y)|^2 \, dx \, dy$

将 $P(x,y)$ 作为 $f(x,y)$，$U(u,v)$ 作为 $F(u,v)$，直接应用帕塞瓦尔定理：

$E_{\text{PSF}} = \iint |U(u,v)|^2 \, du \, dv = \iint |P(x,y)|^2 \, dx \, dy$

6.2.4. 计算 $|P(x,y)|^2$

由于 $P(x,y) = M(x,y) \cdot e^{i k W(x,y)}$，我们有：

$|P(x,y)|^2 = P(x,y) \cdot P^*(x,y) = M(x,y) \cdot e^{i k W(x,y)} \cdot M(x,y) \cdot e^{-i k W(x,y)}$

由于 $M(x,y)$ 是实函数（$0$ 或 $1$），$M^* = M$：

$|P(x,y)|^2 = M^2(x,y) \cdot \underbrace{e^{i k W} \cdot e^{-i k W}}_{=1} = M^2(x,y) = M(x,y)$

关键观察：相位项 $e^{i k W(x,y)}$ 的模恒为 $1$，因此在 $|P|^2$ 中完全抵消。

6.2.5. 连续域最终结论

代入得：

$\boxed{E_{\text{PSF}} = \iint M(x,y) \, dx \, dy = A_{\text{pupil}}}$

其中 $A_{\text{pupil}}$ 是光瞳孔径的几何面积。

对于圆形光瞳：

$E_{\text{PSF}} = \pi R^2$

其中 $R$ 为光瞳半径。

6.3. 离散域（数值仿真）严格推导

在实际仿真中，我们使用离散傅里叶变换（DFT/FFT）在有限网格上计算 PSF。

6.3.1. 离散化模型

设：

• 光瞳平面采样为 $N \times N$ 网格，采样间隔为 $\Delta x = \Delta y = d$
• 离散光瞳函数：$P_{m,n} = M_{m,n} \cdot e^{i k W_{m,n}}$，其中 $m,n = 0,1,\dots,N-1$
• 离散光瞳掩模：$M_{m,n} \in \{0, 1\}$

6.3.2. 二维 DFT 定义

像平面复振幅（DFT）：

$U_{k,l} = \sum_{m=0}^{N-1} \sum_{n=0}^{N-1} P_{m,n} \cdot e^{-i \frac{2\pi}{N}(mk + nl)}$

PSF 强度：

$I_{k,l} = |U_{k,l}|^2$

6.3.3. 离散帕塞瓦尔定理

二维 DFT 满足离散帕塞瓦尔定理：

$\sum_{k=0}^{N-1} \sum_{l=0}^{N-1} |U_{k,l}|^2 = N^2 \sum_{m=0}^{N-1} \sum_{n=0}^{N-1} |P_{m,n}|^2$

归一化说明：上式对应 numpy.fft.fft2 的默认定义（正变换无 $1/N$ 归一化）。若使用 fftshift、ifft2 等其他归一化约定，比例常数会变化，但比例关系不变。

6.3.4. 计算 $|P_{m,n}|^2$

同理：

$|P_{m,n}|^2 = |M_{m,n}|^2 \cdot |e^{i k W_{m,n}}|^2 = M_{m,n}^2 \cdot 1 = M_{m,n}$

因为 $M_{m,n} \in \{0,1\}$，所以 $M_{m,n}^2 = M_{m,n}$。

6.3.5. 离散域最终结论

设 $N_M$ 为光瞳掩模中值为 $1$ 的像素总数，即：

$N_M = \sum_{m=0}^{N-1} \sum_{n=0}^{N-1} M_{m,n}$

则：

$\sum_{k,l} |U_{k,l}|^2 = N^2 \sum_{m,n} M_{m,n} = N^2 \cdot N_M$

因此 PSF 总能量（像素强度之和）为：

$\boxed{E_{\text{PSF, discrete}} = \sum_{k=0}^{N-1} \sum_{l=0}^{N-1} I_{k,l} = N^2 \cdot N_M}$

在仿真中，如果你固定网格大小 $N$ 和光瞳掩模 $M$，则无论波前 $W_{m,n}$ 如何变化，PSF.sum() 恒等于 $N^2 \cdot N_M$。

若考虑实际的物理单位（像素面积 $\Delta u \cdot \Delta v$），总能量还应乘以像素面积，但这不影响"波前不影响总能量"的结论。

6.4. 物理直观理解

6.4.1. 相位是"搬运工"，不是"生产者"

• 光瞳掩模 $M$ 决定了有多少光能通过系统，它是能量的"源头"。
• 波前 $W$（相位）只是决定了这些光在像平面上如何干涉、如何重新分布。

可以把光瞳想象成一个房间里的多盏灯：

• $M$ 决定开了多少盏灯（总功率）。
• $W$ 决定每盏灯的开关时机和相位关系（干涉图样）。

无论这些灯如何干涉，总功率不变，只是有的地方更亮、有的地方更暗。

6.4.2. 像差的影响

• 理想平面波（$W=0$）：PSF 为艾里斑，能量集中在中心。
• 离焦/像差（$W \neq 0$）：中心能量降低，旁瓣升高，能量向外部扩散。
• 随机相位（强像差）：PSF 变成散斑图样，能量极度分散。

但在以上所有情况下，对全像平面求和，总能量完全相同。

6.5. 特殊情况讨论

6.5.1. 如果光瞳掩模不是严格的 0/1？

如果 $M(x,y)$ 包含灰度值（如部分透过率 $0 < M < 1$），结论仍然成立：

$E_{\text{PSF}} = \iint |M(x,y)|^2 \, dx \, dy$

只是此时 $|P|^2 = |M|^2$，不再是简单的 $M$。

6.5.2. 如果光瞳函数包含振幅衰减？

如果光瞳内存在非均匀的振幅衰减 $A(x,y)$（例如高斯照明），则：

$P(x,y) = A(x,y) \cdot M(x,y) \cdot e^{i k W(x,y)}$

此时：

$|P|^2 = |A|^2 \cdot M$

总能量取决于 $|A|^2$ 在光瞳内的积分，仍然与相位 $W$ 无关。

6.5.3. 数值仿真中能量不守恒的排查

如果你在实际仿真中发现改变波前后 PSF.sum() 变化了，请检查：

可能原因	排查方法
PSF 被截断	增大计算网格 $N$，确保旁瓣没有溢出边界
FFT 频谱泄漏	确保光瞳边缘在网格内清晰采样，避免混叠
归一化不一致	不同参数下使用了不同的常数因子乘在 PSF 上
数值下溢/上溢	检查是否有 float32 溢出，建议用 float64
光瞳定义变化	确认 $M$ 在不同条件下确实完全相同

6.6. 总结

问题	答案
PSF 总能量由什么决定？	仅由光瞳掩模 $M$（的平方积分/求和）决定
波前 $W$ 影响总能量吗？	不影响。无论 $W$ 如何，总能量严格守恒
连续域表达式	$E = \displaystyle\iint M(x,y) \, dx \, dy = A_{\text{pupil}}$
离散域表达式	$E = N^2 \displaystyle\sum_{m,n} M_{m,n}$（无归一化 FFT）
物理本质	相位只重新分配能量空间分布，不改变总能量

6.7. 实测数据验证：曝光时间固定下，不同像差对 PSF 能量的影响

6.7.1. 实验设计

为验证理论推导在实际采集数据中的适用性，我们从 dataset_split_txts/test.txt 中随机抽取了 2000 个样本（先 Shuffle 再随机挑选，确保像差分布均匀）。

• 数据来源：光学系统实测采集的 NPZ 文件（image + zernike）
• 曝光条件：采集期间曝光时间严格固定（WFS=500, PD1/PD2/PD3=50）
• 能量计算：直接读取 npz 原始数据，不经过 dataset.py 中的背景扣除和归一化预处理，分别计算：
  • 在焦能量：$E_{\text{in}} = \sum \text{image}[:,:,0]$
  • 离焦能量：$E_{\text{def}} = \sum \text{image}[:,:,1]$
  • 总能量：$E_{\text{tot}} = E_{\text{in}} + E_{\text{def}}$
• 像差度量：Zernike 多项式系数的 RMS 值

6.7.2. 像差覆盖范围

注：我们对 test.txt 中的 全部 39960 个样本 进行了扫描确认。该数据集的 63 维 Zernike 已经去除了 piston 和 tilt，全部为有效像差模式。

波前 RMS 计算：对于正交归一的 Zernike 多项式，波前 RMS = $\sqrt{\sum_i Z_i^2}$（平方求和再开方）。

统计量	波前 RMS sqrt(∑Z²)	波前峰谷值 P-V	最大单项系数 max|Z_i|
最小值	0.0211	0.0136	0.0073
最大值	0.9255	0.8202	0.6239
均值	0.4295	0.3601	0.2776
P90	0.8898	—	—
P95	0.9093	—	—
P99	0.9199	—	—

6.7.3. 能量统计结果

指标	在焦能量	离焦能量	总能量
均值	4793.56	4813.41	9606.97
标准差	4.80	2.19	5.62
变异系数 (CV)	0.10%	0.05%	0.06%

变异系数（CV = std/mean）是衡量相对波动性的关键指标。 总能量的 CV 仅为 0.06%，说明在 2000 个不同像差样本中，总能量几乎恒定不变。

6.7.4. 能量与像差的相关性

能量类型	与波前 RMS sqrt(∑Z²) 的 Pearson 相关系数
在焦能量	+0.2184（弱正相关）
离焦能量	-0.8639（强负相关）
总能量	-0.1501（弱负相关，接近无关）

解读：

• 离焦能量随像差增大而显著下降（能量从离焦面扩散/转移）。
• 但在焦能量有微弱上升，两者相互补偿。
• 总能量与像差几乎无关（$r = -0.15$），验证了相位只重新分配能量、不改变总量的理论结论。

6.7.5. 分组对比（按像差四分位数）

像差等级	样本数	总能量均值	总能量标准差	CV
低像差（$\leq$ P25）	500	9604.21	7.97	0.08%
中像差（P25 ~ P75）	1000	9610.13	2.94	0.03%
高像差（$\geq$ P75）	500	9603.40	2.29	0.02%
高 vs 低相对差异	—	-0.008%	—	—

在 test.txt 实际像差范围内（波前 RMS 从 0.02λ 到 0.93λ，动态范围约 43 倍），总能量变化不到 0.01%。

6.7.6. 可视化

6.7.6.1. 散点图：能量 vs 波前 RMS

• 左图：在焦能量随像差略有上升（$r=0.22$）。
• 中图：离焦能量随像差显著下降（$r=-0.86$）。
• 右图：总能量基本水平，无系统性趋势（$r=-0.15$）。

6.7.6.2. 总能量 vs 波前 P-V 及最大单项系数

• 左图：总能量 vs 波前峰谷值 P-V（$r = -0.16$）。
• 右图：总能量 vs 最大单项系数（$r = -0.16$）。

两种辅助度量下，总能量均无系统性趋势。

6.7.6.3. 总能量分布直方图

总能量呈极窄的分布，均值 9606.97，半高宽极小。

6.7.6.4. 分组箱线图

低、中、高像差三组的能量中位数几乎重合，箱线高度差异极小。

6.7.7. 实测结论

理论预测	实测结果	一致性
光瞳不变时，PSF 总能量与波前（像差）无关	2000 个样本，总能量 CV = 0.06%，与波前 RMS 相关系数仅 -0.15	✅ 完全符合
相位只改变能量空间分布	在焦能量↑，离焦能量↓，两者补偿	✅ 完全符合
曝光时间固定保证入射光量恒定	总能量在不同像差下差异 < 0.01%	✅ 得到验证

6.7.8. 进一步讨论：实测中观察到的能量"补偿"现象

理论上说，总能量应该与像差严格无关（相关系数为 0）。但实测中我们发现：

• 在焦能量随像差增大有微弱上升（$r = +0.22$）
• 离焦能量随像差增大显著下降（$r = -0.86$）
• 两者相互补偿，使总能量保持恒定

这种"补偿"并非理论上的能量转移，而更可能是相机探测非线性导致的测量效应：

6.7.8.1. 像差小 → 中心过曝（能量截断）

当像差很小时，PSF 能量高度集中在焦平面中心。如果中心像素的光强超过了相机的满阱容量（full well capacity），就会发生饱和/过曝。过曝区域的像素值被截断在最大值（如 4095 for 12-bit），导致：

• 在焦图像测得的能量偏低（真实的中心能量被截断了）
• 随着像差增大，能量扩散，中心不再过曝，测得的在焦能量反而"回升"

这与我们观察到的"在焦能量随像差增大而上升"的趋势一致。

6.7.8.2. 像差大 → 信号淹没于噪声

当像差很大时，PSF 能量被严重稀释到更大的空间范围内，单位面积的光强显著下降。此时：

• 信号可能接近甚至低于相机的读出噪声 + 暗电流噪声基线
• 即使做了背景扣除，弱信号区域的信噪比（SNR）仍然很低
• 离焦图像的能量更容易被噪声"吞没"，导致测得的离焦能量偏低

这与我们观察到的"离焦能量随像差增大而显著下降"（$r = -0.86$）高度吻合。

6.7.8.3. 总结

像差大小	在焦通道	离焦通道	对总能量的影响
小像差	中心过曝 → 测得能量偏低	能量集中 → 测得正常	两者部分抵消
大像差	能量扩散 → 过曝消失，测得能量回升	能量极度扩散 → 被噪声淹没，测得能量偏低	两者再次抵消

这解释了为什么总能量能保持如此惊人的稳定（CV = 0.06%）：不是物理上能量在在焦/离焦之间完美转移，而是两种非线性效应（过曝截断 vs 噪声淹没）恰好相互补偿了。

如果要更严格地验证理论，需要确保：

1. 无过曝：像差小时使用更短曝光或衰减片，避免中心饱和
2. 无噪声淹没：像差大时延长曝光或提高增益，确保弱信号高于噪声基线
3. 或者使用具有更高动态范围（HDR）的探测器

光瞳是"量"，波前是"形"。光瞳决定有多少光，波前决定光长什么样。只要光瞳不变，点扩散的总能量就永恒不变。

7. SHFP（子孔径高频相位）层：频率分区与数学构造

7.1. 核心问题：哈特曼传感器能采到什么频率？

7.1.1. 采样定理的一维推导

哈特曼波前传感器（Hartmann WFS）是 10×10 的子孔径网格。我们先从一维理解：

• 在光瞳直径上，有 N_H = 10 个采样点（子孔径中心）
• 根据奈奎斯特采样定理，能无混叠地重建的最高空间频率为：

$f_{Nyquist}^{Hartmann} = \frac{N_H}{2} = 5 \text{ cycles/pupil}$

这意味着：

• 频率 ≤ 5 c/pupil 的波前变化 → 哈特曼可以分辨
• 频率 > 5 c/pupil 的波前变化 → 哈特曼无法分辨（混叠或丢失）

7.1.2. 一维图示

光瞳（-1 ~ +1，归一化坐标）
|----|----|----|----|----|----|----|----|----|----|
  s1   s2   s3   s4   s5   s6   s7   s8   s9  s10
  ← 10个子孔径中心采样点 →

波前分量：
  3 c/pupil (低频)   : ~~~~  (哈特曼可以采)
  8 c/pupil (中频)   : ~~~~~~~~  (哈特曼混叠)
  15 c/pupil (高频)  : ~~~~~~~~~~~~~~~~  (完全丢失)

7.1.3. 51×51 光瞳网格上的频率映射

在 51×51 的像素网格上做 FFT 时，频率与 FFT 索引的关系：

Centered 格式（零频在中间，可视化常用）：

• 索引 k（相对于中心零频 k=25）的实际频率：

$f(k) = k - 25 \quad \text{(cycles/pupil)}$

• k = 20（距中心 5）→ 频率 = 5 c/pupil（哈特曼奈奎斯特极限）
• k = 15（距中心 10）→ 频率 = 10 c/pupil（SHFP中频目标）
• k = 10（距中心 15）→ 频率 = 15 c/pupil（SHFP高频上限）
• k = 0 或 k = 50 → 频率 = ±25 c/pupil（51网格奈奎斯特极限）

重要：必须理解 ifftshift 的作用

torch.fft.ifft2 要求输入频谱的零频在索引 (0,0)，这是标准 FFT 格式：

标准格式：    [0, 1, 2, ..., 25, -25, ..., -2, -1]  (实际频率)
              ↑零频
              
Centered格式：[ -25, ..., -2, -1, 0, 1, 2, ..., 25]
                        ↑零频在中间

torch.fft.ifftshift 的作用就是将 “零频居中” 的可视化格式转换为 “零频在 (0,0)” 的标准格式。

对于 N=51，中心索引 k=25（距中心 0 像素）对应零频。索引 k=45 距中心 20 像素，但在标准格式中：

• ifftshift 后，k=45 的位置会映射到标准格式的 (45 - 25 = 20)，即 -6 c/pupil（因为 20 > 25.5，实际频率 = 20 - 51 = -6）
• 不加 ifftshift，ifft2 会把 k=45 当成 +45 c/pupil（远超奈奎斯特极限），输出像素噪声

7.1.4. 频率分区总表

区域	频率范围 (c/pupil)	Centered格式索引	物理意义	SHFP作用
低频	0 ~ 5	k = 20~30	哈特曼+Zernike已覆盖	不学
中频	5 ~ 15	k = 10~20, 30~40	哈特曼丢失，Zernike弱覆盖	主要学习目标
高频	15 ~ 25	k = 0~10, 40~50	接近网格奈奎斯特，信噪比差	谨慎学习

7.2. SHFP 层的目标：学习中频（5~15 c/pupil）

7.2.1. 为什么选中频而非高频？

1. 过曝的物理本质：

   • 大像差样本的灰圈/光晕是子孔径尺度的动态效应
   • 子孔径大小约 5 像素（51/10 ≈ 5.1），子孔径内的 1~2 个周期的相位变化对应全光瞳上的 5~10 c/pupil
   • 这正是哈特曼完全丢失、Zernike 基函数难以精细表达的区域

2. 为什么不学 >15 c/pupil？

   • 51 网格的奈奎斯特是 25 c/pupil，但 15~25 区域已经接近像素极限
   • 高频分量能量通常很小，且容易过拟合噪声
   • 实验观察到的光晕展宽主要由中频分量（5~15）贡献

7.2.2. 为什么避开 <5 c/pupil（低频）？

• Zernike 63 项（到第 10~11 径向阶）已经能很好地表示 0~5 c/pupil 的波前
• SHFP 如果学习低频，会与 Zernike 发生参数冲突（competing gradients）
• 之前的方形实现 n_freq=12 覆盖了 0~6 c/pupil，导致与 Zernike 重叠
• 改进后的环形实现只覆盖 5~15 c/pupil，与 Zernike 互补

7.3. SHFP 层的数学构造步骤

7.3.1. 步骤 1：定义目标频谱区域（环形中频带）

Centered 频谱（51×51，中心区域示意，距离按欧氏距离 √u²+v² 计算）：
    v
    ↑
    | ...RRRRRRRRRRRRRRRRRRR...
    | ..RRRRRRRRRRRRRRRRRRRRR..
    | .RRRRRRRRRRRRRRRRRRRRRRR.
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRBBBBBRRRRRRRRRR   <- dist=5（哈特曼奈奎斯特边界）
    | RRRRRRRRRBBBBBBBRRRRRRRRR
    | RRRRRRRRBBBBBBBBBRRRRRRRR
    | RRRRRRRRBBBBBBBBBRRRRRRRR
  0-| RRRRRRRRBBBBBBBBBRRRRRRRR ←—— 零频 (u=0, v=0)
    | RRRRRRRRBBBBBBBBBRRRRRRRR
    | RRRRRRRRBBBBBBBBBRRRRRRRR
    | RRRRRRRRRBBBBBBBRRRRRRRRR
    | RRRRRRRRRRBBBBBRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | RRRRRRRRRRRRRRRRRRRRRRRRR
    | .RRRRRRRRRRRRRRRRRRRRRRR.
    | ..RRRRRRRRRRRRRRRRRRRRR..
    | ...RRRRRRRRRRRRRRRRRRR...   <- dist=15（SHFP高频边界）
    ←———————————————— u ———————————————→

    图例: B = 低频盲区（圆形，dist<5，Zernike已覆盖，SHFP不学）
          R = SHFP可学习区域（环形带，5≤dist≤15 c/pupil）
          . = 高频区（dist>15，接近网格奈奎斯特，不学习）

7.3.2. 步骤 2：构造环形频率掩膜

在 PyTorch 中：

N = 51
center = N // 2  # 25
y, x = torch.meshgrid(torch.arange(N), torch.arange(N), indexing='ij')
dist = torch.sqrt((x - center)**2 + (y - center)**2)

# 低频盲区：r < 5（Zernike已覆盖）
low_freq_mask = (dist >= 5).float()

# 高频截断：r > 15（避免过拟合噪声）  
high_freq_mask = (dist <= 15).float()

# SHFP有效区域：环形带 5 <= r <= 15
shfp_mask = low_freq_mask * high_freq_mask  # [51, 51]

7.3.3. 步骤 3：可学习频谱参数

在有效环形区域内放置可学习的复数傅里叶系数：

class HighFrequencyPhaseLayer(nn.Module):
    def __init__(self, grid_size=51, min_freq=5, max_freq=15):
        super().__init__()
        self.grid_size = grid_size
        self.min_freq = min_freq
        self.max_freq = max_freq
        
        # 在环形区域内创建可学习参数
        y, x = torch.meshgrid(
            torch.arange(grid_size), torch.arange(grid_size), indexing='ij'
        )
        dist = torch.sqrt((x - grid_size//2)**2 + (y - grid_size//2)**2)
        
        # 注册环形掩膜（不可学习）
        self.register_buffer('ring_mask', 
            ((dist >= min_freq) & (dist <= max_freq)).float())
        
        # 可学习复数系数（只在mask=1的位置有效）
        self.amp_real = nn.Parameter(
            torch.zeros(grid_size, grid_size) * 0.01)
        self.amp_imag = nn.Parameter(
            torch.zeros(grid_size, grid_size) * 0.01)
        
        # 自适应幅度缩放
        self.intensity_scale = nn.Parameter(torch.tensor(0.05))
    
    def forward(self, batch_size, device, complexity):
        # 1. 构造完整频谱（centered格式，零频在中间）
        spectrum = torch.complex(self.amp_real, self.amp_imag)
        spectrum = spectrum * self.ring_mask  # 只保留环形带
        
        # 2. ifftshift：将零频从中心移到 (0,0)
        full_spectrum = torch.fft.ifftshift(spectrum)
        
        # 3. ifft2：从频域合成空间相位屏
        phase_hf = torch.fft.ifft2(full_spectrum).real
        
        # 4. 归一化（保持单位标准差）
        phase_hf = phase_hf / (phase_hf.std() + 1e-6)
        
        # 5. 与波前复杂度自适应耦合
        scale = torch.sigmoid(self.intensity_scale) * complexity.view(-1, 1, 1) * 0.1
        
        return phase_hf.unsqueeze(0).expand(batch_size, -1, -1) * scale

7.3.4. 步骤 4：叠加到 Zernike 波前

# 在 Zernike2PSF_layer.forward() 中
wavefront_rad = zernike_wavefront / wavelength_m * 2 * torch.pi  # [B, 51, 51]

# 计算波前复杂度（用于SHFP自适应幅度）
complexity = torch.norm(zernike_um, dim=1, keepdim=True)  # [B, 1]

# 生成高频相位扰动
hf_phase = self.hf_phase_layer(batch_size, device, complexity)  # [B, 51, 51]

# 叠加：Zernike低频 + SHFP中频
wavefront_rad = wavefront_rad + hf_phase

7.3.5. 步骤 5：物理衍射（fft2）

pupil_complex = effective_amp * torch.exp(1j * wavefront_rad)

# 注意：这里 fft2 是物理衍射，与 SHFP 的 ifft2（傅里叶级数合成）不同
# fft2 输入也要求零频在 (0,0)， pupil_complex 是空间域，自然满足
psf_amplitude = torch.fft.fft2(pupil_complex)
psf_intensity = torch.fft.fftshift(torch.abs(psf_amplitude)**2)

7.4. SHFP 与 zernike_residual 的互补性

模型中已有 zernike_residual（63-D 可学习向量），它与 SHFP 层是否重叠？不重叠，是互补关系。

7.4.1. zernike_residual 的本质

# 63-D 可学习向量，所有样本共享同一残差（全局校准误差）
self.zernike_residual = nn.Parameter(torch.zeros(63, dtype=torch.float32))

使用方式：zernike_um = zernike_um + self.zernike_residual

• 物理意义：校正输入 Zernike 系数的全局系统误差（如哈特曼标定偏差）
• 表示空间：Zernike 域（63 个系数）→ 通过 zernikePol 映射到 51×51 空间网格
• 与输入关系：固定偏移，所有样本加同一个 63 维向量

7.4.2. 一个常见的误解

“63 项 Zernike 在 51×51 网格上的频率上限只有 0~5 c/pupil，所以 zernike_residual 只覆盖低频。”

这个说法不对。 Zernike 多项式是连续正交多项式，高阶模式（如 n=10, m=10）在 51 点网格上采样后，空间振荡完全可以达到 10~20 c/pupil。这些高频不是采样定理意义上的"可分辨频率"，而是混叠后在离散网格上呈现的高频内容。

所以 zernike_residual 在空间域上的频率范围不限于 0~5 c/pupil。

7.4.3. 那为什么 zernike_residual 仍然替代不了 SHFP？

核心区别在于自由度约束和输入相关性：

	zernike_residual	SHFP 层
自由度	63 个系数	640 个频谱像素
基函数形状	Zernike 多项式（全局、有固定解析形式）	傅里叶正弦/余弦（任意形状）
空间局部性	❌ 全局分布	✅ 可局部可全局
输入相关性	❌ 固定（所有样本相同）	✅ 自适应（大像差→大扰动）
物理约束	受 Zernike 正交性约束	自由（仅频率带限）

关键问题：Zernike 是"结构化"的基。

63 项 Zernike 只能生成 63 维子空间 中的波前。这个子空间包含径向多项式 × 角向三角函数的特定组合，不能生成任意的子孔径尺度局部扰动。

具体例子：假设过曝只在左上角第 (2,3) 个子孔径产生了局部相位畸变。Zernike 基函数无法单独"激活"一个子孔径——所有 Zernike 模式都是覆盖整个光瞳的。要用 63 个全局基去拟合一个局部特征，需要大量基函数的组合，且会引入不必要的全局副作用。

而 SHFP 是像素级自由的。它可以直接在 (2,3) 子孔径位置生成局部扰动，不影响其他区域。

7.4.4. zernike_residual 是否已经吸收了部分过曝效应？

有可能。 训练过程中，zernike_residual 会学习到"让平均 PSF 更接近真实"的方向。如果过曝导致的灰圈有一个固定的高频分量（比如所有大像差样本都有类似的子孔径边缘模糊），zernike_residual 的高阶模式可能会部分吸收它。

但从实验现象看：

多跑 epoch 后模型自发全局加宽（blur_kernel/spatial_scale），大像差改善但小像差过拟合

这说明：

1. zernike_residual 不够用——如果它足够，模型不需要靠全局 blur 来补偿
2. 过曝效应主要是动态的（大像差时有、小像差时无），不是固定的
3. 全局参数无法区分"大像差需要宽 PSF、小像差不需要"

这正是引入 SHFP 的根本原因：提供一个输入相关的、局部自由的自由度。

7.4.5. 总结

问题	答案
zernike_residual 有高频内容吗？	✅ 有（高阶 Zernike 在 51 网格上可产生 >5 c/pupil）
它的自由度足够吗？	❌ 不够（只有 63 维，且受 Zernike 形状约束）
它能表示局部子孔径扰动吗？	❌ 不能（Zernike 是全局基）
它是输入相关的吗？	❌ 不是（固定偏移，所有样本相同）
它已经吸收了过曝效应吗？	可能部分吸收了固定的低频/全局分量
SHFP 还有必要吗？	✅ 有必要（处理动态的、局部的、Zernike 表示不了的分量）

8. 哈特曼波前测量中的子孔径间振幅不均匀性及其对聚焦点扩散函数的影响

哈特曼-夏克（Hartmann-Shack）波前传感器通过子孔径焦斑阵列重构入射波前。传统上，子孔径光斑的质心位移被用来解算相位斜率，从而重构波前相位 $\phi(\mathbf{r})$；然而，不同子孔径光斑之间的亮度差异直接反映了瞳孔面上波前振幅 $A(\mathbf{r})$ 的宏观空间分布。本文建立从哈特曼子孔径间光斑不均匀性到波前振幅重构、再到后续光学系统聚焦点扩散函数（PSF）的完整链路，推导了振幅调制对聚焦 PSF 的定量影响，并通过数值模拟验证了不同子孔径振幅分布下的 PSF 畸变规律。

8.1. 问题背景与物理链路

8.1.1. 哈特曼波前传感器的复振幅重构

哈特曼传感器将入射波前分割为 $N \times M$ 个子孔径。对于第 $(m,n)$ 个子孔径，探测器上记录的光强分布为：

$h_{m,n}(\boldsymbol{\rho}) = \left| \mathcal{F}\{ P_{m,n}(\mathbf{r}) \, A(\mathbf{r}) \, e^{i\phi(\mathbf{r})} \}(\boldsymbol{\rho}) \right|^2$

其中 $\mathbf{r}=(x,y)$ 为瞳孔面（波前平面）的横向笛卡尔坐标，$\boldsymbol{\rho}=(u,v)$ 为焦平面（透镜后焦面）的横向笛卡尔坐标；$P_{m,n}(\mathbf{r})$ 为子孔径掩模，$A(\mathbf{r})$ 和 $\phi(\mathbf{r})$ 分别为瞳孔面的振幅与相位。（注：本文中粗体字母 $\mathbf{r}, \boldsymbol{\rho}$ 均表示二维笛卡尔坐标矢量，而非极坐标；标量 $r=|\mathbf{r}|$ 仅在表示径向距离时出现。）

传统波前重构算法仅提取 $h_{m,n}$ 的质心位移，反演局部相位斜率，从而得到相位图 $\phi(\mathbf{r})$。但 $h_{m,n}$ 的总亮度（光斑积分强度）还包含振幅信息：

• 子孔径间光斑亮度差异 → 瞳孔面不同区域的平均振幅 $A(\mathbf{r})$ 不同。

若将哈特曼测得的所有子孔径振幅值拼接，即可得到 pupil 面上的宏观振幅分布图 $A(\mathbf{r})$。本文假设每个子孔径内部振幅均匀，仅考虑子孔径之间的振幅差异。重构出的完整波前应表示为复振幅场：

$\boxed{ U(\mathbf{r}) = A(\mathbf{r}) \, e^{i\phi(\mathbf{r})} } \tag{1}$

其中 $A(\mathbf{r})$ 是一个阶梯函数（piecewise constant），在每个子孔径内为常数。

8.1.2. 从重构波前到聚焦点扩散函数

在自适应光学链路中，哈特曼测得的波前会被送入后续光学系统（如聚焦透镜）。根据傅里叶光学，透镜后焦面的光场正比于瞳孔面复光场的傅里叶变换：

$U_f(\boldsymbol{\rho}) = \mathcal{F}\{ U(\mathbf{r}) \}(\boldsymbol{\rho}) = \mathcal{F}\{ A(\mathbf{r}) e^{i\phi(\mathbf{r})} \}(\boldsymbol{\rho})$

聚焦**点扩散函数（PSF）**定义为焦面强度分布：

$\boxed{ h(\boldsymbol{\rho}) = \left| \mathcal{F}\{ A(\mathbf{r}) e^{i\phi(\mathbf{r})} \}(\boldsymbol{\rho}) \right|^2 } \tag{2}$

式 (2) 建立了完整的物理链路：哈特曼子孔径间光斑亮度不均匀 → 表征为波前振幅 $A(\mathbf{r})$ 的宏观不均匀 → 与相位 $e^{i\phi}$ 共同决定聚焦 PSF。

8.2. 理论推导：子孔径间振幅不均匀如何影响聚焦 PSF

8.2.1. 平面波相位下的纯振幅效应

为剥离相位因素的干扰，考虑一种常见场景：相位已被哈特曼测得并完全校正（或入射光本身为平面波，$\phi(\mathbf{r})=0$）。此时式 (2) 简化为：

$\boxed{ h(\boldsymbol{\rho}) = \left| \mathcal{F}\{ A(\mathbf{r}) \}(\boldsymbol{\rho}) \right|^2 } \tag{3}$

式 (3) 是本文的核心结果：当相位恒定时，聚焦 PSF 完全由瞳孔振幅分布 $A(\mathbf{r})$ 的傅里叶变换模平方决定。 这意味着，即使哈特曼测得"理想平面波"相位，只要子孔径间存在亮度不均匀（即 $A(\mathbf{r}) \neq \text{const}$），聚焦光斑就必然偏离理想衍射极限。

8.2.2. 子孔径间振幅调制的数学描述

将 pupil 面划分为 $M \times M$ 个子孔径，每个子孔径内的振幅为常数 $A_{m,n}$。则 pupil 面振幅可写为：

$A(\mathbf{r}) = \sum_{m,n} A_{m,n} \, P_{m,n}(\mathbf{r})$

其中 $P_{m,n}(\mathbf{r})$ 为第 $(m,n)$ 个子孔径的矩形窗函数。代入式 (3)：

$h(\boldsymbol{\rho}) = \left| \sum_{m,n} A_{m,n} \, \mathcal{F}\{P_{m,n}\}(\boldsymbol{\rho}) \right|^2$

对于尺寸为 $d \times d$ 的矩形子孔径，$\mathcal{F}\{P_{m,n}\} \propto \text{sinc}(u d) \, \text{sinc}(v d)$。因此 PSF 是多个 sinc 函数的相干叠加，加权系数为各子孔径的振幅 $A_{m,n}$。

物理意义：

• 若所有 $A_{m,n}=A_0$（均匀），各 sinc 函数相干叠加后中心主瓣相互增强，旁瓣相消，得到理想窄 PSF；
• 若 $A_{m,n}$ 空间变化，不同位置的 sinc 函数加权不同，破坏相干相消条件，导致旁瓣能量泄漏；
• 若 $A_{m,n}$ 呈周期性变化（如棋盘格），旁瓣会出现明显的周期性结构。

8.2.3. 能量守恒关系

由帕塞瓦尔定理：

$\int |A(\mathbf{r})|^2 d\mathbf{r} = \int h(\boldsymbol{\rho}) d\boldsymbol{\rho} = E_{\text{total}}$

总能量守恒。但振幅不均匀会在空间上重新分配能量：将中心主瓣的能量转移到旁瓣。

定义旁瓣能量占比：

$\eta = \frac{\int_{\text{sidelobe}} h(\boldsymbol{\rho}) d\boldsymbol{\rho}}{E_{\text{total}}}$

对于均匀振幅，理想情况下 $\eta$ 仅受衍射极限限制。对于非均匀振幅，$\eta$ 随子孔径间振幅起伏的剧烈程度单调增加。

8.2.4. 子孔径间振幅不均匀的典型模式与 PSF 对应关系

子孔径振幅分布 $A_{m,n}$	哈特曼观测现象	对聚焦 PSF 的影响
全部相等（Uniform）	所有子孔径光斑亮度一致	理想衍射极限 PSF，旁瓣最低
随机起伏（Random）	子孔径光斑亮度无规则差异	不规则旁瓣，峰值强度下降
中心高、边缘低（Gaussian）	中心子孔径亮，边缘子孔径暗	主瓣略宽，旁瓣被压制
棋盘格交替（Checkerboard）	相邻子孔径亮度交替变化	强烈的周期性旁瓣，能量泄漏严重
部分子孔径丢失（Dropout）	部分子孔径完全无光	PSF 出现十字/星形旁瓣，类似稀疏孔径

8.3. 数值模拟与可视化

采用离散 FFT 模拟式 (3) 的物理过程。设 pupil 面采样为 $N \times N$，划分为 $8 \times 8$ 个子孔径，并统一限制在圆形孔径 $r \le 0.9$ 内（孔径外强制为 0）。相位恒为 0，每个子孔径内振幅均匀，仅改变子孔径间的振幅值 $A_{m,n}$，计算聚焦 PSF $h = |\text{FFT2}\{A\}|^2$。

8.3.1. 模拟参数与子孔径振幅模型

对比五种典型子孔径振幅分布：

1. Uniform：所有子孔径 $A_{m,n}=1$
2. Random subap：每个子孔径随机振幅 $0.2 \sim 1.0$
3. Gaussian subap：子孔径振幅按高斯分布（中心亮、边缘暗）
4. Checkerboard：相邻子孔径振幅 $0.2$ 和 $1.0$ 交替
5. Partial dropout：随机 20% 子孔径振幅置零（模拟遮挡/坏点）

8.3.2. 结果：子孔径振幅分布与 PSF 的完整链路

下图从左至右依次展示了子孔径振幅分布 $A(\mathbf{r})$（带网格线）、PSF 线性放大图、PSF 对数全局图，完整对应式 (3) 的推导链条。

观察结果：

• Uniform：所有子孔径等亮，焦面振幅为理想 sinc 包络，PSF 主瓣最尖锐，旁瓣最低。
• Random subap：子孔径亮度随机起伏破坏了相干相消，对数图中可见明显的无规则旁瓣。
• Gaussian subap：边缘子孔径被抑制，等效于对有限孔径做软边切趾（apodization），旁瓣能量被压到约 3%，为所有情况中最低。
• Checkerboard：相邻子孔径振幅反相交替，引入强高频分量，PSF 出现显著的周期性旁瓣，能量大量泄漏。
• Partial dropout：部分子孔径缺失，等效于稀疏孔径，PSF 出现十字形旁瓣结构，与干涉合成孔径的点扩散函数形态一致。

9. 离焦系数与物理离焦距离的等价性证明及数值验证

推导为什么"在仿真中加 Zernike 离焦项"与"真实光路中移动相机"是完全等价的。

9.1. 光学结构

先画一个简单的示意图：

光瞳平面 (Pupil Plane)          焦平面 (Focal Plane)      离焦平面 (Defocus Plane)
    ↓                                  ↓                          ↓
   [○]  ←——— 距离 f ———→  [·]  ←——— 距离 Δz ———→  [○]
   圆形孔径                  理想聚焦点                离焦光斑

• 光瞳平面：Mask.mat 描述的圆孔，直径 $D = 60\,\text{mm}$
• 焦平面：距离光瞳 $f = 1248.158\,\text{mm}$，这里是光束完美会聚的位置
• 离焦平面：你把相机往前或往后移动了 $\Delta z$，光束在这里还没完全会聚（或已经发散），所以光斑比焦平面大

光瞳平面上的场 $U_p$ 经过透镜后，传播到像面。在仿真中，我们用 FFT（快速傅里叶变换）来计算这个传播过程。

9.2. 方法 A：Zernike 离焦项是怎么工作的

9.2.1. 加离焦项后的相位

在仿真中，你的代码做了这样一件事：在原来的 Zernike 系数基础上，给离焦项额外加一个系数 $C_d$（单位是 $\mu\text{m}$）。

于是光瞳上的波前（以长度为单位）变为：

$W_A(\rho) = C_d \cdot Z_{\text{defocus}}(\rho) = C_d \, (c_2 \rho^2 + c_0)$

对应的相位为：

$\phi_A(r) = \frac{2\pi}{\lambda} \, W_A(\rho)$

把 $\rho = 2r/D$ 代入：

$\begin{aligned} \phi_A(r) &= \frac{2\pi}{\lambda} \, C_d \left(c_2 \cdot \frac{4r^2}{D^2} + c_0\right) \\[8pt] &= \underbrace{\frac{8\pi c_2}{\lambda D^2} \, C_d \, r^2}_{\text{随 } r \text{ 变化的部分}} + \underbrace{\frac{2\pi c_0}{\lambda} \, C_d}_{\text{常数部分}} \end{aligned}$

9.2.2. 3.4 为什么常数相位不影响 PSF？

上式中第二项 $\frac{2\pi c_0}{\lambda} C_d$ 是一个与 $r$ 无关的常数。这意味着整个光瞳上的每一点都额外转动了相同的角度。

由于 PSF 的计算是取模平方：

$\text{PSF} = \bigl|\mathcal{F}\{A \cdot e^{i(\phi + \phi_0)}\}\bigr|^2 = \bigl|e^{i\phi_0} \cdot \mathcal{F}\{A \cdot e^{i\phi}\}\bigr|^2 = \bigl|\mathcal{F}\{A \cdot e^{i\phi}\}\bigr|^2$

常数相位 $e^{i\phi_0}$ 的模是 1，所以会被消掉。我们在比较两种方法时，只需要关心 $r^2$ 的系数是否一致。

9.3. 方法 B：移动相机是怎么改变光场的

9.3.1. 直觉理解

想象你用放大镜聚焦阳光到一张纸上的一个小点。如果你把纸往上移一点（远离放大镜），光点就会变大变模糊。这就是离焦。

在数学上，移动相机 $\Delta z$ 意味着：光波从光瞳出发后，需要传播距离 $f + \Delta z$ 才能到达像面，而不是原来的 $f$。

9.3.2. 严格推导：从惠更斯原理到菲涅耳衍射

9.3.2.1. 第一步：惠更斯原理——每一点都是新的波源

核心问题：光从光瞳传播到像面，中间发生了什么？

荷兰物理学家惠更斯（Christiaan Huygens）在 1678 年提出了一个惊人的想法：

波前上的每一点，都可以看作是一个新的球面波的波源。这些次级球面波向四面八方传播，它们互相叠加，就形成了下一时刻的波前。

光从光瞳传播到像面的过程，本质上就是：光瞳上的每一点发出球面波，这些球面波在像面上叠加干涉。

你可能会问：如果每一点都向四面八方发球面波，平面波不就散开了吗？

这是一个非常经典的问题！答案是：球面波确实向四面八方扩散了，但它们在绝大多数方向上会互相抵消，只在特定方向上相干增强。

用排队扔石头来理解：

想象 100 个人站成一条直线（模拟平面波的波前），每个人同时扔一块石头到水里。每个人产生的波纹都是圆形，向四面八方扩散。

现在问你：在这些人正前方远处的水面上，波纹是什么样的？

答案是：还是一条直线形波纹（平面波）！

为什么？因为在正前方远处的某一点：

• 从左边第 1 个人传来的波纹走了最远的路，相位滞后最多
• 从中间第 50 个人传来的波纹走了最短的路，相位滞后最少
• 从右边第 100 个人传来的波纹走了最远的路，相位滞后最多

但这些波纹到达时，波峰恰好对齐——左边的波峰虽然出发早，但走得远；右边的波峰虽然出发晚，但走得近。最终所有波峰同时到达，叠加成一个更强的平面波。

而在侧向（比如垂直于这条直线的方向）：

• 左边的人和右边的人到侧向某点的距离不同
• 他们发出的球面波到达时，有的波峰、有的波谷
• 一正一负，互相抵消了

数学上的结果是： 无穷多个球面波的相干叠加，恰好重构出了原来的平面波。这正是惠更斯原理的精妙之处——它看起来让波"散开"了，但通过干涉，波实际上保持了原来的传播方向。

回到我们的系统： 光瞳不是一个完整的平面波前，而是一个被圆孔截断的平面波。圆孔内每一点都发出球面波：

• 在正前方（光轴方向），球面波相干增强，形成主光斑
• 在其他方向，由于圆孔边缘的限制，球面波不能完全抵消，形成了衍射环（Airy 环）

这就是光从光瞳传播到像面时产生 PSF 的本质。

9.3.2.2. 第二步：菲涅耳衍射公式——把惠更斯原理写成数学

现在我们有了物理图像：光瞳上的每一点发出球面波，在像面上叠加。接下来我们需要把这个图像翻译成数学公式。

9.3.2.2.1. 一个点发出的球面波是什么样？

在三维空间中，一个点波源发出的球面波，在距离它 $R$ 远的地方，场的形式是：

$\text{球面波} \propto \frac{e^{ikR}}{R}$

其中：

• $k = 2\pi/\lambda$ 是波数
• $e^{ikR}$ 表示相位随距离变化（每走一个波长 $\lambda$，相位转 $2\pi$）
• $1/R$ 表示振幅随距离衰减（能量守恒，球面面积 $4\pi R^2$）

9.3.2.2.2. 从光瞳到像面：距离是多少？

光瞳上的一点 $(x_p, y_p)$ 到像面上的一点 $(x, y)$ 的距离 $R$ 为：

$R = \sqrt{(x-x_p)^2 + (y-y_p)^2 + z^2}$

其中 $z$ 是光瞳到像面的轴向距离（对理想聚焦 $z=f$，对离焦 $z=f+\Delta z$）。

9.3.2.2.3. 傍轴近似（Paraxial Approximation）

在我们的系统中，光瞳直径 $D = 60\,\text{mm}$，焦距 $f = 1248\,\text{mm}$。光线偏离光轴的角度很小（约 $D/(2f) \approx 0.024$ 弧度 $\approx 1.4°$）。

这意味着我们可以做一个近似：$(x-x_p)$ 和 $(y-y_p)$ 远小于 $z$。把 $R$ 用泰勒展开：

$\begin{aligned} R &= z\sqrt{1 + \frac{(x-x_p)^2 + (y-y_p)^2}{z^2}} \\[6pt] &\approx z \left(1 + \frac{(x-x_p)^2 + (y-y_p)^2}{2z^2}\right) \\[6pt] &= z + \frac{(x-x_p)^2 + (y-y_p)^2}{2z} \end{aligned}$

这个近似叫做傍轴近似，它把复杂的球面波传播简化为一个二次函数。

9.3.2.2.4. 把距离代入球面波公式

把 $R \approx z + \frac{(x-x_p)^2 + (y-y_p)^2}{2z}$ 代入球面波：

$\frac{e^{ikR}}{R} \approx \frac{e^{ikz}}{z} \cdot \exp\!\left[i \frac{k}{2z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right]$

因为 $k = 2\pi/\lambda$，所以 $k/(2z) = \pi/(\lambda z)$。上式变为：

$\frac{e^{ikz}}{z} \cdot \exp\!\left[i \frac{\pi}{\lambda z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right]$

这就是从光瞳上一点到像面一点的球面波传播因子。

9.3.2.2.5. 把所有点的贡献叠加起来

根据惠更斯原理，像面上 $(x, y)$ 点的总场，等于光瞳上所有点发出的球面波到达那里的叠加。

用积分表示：

$U(x, y, z) = \frac{e^{ikz}}{i\lambda z} \iint U_p(x_p, y_p) \, \exp\!\left[i \frac{\pi}{\lambda z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right] dx_p dy_p$

这就是菲涅耳衍射公式。逐项解释：

项	含义
$\displaystyle \frac{e^{ikz}}{i\lambda z}$	整体比例因子和相位偏移。$e^{ikz}$ 是传播距离 $z$ 的相位积累；$i$ 表示 $90°$ 相位旋转；$1/(\lambda z)$ 是归一化因子
$\displaystyle U_p(x_p, y_p)$	光瞳平面上的场（振幅 + 相位），也就是每个"次级波源"的强度
$\displaystyle \exp\!\left[i \frac{\pi}{\lambda z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right]$	从 $(x_p, y_p)$ 到 $(x, y)$ 的球面波传播相位。平方项 $(x-x_p)^2$ 来自傍轴近似下的距离公式
$\displaystyle \iint \cdots dx_p dy_p$	对光瞳上所有点积分——把所有球面波叠加起来

所以，公式里的平方项 $\exp[i\frac{\pi}{\lambda z}(\cdots)^2]$ 不是凭空出现的，它正是"球面波传播"在数学上的体现！ 每一点到每一点的距离不同，相位也就不同，所有不同的相位叠加在一起，就产生了衍射图案。

9.3.2.3. 第三步：展开指数项

现在我们有了菲涅耳衍射公式，接下来要做一件关键的数学操作：把指数里的平方项展开。这会让我们看到三个清晰的物理含义。

把指数项展开：

$\begin{aligned} &\exp\!\left[i \frac{\pi}{\lambda z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right] \\[6pt] =& \exp\!\left[i \frac{\pi}{\lambda z}(x^2 + y^2)\right] \cdot \exp\!\left[-i \frac{2\pi}{\lambda z}(xx_p + yy_p)\right] \cdot \exp\!\left[i \frac{\pi}{\lambda z}(x_p^2 + y_p^2)\right] \end{aligned}$

这三项分别代表：

1. $\exp\!\left[i \frac{\pi}{\lambda z}(x^2 + y^2)\right]$：像面上的二次相位（整体因子，可以提到积分外面）
2. $\exp\!\left[-i \frac{2\pi}{\lambda z}(xx_p + yy_p)\right]$：线性相位项——这一项使得积分变成傅里叶变换的形式
3. $\exp\!\left[i \frac{\pi}{\lambda z}(x_p^2 + y_p^2)\right]$：光瞳上的二次相位——这就是菲涅耳衍射与夫琅禾费衍射的区别所在

9.3.2.4. 第四步：加入薄透镜

在我们的系统中，光瞳平面紧贴透镜。透镜的作用是给光波增加一个二次相位：

$\phi_{\text{lens}}(r) = -\frac{\pi}{\lambda f} r^2$

为什么是负号？因为会聚透镜让光波向中心"收拢"，相当于给边缘更多的相位延迟（或者说让中心的相位"超前"）。

所以光瞳平面上的总场为：

$U_p(x_p, y_p) = A(r) \cdot \exp\!\left[i\phi_{\text{aberration}}(r)\right] \cdot \exp\!\left(-i\frac{\pi}{\lambda f}r^2\right)$

9.3.2.5. 第五步：合并两个二次相位——最关键的"抵消"

现在我们做整个推导中最关键的一步：把透镜引入的二次相位和菲涅耳衍射带来的二次相位合并在一起。

9.3.2.5.1. 合并前的两个二次相位

在光瞳平面上，有两个二次相位因子：

1. 菲涅耳衍射带来的（来自传播距离 $z$）：

   $\exp\!\left[i\frac{\pi}{\lambda z}(x_p^2 + y_p^2)\right]$

2. 薄透镜带来的（焦距 $f$）：

   $\exp\!\left(-i\frac{\pi}{\lambda f}(x_p^2 + y_p^2)\right]$

把它们相乘（合并）：

$\exp\!\left(-i\frac{\pi}{\lambda f}(x_p^2 + y_p^2)\right) \cdot \exp\!\left(i\frac{\pi}{\lambda z}(x_p^2 + y_p^2)\right) = \exp\!\left[i\frac{\pi}{\lambda}\left(\frac{1}{z} - \frac{1}{f}\right)(x_p^2 + y_p^2)\right]$

9.3.2.5.2. 焦平面上发生了什么？（$z = f$）

当像面恰好在焦平面时，$z = f$：

$\frac{1}{z} - \frac{1}{f} = \frac{1}{f} - \frac{1}{f} = 0$

代入合并后的相位：

$\exp\!\left[i\frac{\pi}{\lambda} \cdot 0 \cdot (x_p^2 + y_p^2)\right] = \exp(0) = 1$

二次相位完全抵消了！

9.3.2.5.3. 抵消后，积分退化成傅里叶变换

让我们把 $z = f$ 代入完整的菲涅耳衍射公式，看看发生了什么。

原始公式（回忆第二步）：

$U(x, y, z) = \frac{e^{ikz}}{i\lambda z} \iint U_p(x_p, y_p) \, \exp\!\left[i \frac{\pi}{\lambda z}\bigl((x-x_p)^2 + (y-y_p)^2\bigr)\right] dx_p dy_p$

我们已经把指数展开成了三项（第三步）：

$\exp\!\left[i \frac{\pi}{\lambda z}(x^2 + y^2)\right] \cdot \exp\!\left[-i \frac{2\pi}{\lambda z}(xx_p + yy_p)\right] \cdot \exp\!\left[i \frac{\pi}{\lambda z}(x_p^2 + y_p^2)\right]$

现在 $z = f$，并且光瞳场 $U_p$ 已经包含了透镜相位。所以被积函数中的总二次相位（光瞳上的）是：

$\underbrace{\exp\!\left[i\frac{\pi}{\lambda f}(x_p^2 + y_p^2)\right]}_{\text{菲涅耳传播}} \cdot \underbrace{\exp\!\left(-i\frac{\pi}{\lambda f}(x_p^2 + y_p^2)\right]}_{\text{透镜调制}} = 1$

它们精确抵消了！

剩下的部分：

$U(x, y, f) = \frac{e^{ikf}}{i\lambda f} \cdot \exp\!\left[i\frac{\pi}{\lambda f}(x^2 + y^2)\right] \iint U_p^{\text{原始}}(x_p, y_p) \, \exp\!\left[-i\frac{2\pi}{\lambda f}(xx_p + yy_p)\right] dx_p dy_p$

其中 $U_p^{\text{原始}}(x_p, y_p) = A(r) \cdot \exp[i\phi_{\text{aberration}}(r)]$ 是不含透镜相位的光瞳场。

现在看积分号里面的东西：

$\iint U_p^{\text{原始}}(x_p, y_p) \, \exp\!\left[-i\frac{2\pi}{\lambda f}(xx_p + yy_p)\right] dx_p dy_p$

这正是二维傅里叶变换的定义！

回忆傅里叶变换的标准形式：

$\mathcal{F}\{g(x_p, y_p)\} = \iint g(x_p, y_p) \, e^{-i2\pi(f_x x_p + f_y y_p)} dx_p dy_p$

对比可得：

• 空间频率 $f_x = \dfrac{x}{\lambda f}$
• 空间频率 $f_y = \dfrac{y}{\lambda f}$

物理意义：

• 像面上位置 $x$ 越大的点，对应的空间频率 $f_x$ 越高
• 这是因为从光瞳边缘发出的光（高频成分）会聚焦到像面的边缘

9.3.2.5.4. 为什么叫"夫琅禾费衍射"？

历史上，夫琅禾费（Joseph von Fraunhofer）发现：当观察屏距离衍射孔足够远时（远场），衍射图案就是孔径函数的傅里叶变换。

在我们的系统中，透镜起到了"压缩距离"的作用：

• 没有透镜时，你需要让光传播到无穷远才能看到夫琅禾费衍射图案
• 有了透镜，焦平面就是等效的无穷远——因为透镜把所有平行光（不同角度）聚焦到焦平面的不同位置

所以：焦平面上的场 = 光瞳场的傅里叶变换。

这正是你的代码中用 fft2 计算 PSF 的数学基础。

9.3.2.5.5. 直观理解"抵消"

为什么透镜相位和菲涅耳相位会抵消？

• 菲涅耳传播相位 $\left(+\dfrac{\pi}{\lambda z}r^2\right)$：光从光瞳传播到像面时，边缘比中心走更远的路，所以边缘相位更"滞后"。这个相位让波前变得更弯曲。

• 透镜相位 $\left(-\dfrac{\pi}{\lambda f}r^2\right)$：透镜给边缘更大的相位延迟（负号表示延迟），让平面波变得弯曲，准备会聚到焦点。

当 $z = f$ 时：

• 透镜让波前弯曲了 $-\dfrac{\pi}{\lambda f}r^2$
• 传播恰好需要 $+\dfrac{\pi}{\lambda f}r^2$ 来"展平"这个弯曲
• 两者一加一减，完美抵消，波前在焦平面上变成一个完美的点（理想情况下）

9.3.2.6. 第六步：像面移动了 $\Delta z$

现在你把相机移动了 $\Delta z$，像面位置变为 $z = f + \Delta z$。

计算：

$\frac{1}{z} - \frac{1}{f} = \frac{1}{f+\Delta z} - \frac{1}{f} = \frac{f - (f+\Delta z)}{f(f+\Delta z)} = -\frac{\Delta z}{f(f+\Delta z)}$

在傍轴近似下，$\Delta z \ll f$，所以 $f + \Delta z \approx f$，于是：

$\frac{1}{z} - \frac{1}{f} \approx -\frac{\Delta z}{f^2}$

代入相位表达式：

$\exp\!\left[i\frac{\pi}{\lambda}\left(-\frac{\Delta z}{f^2}\right)r^2\right] = \exp\!\left(-i\frac{\pi\Delta z}{\lambda f^2}r^2\right)$

9.3.2.7. 第七步：得到方法 B 的相位

取指数中的相位部分，得到方法 B 的核心表达式：

$\boxed{ \phi_B(r) = -\frac{\pi}{\lambda f^2} \, \Delta z \, r^2 }$

物理意义再解释一遍：

• 当 $\Delta z > 0$（相机远离透镜，像面在焦点后方）时，$\phi_B(r)$ 为负
• 这意味着光瞳中心相对于边缘有额外的相位超前
• 直观理解：如果像面在焦点后方，光束到达那里时还没完全会聚，所以光瞳上的波前应该"更平一些"（相比理想会聚球面波）
• 透镜原本让波前非常弯曲（要会聚到焦点），现在像面远了，所以需要在光瞳上加一个"反弯曲"的相位来补偿

9.4. 核心证明：两种方法等价性的直接比较

9.4.1. 证明思路

我们可以用一种直接的方式来证明等价性：

两种方法都是在光瞳平面上引入了一个二次相位因子，然后对同一个光瞳做完全相同的夫琅禾费衍射。如果这两个二次相位因子相同，那么像面场 $U(x,y,z)$ 必然相同，PSF 也就必然相同。

让我分别写出两种方法的光瞳场，然后直接比较。

9.4.2. 方法 A 的光瞳场

方法 A 直接在光瞳的波前上叠加 Zernike 离焦项：

$U_p^{(A)}(x_p, y_p) = A(r) \cdot \exp\!\left[i\phi_{\text{base}}(r)\right] \cdot \exp\!\left[i\phi_A(r)\right]$

其中：

• $A(r)$ 是光瞳振幅（Mask.mat 的二值圆孔）
• $\phi_{\text{base}}(r)$ 是其他像差（如随机像差）引入的基础相位
• $\phi_A(r) = \dfrac{2\pi}{\lambda} C_d \, Z_{\text{defocus}}(\rho) = \dfrac{8\pi c_2}{\lambda D^2} C_d \, r^2 + \text{const}$ 是 Zernike 离焦项引入的相位

9.4.3. 方法 B 的光瞳场

方法 B 中，光瞳平面上的原始场（不含额外离焦）为：

$U_p^{(B,\text{原始})}(x_p, y_p) = A(r) \cdot \exp\!\left[i\phi_{\text{base}}(r)\right]$

光瞳紧贴透镜，透镜引入相位 $-\dfrac{\pi}{\lambda f}r^2$。光瞳场传播到距离 $z = f + \Delta z$ 的像面时，菲涅耳衍射公式中的传播因子为 $+\dfrac{\pi}{\lambda z}r^2$（见第四步展开后的第三项）。

这两个二次相位合并后（见第五步推导）：

$\exp\!\left(-i\frac{\pi}{\lambda f}r^2\right) \cdot \exp\!\left(i\frac{\pi}{\lambda z}r^2\right) = \exp\!\left[i\frac{\pi}{\lambda}\left(\frac{1}{z} - \frac{1}{f}\right)r^2\right]$

当 $z = f + \Delta z$ 且 $\Delta z \ll f$ 时：

$\frac{1}{z} - \frac{1}{f} \approx -\frac{\Delta z}{f^2}$

所以光瞳场上的总二次相位为：

$\phi_B(r) = -\frac{\pi}{\lambda f^2} \, \Delta z \, r^2$

因此方法 B 的等效光瞳场为：

$U_p^{(B)}(x_p, y_p) = A(r) \cdot \exp\!\left[i\phi_{\text{base}}(r)\right] \cdot \exp\!\left[i\phi_B(r)\right]$

9.4.4. 直接比较两种光瞳场

对比 $U_p^{(A)}$ 和 $U_p^{(B)}$：

$\begin{aligned} U_p^{(A)} &= A(r) \cdot e^{i\phi_{\text{base}}} \cdot \exp\!\left(i\frac{8\pi c_2}{\lambda D^2} C_d \, r^2 + i\,\text{const}\right) \\[8pt] U_p^{(B)} &= A(r) \cdot e^{i\phi_{\text{base}}} \cdot \exp\!\left(-i\frac{\pi}{\lambda f^2} \Delta z \, r^2\right) \end{aligned}$

两者具有完全相同的结构：

• 相同的光瞳振幅 $A(r)$
• 相同的基础相位 $\phi_{\text{base}}$
• 都乘以一个关于 $r^2$ 的二次相位因子

唯一的区别是二次项的系数。如果我们选择合适的 $\Delta z$，使得两个二次项系数相等（允许相差常数）：

$\frac{8\pi c_2}{\lambda D^2} \, C_d = -\frac{\pi}{\lambda f^2} \, \Delta z$

两边约去 $\pi/\lambda$：

$\frac{8 c_2}{D^2} \, C_d = -\frac{1}{f^2} \, \Delta z$

解得：

$\boxed{ \Delta z = -\frac{8 f^2 c_2}{D^2} \, C_d }$

9.4.5. 结论

当 $\Delta z$ 和 $C_d$ 满足上述换算关系时：

$U_p^{(A)}(x_p, y_p) = U_p^{(B)}(x_p, y_p) \cdot e^{i\,\text{const}}$

两者相差一个全局常数相位（来自 Zernike 离焦项的 piston $c_0$）。如 3.4 节所证，全局常数相位不影响 PSF。

由于两种方法的光瞳场完全相同（允许全局相位差），它们经过完全相同的夫琅禾费衍射过程后，必然得到完全相同的像面场 $U(x,y,z)$，从而生成完全相同的 PSF。

这就严格证明了两种方法的等价性。

9.5. 数值仿真验证

9.5.1. 仿真代码做了什么？

我们写了一个 Python 程序 compare_defocus_methods_v2.py，严格按照用户代码中的参数进行仿真：

"""
对比两种离焦仿真方式（修正版）：
  方式A：加Zernike离焦项（用户现有代码逻辑）
  方式B：移动相机 —— 在光瞳上乘以菲涅耳二次相位因子（傍轴近似下严格等价于移动相机），
         然后做夫琅禾费衍射得到离焦PSF。

核心问题：真实光路中通过前后移动相机得到离焦，是否等价于在仿真中直接加Zernike离焦项？
"""

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import loadmat
import os

# ---------------------------------------------------------------------------
# 1. 加载光瞳和Zernike数据（与用户代码一致）
# ---------------------------------------------------------------------------
zernikePol = loadmat("../ReconMatrix_C.mat")["ReconMatrix_C"][:, 2:].astype(np.float64)
Wx = loadmat("../Mask.mat")["Mask"].astype(np.float64)
Wx[np.isnan(Wx)] = 0.0

H, W = Wx.shape
valid_mask = Wx > 0
valid_idx = valid_mask.flatten().nonzero()[0]
N_valid = len(valid_idx)
print(f"光瞳尺寸: {H}x{W}, 有效点: {N_valid}, Zernike阶数: {zernikePol.shape[1]}")

# ---------------------------------------------------------------------------
# 2. 光学参数（与用户代码一致）
# ---------------------------------------------------------------------------
NM_TO_M = 1e-9
UM_TO_M = 1e-6
MM_TO_M = 1e-3

wavelength_m = 530 * NM_TO_M
total_folcal_len_m = 6240.79 * MM_TO_M
ratio_before_pupil = 5
pupil_ccd_focal_len_m = total_folcal_len_m / ratio_before_pupil

WFS_pitch_m = 300 * UM_TO_M
WFS_N = 10
pupil_to_WFS_ratio = 20
pupil_diameter_m = WFS_pitch_m * WFS_N * pupil_to_WFS_ratio

CCD_pixel_pitch_m = 4.5 * UM_TO_M
pad_size = 256

print(f"波长 λ = {wavelength_m*1e9:.1f} nm")
print(f"成像焦距 f = {pupil_ccd_focal_len_m*1e3:.3f} mm")
print(f"光瞳直径 D = {pupil_diameter_m*1e3:.2f} mm")
print(f"F数 = {pupil_ccd_focal_len_m / pupil_diameter_m:.2f}")

# ---------------------------------------------------------------------------
# 3. 确定Zernike离焦项形式并建立 Cd ↔ Δz 换算关系
# ---------------------------------------------------------------------------
defocus_vals = zernikePol[:, 1]
center = ((W - 1) / 2.0, (H - 1) / 2.0)
radius_px = min(center)
y_coords, x_coords = np.indices((H, W))
rho_flat = np.sqrt((x_coords - center[0])**2 + (y_coords - center[1])**2).flatten()[valid_idx] / radius_px
A = np.vstack([rho_flat**2, np.ones_like(rho_flat)]).T
a, b = np.linalg.lstsq(A, defocus_vals, rcond=None)[0]
c2 = a  # 二次项系数
print(f"\nZernike离焦项拟合: Z_defocus = {c2:.6f}*rho^2 + {b:.6f}")
print(f"理论 Noll Z4 = sqrt(3)*(2rho^2-1) = {2*np.sqrt(3):.6f}*rho^2 + {-np.sqrt(3):.6f}")

# 换算公式推导：
# 方式A相位: phi_A = (2pi/lambda) * Cd * c2 * rho^2
# 方式B相位（菲涅耳近似）: phi_B = -(pi/lambda) * (dz/f^2) * r^2
#   其中 r = rho * D/2, 所以 r^2 = rho^2 * D^2/4
#   phi_B = -(pi/lambda) * (dz/f^2) * (D^2/4) * rho^2 = -(pi*D^2 / (4*lambda*f^2)) * dz * rho^2
# 令 phi_A = phi_B:
#   (2pi/lambda) * Cd * c2 = -(pi*D^2 / (4*lambda*f^2)) * dz
#   2 * Cd * c2 = -(D^2 / (4*f^2)) * dz
#   dz = -(8 * f^2 * c2 / D^2) * Cd

def zernike_defocus_to_dz(Cd):
    return - (8.0 * pupil_ccd_focal_len_m**2 / pupil_diameter_m**2) * c2 * Cd

# 测试几个典型值
test_Cds = [(-0.5 * 0.530) * UM_TO_M, -0.1937 * UM_TO_M, -0.530 * UM_TO_M, -1.060 * UM_TO_M]
print("\n--- Zernike离焦系数 ↔ 物理离焦距离换算 ---")
for Cd in test_Cds:
    dz = zernike_defocus_to_dz(Cd)
    print(f"  Cd = {Cd/UM_TO_M:+.4f} um  <=>  dz = {dz*1e3:+.4f} mm")

# ---------------------------------------------------------------------------
# 4. 核心仿真函数
# ---------------------------------------------------------------------------
def simulate_defocus_method_A(zernike_coeffs, Cd_defocus, pad=None):
    """
    方式A：Zernike离焦项法（与用户代码一致）
    """
    zc = zernike_coeffs.copy()  # um单位
    zc[1] += Cd_defocus / UM_TO_M  # Cd_defocus [m] -> um
    zc = zc * UM_TO_M  # 转为m单位

    wavefront_m_flat = zc @ zernikePol.T
    wavefront_m = np.zeros(H * W, dtype=np.float64)
    wavefront_m[valid_idx] = wavefront_m_flat
    wavefront_m = wavefront_m.reshape(H, W)

    phase = wavefront_m / wavelength_m * 2 * np.pi
    pupil_complex = Wx * np.exp(1j * phase)

    if pad is not None and pad > max(H, W):
        M = pad
        pad_h = (M - H) // 2
        pad_w = (M - W) // 2
        padded = np.zeros((M, M), dtype=np.complex128)
        padded[pad_h:pad_h+H, pad_w:pad_w+W] = pupil_complex
        pupil_complex = padded
    else:
        M = H

    U_f = np.fft.fft2(pupil_complex, norm="ortho")
    U_f = np.fft.fftshift(U_f, axes=(-2, -1))
    intensity = np.abs(U_f)**2

    n_eff = Wx.sum()
    max_intensity_theoretical = (n_eff / M)**2
    intensity = intensity / max_intensity_theoretical

    sim_pixel_pitch_m = wavelength_m * pupil_ccd_focal_len_m * H / (M * pupil_diameter_m)
    return intensity, sim_pixel_pitch_m, M


def simulate_defocus_method_B(zernike_coeffs, Cd_defocus, pad=None):
    """
    方式B：菲涅耳近似下的移动相机法。
    在光瞳上乘以二次相位因子 exp(-i * pi/lambda * dz/f^2 * r^2)，
    这严格等价于傍轴近似下将像面沿光轴移动距离 dz。
    """
    # 基础波前（不含额外离焦）
    zc = zernike_coeffs.copy() * UM_TO_M

    wavefront_m_flat = zc @ zernikePol.T
    wavefront_m = np.zeros(H * W, dtype=np.float64)
    wavefront_m[valid_idx] = wavefront_m_flat
    wavefront_m = wavefront_m.reshape(H, W)

    # 基础相位
    base_phase = wavefront_m / wavelength_m * 2 * np.pi
    pupil_complex = Wx * np.exp(1j * base_phase)

    # 计算对应的物理离焦距离
    dz = zernike_defocus_to_dz(Cd_defocus)

    # 构建光瞳平面物理坐标网格（单位：m）
    # 光瞳直径 D，采样 HxH，像素尺寸 = D/H
    dp = pupil_diameter_m / H  # 光瞳像素尺寸
    y_idx, x_idx = np.indices((H, W))
    # 以光瞳中心为原点的物理坐标
    x_p = (x_idx - (W - 1) / 2.0) * dp
    y_p = (y_idx - (H - 1) / 2.0) * dp
    r_sq = x_p**2 + y_p**2

    # 菲涅耳二次相位因子（移动相机 dz 的等价相位）
    # 注意：对于会聚光束，像面在焦点后方 (dz>0) 时，光瞳中心相位滞后于边缘
    # 公式：phi = -pi/(lambda) * dz/f^2 * r^2
    phi_defocus = -np.pi / wavelength_m * (dz / pupil_ccd_focal_len_m**2) * r_sq

    # 乘以二次相位因子
    pupil_complex = pupil_complex * np.exp(1j * phi_defocus)

    # 零填充
    if pad is not None and pad > max(H, W):
        M = pad
        pad_h = (M - H) // 2
        pad_w = (M - W) // 2
        padded = np.zeros((M, M), dtype=np.complex128)
        padded[pad_h:pad_h+H, pad_w:pad_w+W] = pupil_complex
        pupil_complex = padded
    else:
        M = H

    # 夫琅禾费衍射 → 离焦像面
    U_f = np.fft.fft2(pupil_complex, norm="ortho")
    U_f = np.fft.fftshift(U_f, axes=(-2, -1))
    intensity = np.abs(U_f)**2

    n_eff = Wx.sum()
    max_intensity_theoretical = (n_eff / M)**2
    intensity = intensity / max_intensity_theoretical

    sim_pixel_pitch_m = wavelength_m * pupil_ccd_focal_len_m * H / (M * pupil_diameter_m)
    return intensity, sim_pixel_pitch_m, M, dz


# ---------------------------------------------------------------------------
# 5. 对比实验
# ---------------------------------------------------------------------------
zernike_zero = np.zeros(zernikePol.shape[1], dtype=np.float64)
Cd_test = -0.1937 * UM_TO_M

print("\n" + "="*60)
print(f"对比实验: Cd = {Cd_test/UM_TO_M:.4f} um")
print("="*60)

psf_A, pitch_A, M_A = simulate_defocus_method_A(zernike_zero, Cd_test, pad=pad_size)
psf_B, pitch_B, M_B, dz_actual = simulate_defocus_method_B(zernike_zero, Cd_test, pad=pad_size)
print(f"方式A (Zernike离焦): PSF shape={psf_A.shape}, pixel_pitch={pitch_A*1e6:.3f} um")
print(f"方式B (菲涅耳移动):  PSF shape={psf_B.shape}, pixel_pitch={pitch_B*1e6:.3f} um, dz={dz_actual*1e3:.4f} mm")

assert np.isclose(pitch_A, pitch_B)
assert M_A == M_B

# 定量差异
psf_A_norm = psf_A / psf_A.max()
psf_B_norm = psf_B / psf_B.max()
abs_diff = np.abs(psf_A_norm - psf_B_norm)

threshold = 0.01
mask_compare = (psf_A_norm > threshold) | (psf_B_norm > threshold)
mae = np.mean(abs_diff[mask_compare])
rmse = np.sqrt(np.mean(abs_diff[mask_compare]**2))
max_err = abs_diff[mask_compare].max()

print(f"\n差异统计 (mask > {threshold} of max):")
print(f"  MAE  = {mae:.8f}")
print(f"  RMSE = {rmse:.8f}")
print(f"  Max  = {max_err:.8f}")

mae_full = np.mean(abs_diff)
rmse_full = np.sqrt(np.mean(abs_diff**2))
print(f"\n差异统计 (全图):")
print(f"  MAE  = {mae_full:.8f}")
print(f"  RMSE = {rmse_full:.8f}")

# ---------------------------------------------------------------------------
# 6. 可视化
# ---------------------------------------------------------------------------
def add_crosshair(ax, img, color='lime'):
    cy, cx = np.array(img.shape) // 2
    ax.axhline(cy, color=color, lw=0.8, alpha=0.7)
    ax.axvline(cx, color=color, lw=0.8, alpha=0.7)

fig, axes = plt.subplots(2, 4, figsize=(16, 8))

vmax = max(psf_A_norm.max(), psf_B_norm.max())

axes[0, 0].imshow(psf_A_norm, cmap='hot', vmin=0, vmax=vmax)
axes[0, 0].set_title(f"Method A: Zernike defocus\nCd={Cd_test/UM_TO_M:.4f} um")
axes[0, 0].axis('off')
add_crosshair(axes[0, 0], psf_A_norm)

axes[0, 1].imshow(psf_B_norm, cmap='hot', vmin=0, vmax=vmax)
axes[0, 1].set_title(f"Method B: Fresnel propagation\ndz={dz_actual*1e3:.3f} mm")
axes[0, 1].axis('off')
add_crosshair(axes[0, 1], psf_B_norm)

im2 = axes[0, 2].imshow(abs_diff, cmap='jet', vmin=0, vmax=max_err)
axes[0, 2].set_title(f"Absolute diff |A-B|\nMAE={mae:.6f}, Max={max_err:.6f}")
axes[0, 2].axis('off')
add_crosshair(axes[0, 2], abs_diff)

rel_diff = abs_diff / (psf_B_norm + 1e-12)
rel_diff_vis = np.log10(rel_diff + 1e-6)
axes[0, 3].imshow(rel_diff_vis, cmap='jet')
axes[0, 3].set_title("Relative diff log10(|A-B|/B+1e-6)")
axes[0, 3].axis('off')
add_crosshair(axes[0, 3], rel_diff)

# 中心剖面
cy = psf_A_norm.shape[0] // 2
axes[1, 0].plot(psf_A_norm[cy, :], 'r-', lw=1.5, label='Method A (Zernike)')
axes[1, 0].plot(psf_B_norm[cy, :], 'b--', lw=1.5, label='Method B (Fresnel)')
axes[1, 0].set_title(f"Horizontal profile (y={cy})")
axes[1, 0].set_xlabel("pixel")
axes[1, 0].set_ylabel("normalized intensity")
axes[1, 0].legend()
axes[1, 0].grid(True, alpha=0.3)

axes[1, 1].plot(abs_diff[cy, :], 'g-', lw=1.5)
axes[1, 1].set_title("Horizontal profile diff")
axes[1, 1].set_xlabel("pixel")
axes[1, 1].set_ylabel("|A-B|")
axes[1, 1].grid(True, alpha=0.3)

cx = psf_A_norm.shape[1] // 2
axes[1, 2].plot(psf_A_norm[:, cx], 'r-', lw=1.5, label='Method A (Zernike)')
axes[1, 2].plot(psf_B_norm[:, cx], 'b--', lw=1.5, label='Method B (Fresnel)')
axes[1, 2].set_title(f"Vertical profile (x={cx})")
axes[1, 2].set_xlabel("pixel")
axes[1, 2].set_ylabel("normalized intensity")
axes[1, 2].legend()
axes[1, 2].grid(True, alpha=0.3)

# 径向平均
def radial_profile(img):
    y, x = np.indices(img.shape)
    center = np.array(img.shape) // 2
    r = np.sqrt((x - center[1])**2 + (y - center[0])**2).astype(np.int64)
    r_max = min(center[0], center[1])
    radial_mean = np.zeros(r_max)
    for i in range(r_max):
        mask_r = (r == i)
        if mask_r.sum() > 0:
            radial_mean[i] = img[mask_r].mean()
    return radial_mean

rad_A = radial_profile(psf_A_norm)
rad_B = radial_profile(psf_B_norm)
axes[1, 3].plot(rad_A, 'r-', lw=1.5, label='Method A (Zernike)')
axes[1, 3].plot(rad_B, 'b--', lw=1.5, label='Method B (Fresnel)')
axes[1, 3].set_title("Radial average")
axes[1, 3].set_xlabel("radius (pixel)")
axes[1, 3].set_ylabel("normalized intensity")
axes[1, 3].legend()
axes[1, 3].grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('comparison_defocus_methods_v2.png', dpi=200, bbox_inches='tight')
print("\nSaved: comparison_defocus_methods_v2.png")

# ---------------------------------------------------------------------------
# 7. 不同离焦量扫掠
# ---------------------------------------------------------------------------
print("\n" + "="*60)
print("Error vs defocus amount:")
print("="*60)

defocus_ums = np.linspace(-1.0, 1.0, 21) * 0.530
results = []
for Cd_um in defocus_ums:
    Cd = Cd_um * UM_TO_M
    psf_A, _, _ = simulate_defocus_method_A(zernike_zero, Cd, pad=pad_size)
    psf_B, _, _, _ = simulate_defocus_method_B(zernike_zero, Cd, pad=pad_size)
    psf_A_n = psf_A / psf_A.max()
    psf_B_n = psf_B / psf_B.max()
    diff = np.abs(psf_A_n - psf_B_n)
    mae_val = diff.mean()
    rmse_val = np.sqrt(np.mean(diff**2))
    results.append((Cd_um, mae_val, rmse_val))
    print(f"  Cd={Cd_um:+.3f} um  MAE={mae_val:.8f}  RMSE={rmse_val:.8f}")

results = np.array(results)

fig2, ax2 = plt.subplots(1, 1, figsize=(8, 5))
ax2.plot(results[:, 0], results[:, 1], 'bo-', label='MAE', markersize=4)
ax2.plot(results[:, 0], results[:, 2], 'rs-', label='RMSE', markersize=4)
ax2.axvline(x=-0.1937, color='lime', linestyle='--', alpha=0.7, label='Trained Cd=-0.1937um')
ax2.set_xlabel("Zernike defocus Cd (um)")
ax2.set_ylabel("PSF difference")
ax2.set_title("Method A vs Method B error")
ax2.legend()
ax2.grid(True, alpha=0.3)
ax2.set_yscale('log')
plt.tight_layout()
plt.savefig('defocus_sweep_error_v2.png', dpi=200, bbox_inches='tight')
print("Saved: defocus_sweep_error_v2.png")

# ---------------------------------------------------------------------------
# 8. 含随机像差的对比
# ---------------------------------------------------------------------------
np.random.seed(42)
zernike_random = np.random.randn(zernikePol.shape[1]) * 0.05  # um
zernike_random[1] = 0.0

Cd_rand = -0.1937 * UM_TO_M
psf_A_rand, _, _ = simulate_defocus_method_A(zernike_random, Cd_rand, pad=pad_size)
psf_B_rand, _, _, _ = simulate_defocus_method_B(zernike_random, Cd_rand, pad=pad_size)

psf_A_rand_n = psf_A_rand / psf_A_rand.max()
psf_B_rand_n = psf_B_rand / psf_B_rand.max()
diff_rand = np.abs(psf_A_rand_n - psf_B_rand_n)
mae_rand = diff_rand.mean()
rmse_rand = np.sqrt(np.mean(diff_rand**2))

print("\n" + "="*60)
print(f"With random aberrations (Cd=-0.1937um): MAE={mae_rand:.8f}, RMSE={rmse_rand:.8f}")
print("="*60)

fig3, axes3 = plt.subplots(1, 3, figsize=(14, 4))
vmax_r = max(psf_A_rand_n.max(), psf_B_rand_n.max())
axes3[0].imshow(psf_A_rand_n, cmap='hot', vmin=0, vmax=vmax_r)
axes3[0].set_title("Method A: Zernike (with aberrations)")
axes3[0].axis('off')
axes3[1].imshow(psf_B_rand_n, cmap='hot', vmin=0, vmax=vmax_r)
axes3[1].set_title("Method B: Fresnel (with aberrations)")
axes3[1].axis('off')
im3 = axes3[2].imshow(diff_rand, cmap='jet')
axes3[2].set_title(f"Absolute diff |A-B|\nMAE={mae_rand:.6f}")
axes3[2].axis('off')
plt.colorbar(im3, ax=axes3[2], fraction=0.046)
plt.tight_layout()
plt.savefig('comparison_with_aberrations_v2.png', dpi=200, bbox_inches='tight')
print("Saved: comparison_with_aberrations_v2.png")

print("\nAll done.")

• 光瞳：Mask.mat 的 $51\times51$ 二值圆孔
• 零填充到 $256\times256$ 以提高采样率
• 波长 $\lambda = 530\,\text{nm}$
• 焦距 $f = 1248.158\,\text{mm}$
• 光瞳直径 $D = 60\,\text{mm}$
• FFT 使用 ortho 归一化（能量守恒）

9.5.2. 纯离焦对比（$C_d = -0.1937\,\mu\text{m}$）

下图对比了两种方法生成的离焦 PSF：

看图说话：

• 左图（方法 A） 和 中图（方法 B） 看起来几乎一模一样，都是一个中心亮斑加上外围的同心圆环
• 右图（差异图） 用蓝色表示差异小、红色表示差异大。可以看到大部分区域是深蓝色，说明两者非常接近

定量统计：

指标	数值	含义
全图 MAE	$0.0019$	平均每像素差异不到 0.2%
有效区域 MAE（>1% max）	$0.0259$	在亮斑区域内平均差异约 2.6%
全图 RMSE	$0.0156$	均方根误差约 1.6%
最大差异	$0.1931$	极个别像素差异约 19%

为什么还有微小差异？

1. 离散采样误差：$51\times51$ 的光瞳网格导致拟合的 $c_2 = 3.3296$ 与理论值 $3.4641$ 有约 $3.9\%$ 偏差。这意味着我们换算的 $\Delta z$ 有微小误差。
2. FFT 数值精度：256 点 FFT 的有限精度会引入约 $10^{-15}$ 量级的舍入误差。
3. 常数相位的数值处理：虽然理论上常数相位不影响 PSF，但在数值计算中，$e^{i \times 3974}$ 这样的大相位旋转可能引入微小误差。

9.5.3. 不同离焦量扫掠

我们把 $C_d$ 从 $-1\lambda$ 变到 $+1\lambda$（步长 $0.05\lambda$），看看误差如何变化：

看图说话：

• 横轴是 Zernike 离焦系数 $C_d$（单位 $\mu\text{m}$）
• 纵轴是两种方法生成 PSF 的差异（对数坐标）
• 在 $C_d = 0$ 处，误差严格为 0（两个都没有离焦，当然一样）
• 随着离焦量增大，误差缓慢上升
• 在整个 $\pm 1\lambda$ 范围内，误差都很小（MAE $< 0.05$）
• 绿虚线标记了你训练后的实际工作点 $C_d = -0.1937\,\mu\text{m}$，此处误差处于较低水平

9.5.4. 加入随机像差后的对比

为了验证等价性在更复杂情况下是否依然成立，我们给光瞳加入了一些随机的小像差（模拟真实系统中除了离焦之外的其他不完美）：

看图说话：

• 左图和方法 B 的 PSF 都呈现出复杂的斑点结构（因为有随机像差）
• 但两者的整体形态高度一致
• 差异图 mostly 是深蓝色，说明差异很小

定量统计：

指标	数值
MAE	$0.0030$
RMSE	$0.0069$

有趣的是，加入随机像差后，两种方法的差异反而更小了（从 MAE $0.026$ 降到 $0.003$）。这是因为随机像差作为"共同背景"，在一定程度上掩盖了两种离焦模型之间的微小数值差异。

10. 光瞳仿真中的傅里叶变换：从周期延拓的数学宿命到波动光学的衍射极限

10.1. 从夫琅禾费衍射到 FFT：物理定律的数值翻译

在物理光学中，计算一个光学系统焦平面上的光场分布，通常始于夫琅禾费衍射积分（Fraunhofer Diffraction Integral）。对于位于透镜前焦面（或光瞳面）的复振幅分布 $P(x,y)$，其后焦面上的复振幅 $U_f(x', y')$ 正比于 $P(x,y)$ 的二维连续傅里叶变换（Continuous Fourier Transform, CFT）：

$U_f(f_x, f_y) \propto \iint_{-\infty}^{+\infty} P(x,y) \, e^{-i 2\pi (f_x x + f_y y)} \, dx \, dy$

其中：

• $P(x,y) = A(x,y) \cdot e^{i W(x,y)}$ 是光瞳函数（Pupil Function）
• $A(x,y)$ 是孔径透过率（光瞳内通常为 1，光瞳外严格为 0）
• $W(x,y)$ 是波前像差（可能包含倾斜 $ax+by$、离焦、像散等）
• $f_x = x'/(\lambda f)$, $f_y = y'/(\lambda f)$ 是空间频率坐标，$\lambda$ 为波长，$f$ 为透镜焦距

这个积分的物理意义非常深刻：焦平面上的每一点，都是整个光瞳面上所有子波源发出的球面波相干叠加的结果。透镜的作用，本质上是把远场的夫琅禾费衍射图样聚焦到了它的后焦平面上，从而把原本需要传播很远距离才能看到的衍射斑，"压缩"到了焦平面附近。

10.1.1. 为什么计算机需要 DFT？

连续傅里叶变换是一个无穷积分，涉及连续函数和无限域。计算机无法直接处理无穷和连续，因此必须进行三重离散化：

物理现实	数值计算	引入的代价
连续空间 $(x,y) \in \mathbb{R}^2$	离散采样网格 $(x_n, y_m)$	采样定理约束：空间细节必须被足够密的网格捕捉
积分限无穷大	有限求和（$N \times N$ 网格）	截断误差：用有限区域近似无穷积分
直接积分 $O(N^4)$ 复杂度	快速傅里叶变换（FFT）$O(N^2 \log N)$	周期延拓假设：DFT 的数学根基

当我们写下：

U_f = torch.fft.fft2(pupil_complex)

我们实际上是在计算二维离散傅里叶变换（2D-DFT）：

$U_f[k,l] = \sum_{n=0}^{N-1} \sum_{m=0}^{N-1} P[n,m] \, e^{-i 2\pi \left(\frac{kn}{N} + \frac{lm}{N}\right)}$

这个公式在数学上是对 CFT 的黎曼和近似。当采样足够密（满足奈奎斯特采样定理）、网格足够大时，DFT 的结果可以收敛到 CFT 的结果。

10.2. DFT 的数学宿命：周期延拓不是物理假设，而是算法根基

10.2.1. 紧支集的物理现实

在真实物理中，光瞳函数 $P(x,y)$ 具有紧支集（Compact Support）：光瞳内（透镜口径范围内）有光场分布，光瞳外严格为 0。

这不是数值近似，而是物理现实。 透镜的边框、镜筒、光阑（Aperture Stop）把光挡住了。光瞳外没有光能参与成像。因此，真实的夫琅禾费衍射积分虽然在形式上写成了 $\int_{-\infty}^{+\infty}$，但由于 $P(x,y)$ 在光瞳外为 0，积分实际上只在有限区域内非零：

$U_f(f_x, f_y) \propto \iint_{\text{光瞳}} P(x,y) \, e^{-i 2\pi (f_x x + f_y y)} \, dx \, dy$

这是一个紧支集函数的连续傅里叶变换。从数学分析可知，紧支集光滑函数的傅里叶变换是整函数（Entire Function），在频域上是无限延伸且无限可微的，没有任何周期性。

10.2.2. DFT 天生的周期性

离散傅里叶变换的公式定义在周期序列上。DFT 从不"认识"有限序列，它只认识周期为 $N$ 的无限序列的一个主值周期：

$X[k] = \sum_{n=0}^{N-1} x[n] \, e^{-i 2\pi kn/N}$

这个公式的隐含前提是：输入序列 $x[n]$ 以 $N$ 为周期无限重复。换句话说，DFT 计算的不是"一个有限图像的频谱"，而是这个图像作为无限周期瓷砖阵列的一个周期单元的离散频谱。

这意味着：

• 空间域周期化：你的 $N \times N$ 图像被数学强制理解为在上下左右四个方向无限平铺。
• 频率域周期化：输出的频谱也是周期为 $N$ 的离散序列。

周期延拓不是你可以通过某种参数"关闭"的选项，它是你用 FFT 这个工具时必须接受的数学现实。 FFT 算法之所以能达到 $O(N^2 \log N)$ 的复杂度（而非直接积分的 $O(N^4)$），正是因为它利用了这种周期性结构（通过单位根的周期性简化计算）。

10.2.3. 为什么不能直接"假设光瞳外为 0"？

DFT 的基函数是复指数函数 $e^{-i 2\pi kn/N}$，这些基函数本身是**全局支撑（global support）**的——它们在整个周期上非零。DFT 本质上是把输入信号投影到这组正交周期基上。你无法用一组周期基去"表达"一个非周期边界条件（紧支集），除非通过某种方式把边界推到足够远，使其影响可忽略。

换句话说，当你使用 FFT 时，你已经在数学上"签约"接受了周期世界。紧支集的物理现实，必须在这个周期框架内被重建出来，而不是被直接施加。

10.3. 零填充：在周期框架内重建紧支集物理

既然周期延拓不可消除，那么如何让它对真实物理的干扰最小化？答案就是零填充（Zero-Padding）。

10.3.1. 零填充的数学本质

零填充的操作极其简单：把原本大小为 $D \times D$ 的光瞳函数，嵌入到一个更大的 $N \times N$ 数组（$N > D$）的中央，光瞳外的区域全部填充 0。

# 假设光瞳是 D x D，嵌入到 N x N 的网格中
padded = torch.zeros(N, N, dtype=torch.complex64, device=device)
start = (N - D) // 2
padded[start:start+D, start:start+D] = pupil_complex

# 执行 FFT
U_f = torch.fft.fftshift(torch.fft.fft2(padded, norm='ortho'))

在数学上，这等价于对原始光瞳函数 $P(x,y)$ 进行上采样（Upsampling）——即在更细的频率网格上计算其傅里叶变换。从卷积定理的角度看，零填充后的 DFT 输出，是原始光瞳 DFT 与 sinc 函数的卷积，但由于零填充增加了采样密度，这个 sinc 函数在频域上被压缩，从而更精确地采样了真实的连续频谱。

10.3.2. 为什么零填充能消除周期延拓的伪影？

考虑不做零填充的情况：光瞳填满整个 $N \times N$ 网格。此时 DFT 的周期延拓会在边界处产生硬截断跳变：

周期单元（光瞳填满网格）：
[ ████ ] [ ████ ] [ ████ ]
[ ████ ] [ ████ ] [ ████ ]
       ↑
    边界跳变：光瞳右边缘的值直接拼接左边缘的值

如果光瞳在边界处不是周期连续的（例如圆形光瞳被方形网格截断），这种跳变在数学上是一个不连续函数，其傅里叶变换会产生严重的吉布斯现象（Gibbs Phenomenon）和频谱泄漏（Spectral Leakage）。此时 FFT 计算的不是"单个孔径的衍射"，而是无限大周期孔径阵列（Periodic Aperture Array）的衍射——这在物理上完全错误。

而做了零填充之后：

周期单元（光瞳只占网格中心一小部分）：
[ 000000000000000 ]
[ 000  光瞳  0000 ]
[ 000000000000000 ]
       ↑
    边界跳变：0 与 0 相接，没有不连续

此时，周期延拓的相邻"瓷砖"之间被大量 0 隔开，拼接处是 0 与 0 相接，没有任何跳变不连续。在这个巨大的周期单元内部，光瞳被 0 包围，数学上完美复现了"紧支集"的物理图景。

周期延拓引入的"假邻居"被推到很远的地方，其频谱泄漏主要落在高频区域，而你的有效频带内几乎不受影响。

10.3.3. 零填充不会增加物理信息，但提高数值精度

这是一个常见的误解：零填充能提高分辨率吗？

不能。 零填充不会增加任何物理上不存在的信息，也不会突破衍射极限。光学系统的物理分辨率（瑞利判据）由光瞳口径 $D$ 和波长 $\lambda$ 决定：

$\Delta x \approx 1.22 \frac{\lambda f}{D}$

零填充改变不了这个极限。它改善的是数值采样精度：

• 不做零填充（即使不做0填充，实际上圆形光瞳外还是有0填充的，也会有一个被污染的艾里斑）：FFT 输出可能只采样了 sinc/Airy 函数的 3~4 个点，峰值位置可能被网格量化误差偏移，旁瓣结构扭曲。
• 做零填充（在数学上逼近了紧支集假设）：同一个衍射斑被采样了几十甚至上百个点，峰值位置更准确，旁瓣的对称性和深度更干净，能量守恒更容易满足。

10.3.4. 实验验证：零填充对 PSF 重建的影响

为了直观展示零填充对仿真精度的影响，下面是同一组波前（原始尺寸 $51\times51$）在两种处理方式下的对比结果。上排为实验采集的真实点扩散函数（Orig），下排为对应波前生成的仿真点扩散函数（Sim）。

将波前零填充至 $256\times256$ 后仿真：

不做零填充（原始 $51\times51$）直接仿真：

10.3.5. 填充多少合适？

填充倍数	光瞳占网格比例	适用场景
1×（不填充）	100%	仅用于快速测试，会引入严重混叠
2×	25%	快速估算，混叠基本可控，旁瓣可见
4×	6.25%	标准精度，旁瓣干净，能量守恒良好
8×	1.56%	极高精度，或光瞳边缘相位变化剧烈（如高阶像差）

经验法则：如果你看到焦平面的 PSF 在边缘处有奇怪的振荡，或者总能量在正逆变换后不守恒，通常就是零填充不够。

10.3.6. 归一化的选择

torch.fft.fft2 的 norm 参数决定了正逆变换的归一化方式：

• norm='backward'（默认）：正变换不归一化，逆变换除以 $N^2$。这是传统信号处理用法。
• norm='ortho'（推荐）：正逆变换都除以 $N$（即 $1/\sqrt{N^2}$）。这保证了**帕塞瓦尔定理（Parseval’s Theorem）**成立——空间域和频率域的能量相等。

在光学仿真中，能量守恒通常是重要的物理约束（光瞳内的总功率应等于焦平面上的总功率），因此推荐使用 norm='ortho'。

这里你 pad 了之后并不会影响最终仿真图像的大小，因为 pad 只是让频域的采样点更密（频率分辨率更高），它并不改变 FFT 能分析到的最大频率。真正决定最大频率的是光瞳面的采样率 $\Delta x$——$\Delta x$ 越小，频域覆盖越宽；$\Delta x$ 不变，最大频率就不变。而焦平面的总尺寸正比于这个最大频率，所以无论你 pad 多少，仿真输出的像素数虽然变多了、每个像素变小了，但总的物理视场始终不变。再经过 scale 缩放到物理靶面坐标后，最终图像的大小自然也是一样的。换句话说，pad 改变的是“采样密度”，不是“采样范围”；图像的物理尺寸由采样范围决定，因此与 pad 无关。

量	不 padding（$N_1$）	Padding 4×（$N_2=4N_1$）	是否改变
光瞳采样间隔 $\Delta x$	$\Delta x$	$\Delta x$	❌ 不变
频域总宽度 $1/\Delta x$	$1/\Delta x$	$1/\Delta x$	❌ 不变
焦平面总视场 $\lambda f/\Delta x$	FOV	FOV	❌ 不变
频率步长 $\Delta f = 1/(N\Delta x)$	$1/L_1$	$1/L_2 = 1/(4L_1)$	✅ 变密 4 倍
焦平面像素大小 $\lambda f \cdot \Delta f$	$p_1$	$p_2 = p_1/4$	✅ 变小 4 倍
输出数组像素数	$N_1$	$N_2 = 4N_1$	✅ 变多 4 倍
总物理尺寸 $N \cdot p$	$N_1 p_1 = \text{FOV}$	$N_2 p_2 = 4N_1 \cdot (p_1/4) = \text{FOV}$	❌ 不变

10.4. 无限平面波 vs 有限孔径：几何光学与波动光学的分水岭

10.4.1. 几何光学的直觉

在几何光学（射线光学，Ray Optics）中，一个倾斜的平行平面波被理想透镜汇聚后，会在焦平面上形成一个几何点，其位置仅由倾斜角决定：

$x_f \propto a, \quad y_f \propto b$

如果截取平面波的中间一部分（通过有限口径），几何光学的结论是：焦点位置不变，只是参与聚焦的光线数量减少，因此像点光强减弱。

这个直觉在工程上非常有用，它是波动光学在波长 $\lambda \to 0$ 时的极限。当孔径远大于波长时，衍射斑非常小，肉眼或常规仪器看来就像一个"点"。

10.4.2. 波动光学的回应：截断改变了一切

但在**波动光学（Wave Optics）**中，有限孔径的衍射效应不可忽略。被透镜口径截断的倾斜平面波，其数学形式是：

$P(x,y) = \text{rect}\left(\frac{r}{D}\right) \cdot e^{i(ax+by)}$

根据卷积定理，它的傅里叶变换是孔径函数的变换与平面波变换的卷积：

$\mathcal{F}\{P\} = \mathcal{F}\{\text{rect}\} * \mathcal{F}\{e^{i(ax+by)}\} = \left[D^2 \cdot \text{sinc}(D f_x) \text{sinc}(D f_y)\right] * \delta\left(f_x - \frac{a}{2\pi}, f_y - \frac{b}{2\pi}\right)$

这意味着：理想点被孔径的 sinc 函数"涂抹"开了。焦平面上的光场不是一个点，而是一个中心偏移的 sinc 函数（矩形光瞳）或 Airy 斑（圆形光瞳）。

10.4.3. 为什么截断会改变"聚焦行为"？

从惠更斯-菲涅尔原理（Huygens-Fresnel Principle）看，焦平面上任意一点的光场，是整个孔径上所有子波源发出的球面子波相干叠加的结果。

当你把孔径截断时，你不是简单地"扔掉一些光线"（几何光学视角），而是删除了一大批参与干涉的相干子波源。这些被移除的子波源原本负责在焦平面周围形成精确的相位抵消——它们定义了"理想点"的边界。它们消失后，能量就从中心峰值泄漏到了周围区域，形成旁瓣。

这不是"补充 0 带来的数值干扰"，而是物理衍射——即使你用解析积分而不是 FFT，结果也是 sinc 斑。零填充只是让 FFT 更准确地计算这个 sinc 斑，而不是引入它。

10.4.4. 理想点需要什么条件？

要在物理上真正得到理想的几何点，需要同时满足两个不可实现的条件：

1. 无限大的平面波：波前完全平坦，无边界截断，在全空间 $\mathbb{R}^2$ 上都是 $e^{i(ax+by)}$。
2. 无限大的透镜/光学系统：没有任何口径限制，能接收无限大波前的全部能量。

只要其中任何一个变成有限，结果就立即退化为有限孔径衍射。

所以，"无限平面波聚焦为理想点"是一个数学极限，物理上永远无法实现。 任何真实光学系统（望远镜、镜头、人眼、显微镜）的焦平面上，你看到的永远是衍射斑，只是大小不同：

• 大望远镜（口径数米）：Airy 斑可能只有几微米，但绝不是 0 尺寸。
• 小孔径：衍射非常明显（如针孔相机、手机镜头夜景的星芒）。

10.5. 结语

当我们写下 torch.fft.fft2(pupil_complex) 时，我们实际上同时操作着三个层面：

代码层：一个高效的矩阵运算，利用 FFT 算法在毫秒级完成数百万点的变换。

数学层：一个周期序列的离散傅里叶级数系数计算。DFT 的基函数——复指数 $e^{-i 2\pi kn/N}$——是全局支撑的周期函数，它们天生不理解"边界"和"遮挡"。周期延拓不是 bug，而是这个数学空间的结构常数。

物理层：光波穿过有限孔径后，在远场形成的带有衍射极限的干涉图样。透镜的有限口径就是物理光阑，光瞳外严格为 0。紧支集、有限能量、边界衍射，这些是物理现实强加给我们的约束。

数值光学工程的核心智慧，不在于消除数学与物理之间的张力——这种张力是内禀的、不可消除的——而在于深刻理解张力双方的结构，并用精巧的技巧（零填充、过采样、正交归一化）在数学框架内重建物理真实。

几何光学给了我们简洁而强大的直觉：光线汇聚于一点。波动光学则提醒我们：只要孔径有限、波长非零，世界就永远是模糊的。衍射不是计算的缺陷，不是 FFT 的伪影，而是光的内禀属性——它是光作为波的最诚实告白。

“光在传播时，每一寸边界都在诉说它的存在。你无法截断一束波而不留下痕迹，正如你无法在时空中划定边界而不产生涟漪。”

11. 从连续到离散：傅里叶变换家族全解析

11.1. 连续世界：无限与有限的根本分歧

11.1.1. 无限区间：经典的连续傅里叶变换（CFT）

当信号 $f(x)$ 定义在整个实数域上时，我们使用最标准的傅里叶变换对：

正变换：

$\hat{f}(\xi) = \int_{-\infty}^{\infty} f(x) \, e^{-2\pi i x \xi} \, dx$

逆变换：

$f(x) = \int_{-\infty}^{\infty} \hat{f}(\xi) \, e^{2\pi i x \xi} \, d\xi$

这是理论最完美的情况：时域无限，频域连续。但现实中，我们永远无法处理无限长的信号。

11.1.2. 有限区间：两条截然不同的路径

当信号仅在 $[a, b]$ 上有定义时，数学上出现了分叉：

路径 A：紧支集假设（Truncation） 直接将积分限改为有限区间，假设信号在区间外严格为零：

$\hat{f}(\xi) = \int_{a}^{b} f(x) \, e^{-2\pi i x \xi} \, dx$

• 频谱特征：连续的、解析的（无限可微），呈现 sinc 函数型振荡
• 逆变换结果：若使用完整频谱 $\hat{f}(\xi)$（$\xi \in (-\infty, \infty)$），重构信号在 $[a,b]$ 外精确为 0
• 物理意义：适用于瞬态信号（如脉冲、衰减振动）

关于为什么叫紧支集的解释：函数的支集（函数值不为零的所有点的闭包）本身就是一个紧集 （在 $\mathbb{R}^n$ 中即有界闭集），意味着非零区域被限制在一个有限且封闭的范围内，外部恒为零。

路径 B：周期延拓（Periodic Extension） 将有限区间视为周期信号的一个周期，使用傅里叶级数：

$f(x) = \sum_{n=-\infty}^{\infty} c_n \, e^{i \frac{2\pi}{T}nx}, \quad c_n = \frac{1}{T}\int_{-T/2}^{T/2} f(x) \, e^{-i \frac{2\pi}{T}nx} \, dx$

• 频谱特征：离散的频率点 $\xi_n = n/T$，谐波结构
• 逆变换结果：周期函数，在区间外循环重复原波形
• 物理意义：适用于 inherently 周期的现象（如声波、交流电）

这里两种方式都是有限区间内的积分，只是一个除以了区间长度，一个没有除，为什么就有定义域外默认为0,和定义域外默认为周期延拓的区别？

11.1.2.1. 基函数的内禀属性

两种方法确实都在有限区间上积分，区别似乎只是归一化因子 $1/T$。但这只是单位换算的技术细节，真正决定延拓行为的，是两种方法选用的**基函数（Basis Functions）**具有根本不同的数学属性。

路径 A（傅里叶变换）的基函数：

$e^{-2\pi i x \xi}, \quad \xi \in \mathbb{R}$

这些基函数是非周期的平面波，在 $|x| \to \infty$ 时既不衰减也不归零。当你进行逆变换时：

$f(x) = \int_{-\infty}^{\infty} \hat{f}(\xi) e^{2\pi i x\xi} \, d\xi$

本质上是用无限多个无限延伸的平面波来合成原信号。要使这个合成结果在 $[a,b]$ 之外精确为零（紧支集），需要所有基波在区间外通过相位干涉完美相消——这要求频谱 $\hat{f}(\xi)$ 必须是特定的解析函数（整函数）。换言之，紧支集特性是频谱分析的结果，而非随意假设。

路径 B（傅里叶级数）的基函数：

$e^{i \frac{2\pi}{T} n x}, \quad n \in \mathbb{Z}$

这些基函数天生具有周期 $T$：

$e^{i \frac{2\pi}{T} n (x+T)} = e^{i \frac{2\pi}{T} n x}$

无论系数 $c_n$ 如何选择，它们的线性组合必然满足：

$f(x+T) = f(x)$

因此，当你写出：

$f(x) = \sum_{n=-\infty}^{\infty} c_n e^{i \frac{2\pi}{T} n x}$

周期性已经内禀地蕴含在基函数之中，不是可选项，而是数学必然。

11.1.2.2. 更深层的差异：函数生活在哪里？

问题的关键在于：当你写下有限区间的积分时，你正在对什么对象做积分？

紧支集方法：函数 $f$ 定义在 $\mathbb{R}$（整条实数轴） 上。你写下 $\int_a^b$ 时，实际上是 $\int_{-\infty}^\infty$ 的偷懒写法，因为 $f(x)$ 在 $[a,b]$ 外已经被定义为零。数学表述：$f \in L^2(\mathbb{R})$ 且 $\text{supp}(f) \subseteq [a,b]$。"区间外为零"是前提假设，积分只是验证这个假设的副产品。

周期延拓方法：函数 $f$ 定义在 $\mathbb{T}_T$（周长为 $T$ 的圆环/周期域） 上，或者等价地，是 $\mathbb{R}$ 上满足 $f(x+T)=f(x)$ 的周期函数。你写下 $\int_{-T/2}^{T/2}$ 时，是在圆环上的一个 Fundamental Domain（基本域）上积分，不是在"实数轴的一个区间"上积分。数学表述：$f \in L^2(\mathbb{T}_T)$，这里 $x+T$ 就是 $x$ 本身，没有"区间外"的概念。"周期重复"是定义域的内在结构，不是延拓出来的。

特征	紧支集方法	周期延拓方法
函数生活在哪里	实数轴 $\mathbb{R}$（开集，无限延伸）	圆环 $\mathbb{T}_T$（紧集，首尾粘连）
积分含义	截断整个实数轴（外面已经没东西了）	遍历整个圆环（选一个代表元区间）
$f(0)$ 和 $f(T)$ 的关系	没关系，可能 $f(0)\neq 0$ 而 $f(T)=0$	$f(0) = f(T)$ 是强制性等同，因为它们是同一个点
逆变换结果	支集外为 0	支集外周期性复制

11.1.2.3. 频谱后果的对比

当首尾值不相等或者首尾值不等于0时，周期延拓或者紧支都有可能产生不连续性， 从而在频域产生高频分量，但形态不同。

11.1.2.4. 傅里叶不确定性原理

当你只能观测或采集有限长的一段信号（有限时间窗口 $T$，或有限孔径 $D$）时，数学上，有限窗口等价于给信号乘了一个矩形窗，而矩形窗的傅里叶变换是一个 sinc 函数（$\sin x / x$ 形状）。根据卷积定理，真实频谱会被这个 sinc 函数“涂抹”。

11.1.2.4.1. 连续傅里叶变换（如光学透镜）

透镜的孔径是有限的，相当于空间域的矩形窗。焦平面上的频谱仍然是连续分布的，你理论上可以读取任意频率点的值，不存在离散的“频率间隔”。

但是，真实频谱已经被孔径的 sinc 谱涂抹了：

• 一个理想的点光源（空间 delta 函数）成像后，变成一个艾里斑或 sinc 斑；
• 两个靠得很近的空间频率成分，会因主瓣重叠而糊成一片，无法区分。

表现：没有离散的频率格子，但存在最小可分辨间隔（瑞利判据），其量级约为 $1/D$（$D$ 为孔径）。频谱是连续的，但“模糊”了。

11.1.2.4.2. 离散傅里叶变换（DFT/FFT）

在数值计算中，你不仅时间有限（$T$），还只采了 $N$ 个点。有限窗口同样导致 sinc 涂抹，但 DFT 额外做了一步：它在频域只取 $N$ 个采样点。

sinc 涂抹的主瓣宽度约为 $1/T$，而 DFT 的频点间隔恰好也是：

$\Delta f = \frac{1}{T} = \frac{f_s}{N}$

表现：频域被强制画成了等间距的离散网格。你看到的不是连续的模糊带，而是只能落在这 $N$ 根谱线上的采样值。两根谱线之间的细节被“格子”锁死了；即使你用补零（Zero Padding）让曲线看起来更平滑，也只是插值，真实分辨率仍然由 $1/T$ 决定。

11.1.2.4.3. 为什么频率间隔为$1/T$

有限窗口 $[0, T]$ 内的傅里叶分析，本质上是在问：两个不同频率的复指数信号，在这个区间内是否"独立"？

数学上，"独立"的标准是正交——它们的内积必须为零（才能将其区分开）。

11.1.2.4.3.1. 第一步：定义内积

在区间 $[0, T]$ 上，两个复指数信号的内积定义为：

$\langle e^{i2\pi f_1 t},\, e^{i2\pi f_2 t} \rangle = \int_0^T e^{i2\pi f_1 t} \cdot e^{-i2\pi f_2 t} \, dt = \int_0^T e^{i2\pi (f_1 - f_2)t} \, dt$

令 $\Delta f = f_1 - f_2$，计算积分：

$\langle \mathbf{e}_{f_1}, \mathbf{e}_{f_2} \rangle = \frac{e^{i2\pi \Delta f \, T} - 1}{i2\pi \Delta f}$

利用欧拉公式 $e^{i\theta} - 1 = e^{i\theta/2} \cdot 2i\sin(\theta/2)$，化简为：

$\langle \mathbf{e}_{f_1}, \mathbf{e}_{f_2} \rangle = T \cdot \frac{\sin(\pi \Delta f \, T)}{\pi \Delta f \, T} \cdot e^{i\pi \Delta f \, T}$

11.1.2.4.3.2. 第二步：正交条件

两个基向量正交，当且仅当内积为零：

$\sin(\pi \Delta f \, T) = 0$

这要求：

$\pi \Delta f \, T = k\pi, \quad k = \pm 1, \pm 2, \dots$

即：

$\Delta f = \frac{k}{T}$

11.1.2.4.3.3. 第三步：最小正交间隔

满足正交的最小非零频率间隔对应 $k = 1$：

$\boxed{\Delta f_{\min} = \frac{1}{T}}$

这意味着：在有限窗口 $[0, T]$ 内，只有当两个频率相差 $1/T$ 的整数倍时，它们对应的复指数基函数才是严格正交的。

11.1.2.4.3.4. 第四步：正交性为什么决定分辨率？

傅里叶分析是线性投影：把信号往各个频率基向量上投影，投影系数就是该频率的幅度。

• 若基向量正交（$\Delta f \geq 1/T$），不同频率的能量互不泄漏，可以被独立、唯一地提取。
• 若基向量不正交（$\Delta f < 1/T$），内积 $\frac{\sin(\pi \Delta f T)}{\pi \Delta f T}$ 接近 1，两个基向量近似平行。此时：
  • 10 Hz 的投影里混入了 10.05 Hz 的能量；
  • 10.05 Hz 的投影里也混入了 10 Hz 的能量；
  • 逆问题病态，存在无穷多组系数都能同样好地解释同一段数据。

11.1.2.4.3.5. 第五步：与 DFT 的对应

DFT 选取的频率点正是：

$f_k = \frac{k}{T}, \quad k = 0, 1, \dots, N-1$

这不是人为设定，而是这套基函数在 $[0, T]$ 上唯一能保持正交的频率网格。相邻谱线的间隔恰好是 $1/T$。

低于这个间隔的频率对，因为基向量不正交，DFT 无法将它们独立分辨——能量会泄漏、重叠、混为一谈。

11.1.2.4.4. 小结

有限采样空间触发的 sinc 涂抹，是连续和离散情况下的共同根源。连续 FT 让你看到涂抹后的连续模糊；DFT 则把这个模糊采样成了间距为 $1/T$ 的离散格子——两者都逃不开 $\Delta t \cdot \Delta f \sim 1$ 的约束。

	离散傅里叶变换 (DFT)	连续傅里叶变换 (如光学透镜)
有限窗口的数学作用	对无限信号加矩形窗，取 $N$ 点	对波前加有限孔径 $P(x,y)$
频域效应	与 sinc 函数（Dirichlet核）卷积后，只采样离散频点	与 sinc 函数（或艾里斑）卷积，频域仍是连续的
表现形式	频率间隔（Frequency Spacing） $\Delta f = 1/T$，谱线稀疏	频谱展宽 / 衍射极限 $\delta$ 函数变成 sinc/艾里斑，旁瓣重叠
分辨极限	频率分辨率受限，谱泄漏	瑞利判据：两点刚好可分辨的最小角间距

11.1.3. 从连续到离散：采样与周期化的对偶

当我们将连续信号数字化时，面临两个操作：时域采样 和 频域采样。这两个操作对应着对偶的周期化效应。

11.1.3.1. 时域采样导致频域周期化（DTFT）

对连续信号 $f(t)$ 以间隔 $T_s$ 采样，得到离散序列 $x[n] = f(nT_s)$。其频谱变为：

$X(\omega) = \sum_{n=-\infty}^{\infty} x[n] \, e^{-i\omega n}$

这是离散时间傅里叶变换（DTFT）。注意到 $\omega$ 是连续的，但具有 $2\pi$ 周期性——时域的离散化强制频域变成周期函数（看公式，$\omega + 2\pi$带入，其实和不加$2\pi$是一样的）。

11.1.3.2. 2. 频域采样导致时域周期化（DFT 的核心）

工程中最常用的 DFT，实际上是对 DTFT 的频域采样：

$X[k] = \sum_{n=0}^{N-1} x[n] \, e^{-i\frac{2\pi}{N}kn}, \quad k = 0, 1, \ldots, N-1$

DFT 隐含的数学假设：

• 时域周期：$x[n] = x[n + N]$（强制首尾相连，周期为 $N$）
• 频域周期：$X[k] = X[k + N]$

这与"截断"有本质区别！ 如果你有一段信号 $[1, 2, 3, 4]$，DFT 实际处理的是无限序列 $\ldots, 1,2,3,4,1,2,3,4,1,2,3,4, \ldots$，而不是 $\ldots,0,0,1,2,3,4,0,0,\ldots$。

11.1.4. 全家族对比总结

变换类型	时域特征	频域特征	数学假设	适用场景	边界/周期特性
连续傅里叶变换 (CFT)	连续，无限区间 $(-\infty, \infty)$	连续，无限区间	绝对可积	理论分析	无周期假设
有限区间 FT（截断）	连续，有限 $[a,b]$，区间外为 0	连续，无限	紧支集	瞬态信号分析	区间外严格零值
傅里叶级数 (FS)	连续，周期延拓	离散谱线 $\xi_n = n/T$	周期函数	周期振动、谐波分析	区间外周期重复
离散时间 FT (DTFT)	离散采样，无限长	连续，周期 $2\pi$	时域离散	数字滤波器设计	频域自然周期化
离散傅里叶变换 (DFT)	离散 + 周期延拓（$N$ 点）	离散 + 周期（$N$ 点）	双重周期	FFT 实现、数字信号处理	时域首尾相连，循环卷积

12. 目标解耦度量

12.1. M4度量

12.1.1. 定义

设 $I_0(x,y)$ 和 $I_d(x,y)$ 为两帧图像，其离散傅里叶变换（DFT）为：

$S_0(u,v) = \mathcal{F}\{I_0\}, \quad S_d(u,v) = \mathcal{F}\{I_d\}$

M4 定义为功率谱比值：

$M_4(u,v) = \frac{|S_0(u,v)|^2 - |S_d(u,v)|^2}{|S_0(u,v)|^2 + |S_d(u,v)|^2}$

12.1.2. 均匀背景不敏感

在做基于 M4 metric 的无信标波前重构时，我尝试在 dataset.py 里把图像背景（灰度值约 130）减掉，结果测试 RMS 从 0.16 涨到了 0.22。深入排查后发现：不是背景不该减，而是我的数据增强 pipeline 与“绝对灰度值”强耦合，减去背景后，RandomShiftWithPad0、RandomErasing 等操作几乎失效，导致训练正则化不足、泛化变差。

预处理方式	最佳 Test RMS
不减背景 (image / 4096.0)	~0.16
减去背景 130 ((image - 130) / 4096.0)	~0.22

从 log 里可以清晰看到，减去背景的模型在第 6 个 epoch 后就开始过拟合，test_rms 停止下降甚至反弹；而不减背景的模型收敛得更平稳，最终 RMS 明显更低。

这让我非常困惑：背景不是噪声吗？为什么去掉噪声反而变差？

12.1.2.1. 原因剖析

12.1.2.1.1. M4 Metric 本身对均匀背景不敏感

先回到物理本质。M4 metric 的定义是：

$M_4 = \frac{|S_o|^2 - |S_d|^2}{|S_o|^2 + |S_d|^2}$

其中 $S_o$、$S_d$ 分别是两幅图像的 FFT。
一个均匀常数背景 $B$ 的傅里叶变换只集中在零频 $(0,0)$，对非零频率的贡献为 0。因此，如果没有后续的数据增强，减不减背景，M4 输出在绝大多数频点上应该是完全一样的。

我直接用训练数据验证过：只做 ToTensor 和归一化时，两种情况算出的 M4 均值差异仅有 $5\times10^{-6}$，几乎可以忽略。

所以问题不在 M4 层，而在 M4 层之后的数据增强。

12.1.2.1.2. 数据增强与“绝对灰度值”强耦合

我的训练 transform 如下：

transform_train = transforms.Compose([
    transforms.ToTensor(),
    RandomShiftWithPad0(max_shift_h=5, max_shift_w=5, p=0.5),   # 零填充平移
    transforms.ColorJitter(brightness=0, contrast=1, saturation=0, hue=0),
    transforms.RandomErasing(p=0.3, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0),
])

这三个操作都严重依赖图像的绝对灰度值，而减去背景会彻底改变它们的行为：

① RandomShiftWithPad0 —— 平移后补 0

• 不减背景：图像背景约为 $130/4096 \approx 0.032$。平移后空缺处填充 0，会在图像边缘形成明显的“暗边”，引入强烈的频谱扰动。
• 减去背景：背景被拉到 0 附近。填充 0 等同于填充背景，暗边消失，频谱扰动几乎被抹平。

② RandomErasing(value=0) —— 用 0 擦除一块区域

• 不减背景：在亮背景上打一块“黑斑”，产生显著的局部频域变化。
• 减去背景：擦除区域和周围背景灰度几乎一致，擦了个寂寞，对网络来说相当于没做增强。

③ ColorJitter(contrast=1) —— 以均值为基准拉伸

• 不减背景：均值约为 0.032，对比度拉伸会把“信号+背景”一起放大，保持动态范围变化。
• 减去背景：均值接近 0，拉伸的幅度和效果都大打折扣。

一句话总结：减去背景后，数据增强被“阉割”了，训练样本多样性严重不足，模型学不到足够鲁棒的特征，测试性能自然崩塌。

12.1.2.1.3. 减去的 130 本身也不准确

更雪上加霜的是，我统计了训练集里 200 个样本的灰度分布：

统计量	数值
像素最小值	118.43 ~ 119.01（平均 118.79）
像素均值	122.58

这说明真实的暗电流/偏置（background）应该在 ~118.8 左右，而不是 130（130是背景的最大值）。强行减 130 会在图像上留下约 -11.2 的残余负偏置，导致：

• RandomErasing(value=0) 的“黑斑”变成了相对背景而言的亮斑；
• 图像整体出现负值，可能让 BatchNorm 或 ReLU 的分布发生微妙偏移。

12.1.2.1.4. 论文里说的 “subtract” 不是空域减背景

回头再看参考论文 Phase-diversity wave-front sensor for imaging systems，其中提到的 subtract 出现在噪声分析章节：

“the camera noise can be closely approximated by a decoupled spectrum that will cancel in the numerator. This spectrum can be experimentally determined and also subtracted as a separate term in the denominator.”

注意，这里说的是在 M4 metric 的分母里减去噪声功率谱（denominator subtraction），是在频域对功率谱做的操作，绝不是在空域直接减去一个固定灰度值 130。

12.1.2.2. 实验验证

为了量化增强失效的程度，我写了一个对比脚本：对同一张训练样本施加完全相同的平移（5,5）、对比度抖动（factor=1.5）、随机擦除，然后计算 M4。

# 模拟相同增强后计算 M4
for sub_bg in [False, True]:
    x = apply_transforms(img, sub_bg=sub_bg).unsqueeze(0)
    ...
    m4 = (power_So - power_Sd) / (power_So + power_Sd + 1e-8)
    print(f"sub={sub_bg}: M4 mean={m4.mean():.4f}")

结果：

预处理	M4 均值
不减背景	0.2059
减去背景 130	0.5478

两者 M4 的差异均值达到 -0.34，最大单点差异接近 2.0。 这证实了减去背景操作对数据增广的影响。

这并不能定量度量减去背景对数据增广的影响？为什么？

12.1.2.3. 结论

不是背景不能减，而是你的数据增强策略与“非零背景”共生。
在这个特定的 M4 + ResNet 框架下，保留约 130 的背景偏置，恰好让 RandomShiftWithPad0、RandomErasing 和 ColorJitter 发挥了最强的正则化作用。

深度学习里的很多“玄学”问题，往往根子都在预处理与增强的耦合上。这次踩坑让我意识到：

“去掉背景”这个操作在物理上很干净，但在工程实现里，必须考虑整条数据管道的上下文。

12.1.3. 循环平移不变特性

定理：对于离焦图像对 $I_0$（聚焦）和 $I_d$（离焦），经循环平移后，M4 指标保持不变。

12.1.3.1. DFT 的周期延拓本质

对于长度为 $N$ 的一维离散序列 $x[n]$，其中 $n = 0, 1, \dots, N-1$，其 DFT 定义为：

$X[k] = \sum_{n=0}^{N-1} x[n] \cdot e^{-i 2\pi k n / N}, \quad k = 0, 1, \dots, N-1$

关键洞察：这个公式本身就假设了 $x[n]$ 是周期为 $N$ 的周期信号，即：

$x[n + N] = x[n], \quad \forall n \in \mathbb{Z}$

12.1.3.2. 循环平移 = 周期信号的自然平移

在周期信号框架下，平移 $\Delta$ 定义为：

$x'[n] = x[(n - \Delta) \bmod N]$

这正是 torch.roll 所做的操作。在这个定义下：

平移定理（DFT 版本）： 如果 $x[n] \xrightarrow{\text{DFT}} X[k]$，那么：

$x[(n-\Delta) \bmod N] \xrightarrow{\text{DFT}} X[k] \cdot e^{-i 2\pi k \Delta / N}$

证明：

$\begin{aligned} \sum_{n=0}^{N-1} x[(n-\Delta) \bmod N] \cdot e^{-i 2\pi k n / N} &= \sum_{m=-\Delta}^{N-1-\Delta} x[m \bmod N] \cdot e^{-i 2\pi k (m+\Delta) / N} \quad (\text{令 } m = n-\Delta) \\ &= e^{-i 2\pi k \Delta / N} \sum_{m=0}^{N-1} x[m] \cdot e^{-i 2\pi k m / N} \quad (\text{周期求和不变}) \\ &= X[k] \cdot e^{-i 2\pi k \Delta / N} \end{aligned}$

12.1.3.3. 功率谱不变性

取模平方：

$|X'[k]|^2 = |X[k] \cdot e^{-i 2\pi k \Delta / N}|^2 = |X[k]|^2 \cdot |e^{-i 2\pi k \Delta / N}|^2 = |X[k]|^2$

关键：因为 $e^{-i\theta}$ 的模为 1，功率谱（能量）完全守恒。

12.1.3.4. 对比：零填充破坏了周期假设

零填充平移在时域的数学表达：

$x_{zp}[n] = \begin{cases} x[(n-\Delta) \bmod N] & \text{if } 0 \leq n < N \\ 0 & \text{otherwise} \end{cases}$

但这不是 DFT 框架下的操作！零填充实际上等价于：

12.1.3.4.1. 时域：与矩形窗的乘积

$x_{zp}[n] = x_{shifted}[n] \cdot \Pi[n]$

其中 $\Pi[n]$ 是矩形窗（$n \in [0,N-1]$ 时为 1，否则为 0）。

12.1.3.4.2. 频域：与 Sinc 函数的卷积

根据卷积定理：

$\text{DFT}\{x_{zp}\} = \text{DFT}\{x_{shifted}\} \circledast \text{DFT}\{\Pi\} = (X[k] \cdot e^{-i\phi_k}) \circledast \text{sinc}(k)$

这里 $\text{sinc}(k) = \frac{\sin(\pi k)}{\pi k}$（Dirichlet 核的周期形式）。

结果：功率谱被 smear（涂抹）：

$|X_{zp}[k]|^2 \neq |X[k]|^2$

13. 仿真数据优化

13.1. 让波长"可学习"

在光学模型里，我们经常希望波长能自动调整——比如让神经网络自己优化出最佳波长。 但波长有个硬约束：必须是正数，不能为 0，更不能为负。

下面这段代码展示了一个非常巧妙的做法：

raw_wl = float(init_wavelength_m)
if raw_wl > 100e-9:
    raw_wl = np.log(np.exp(raw_wl) - 1.0)
self.raw_wavelength_m = nn.Parameter(torch.tensor(raw_wl))

@property
def wavelength_m(self):
    return F.softplus(self.raw_wavelength_m) + 1e-12

13.1.1. 编码：把波长变成"暗号"存起来

假设你的初始波长是 1.0，先做了一道"反向计算"：

raw_wl = np.log(np.exp(raw_wl) - 1.0)

这步就是在算暗号：应该存什么数字，才能让后面解码出来恰好等于原始波长？

打个比方：保险箱规定"取出来的时候自动加 1"。你想最终拿到 500，就不能存 500，得存 499。这步就是在算"499"。

13.1.2. 解码：把暗号还原成合法的波长

@property
def wavelength_m(self):
    return F.softplus(self.raw_wavelength_m) + 1e-12

softplus 的作用很简单：无论你输入什么数字，输出永远是正数。

内部暗号	softplus 输出
10	10.0
0	0.69
-5	0.007
-100	约 0

因为内部暗号可以任意变化（训练时梯度下降会不断更新它），但经过 softplus 一过滤，最终波长永远被锁在正数区间。

最后的 + 1e-12 只是再加个保险，确保波长不会变成 0，避免后面做除法时崩溃。

13.1.3. 为什么要绕这个弯？

13.1.3.1. 物理结果要合法

波长不能为负，不能为 0。softplus 在数学上就是一个"单向阀门"：进去的是任意实数，出来的永远是正数。

13.1.3.2. 训练过程要自由

nn.Parameter 意味着这个值会被自动优化。优化过程中参数可能变正、变负、变小、变大——内部暗号随便变，没关系。因为解码器（softplus）会把它"压"成正数。

编码是为了让初始值不被扭曲；解码是为了让输出永远合法。
内部存一个可以随便变的暗号，对外暴露一个永远为正的真实波长——这就是"可学习参数 + 物理约束"的经典解法。

13.2. 平移不变的点扩散函数（PSF）监督损失：从 FFT 幅度谱出发

背景：在真实光学系统中采集的在焦/离焦点扩散函数（PSF）往往因为光轴对准误差、探测器安装公差等原因，并不严格位于图像中心。然而，物理仿真得到的 PSF 默认是以光轴为中心生成的。如果直接在像素空间做 L2/L1 监督，一个微小的平移就会让损失函数爆炸，优化器被迫去"凑"位置而不是真正学习像差和离焦量。

13.2.1. 核心原理：傅里叶变换的平移不变性

13.2.1.1. 平移定理的推导

我们从二维离散傅里叶变换（2D-DFT）的定义出发，一步一步推导。

对一幅尺寸为 $H \times W$ 的离散图像 $I(x,y)$，其 DFT 定义为：

$\mathcal{F}\{I\}(u,v) = \sum_{x=0}^{W-1} \sum_{y=0}^{H-1} I(x,y) \; e^{-j 2\pi \left(\frac{ux}{W} + \frac{vy}{H}\right)}$

其中：

• $(x,y)$ 是空间域像素坐标；
• $(u,v)$ 是频率域坐标；
• $j$ 是虚数单位，满足 $j^2 = -1$。

现在，图像发生空间平移 $(x_0, y_0)$，得到新图像：

$I'(x,y) = I(x-x_0,\; y-y_0)$

将 $I'$ 代入 DFT 定义：

$\mathcal{F}\{I'\}(u,v) = \sum_{x=0}^{W-1} \sum_{y=0}^{H-1} I(x-x_0,\; y-y_0) \; e^{-j 2\pi \left(\frac{ux}{W} + \frac{vy}{H}\right)}$

做变量代换：令 $m = x - x_0$，$n = y - y_0$，则 $x = m + x_0$，$y = n + y_0$。当 $x$ 遍历 $0 \dots W-1$ 时，$m$ 遍历 $-x_0 \dots W-1-x_0$。由于 DFT 隐含周期性边界条件 $I(x+W, y) = I(x, y)$，求和区间的平移不会改变求和结果。因此我们可以将求和变量改回标准区间：

$\mathcal{F}\{I'\}(u,v) = \sum_{m=0}^{W-1} \sum_{n=0}^{H-1} I(m,n) \; e^{-j 2\pi \left(\frac{u(m+x_0)}{W} + \frac{v(n+y_0)}{H}\right)}$

将指数项拆开。利用指数性质 $e^{a+b} = e^a \cdot e^b$：

$\mathcal{F}\{I'\}(u,v) = \sum_{m=0}^{W-1} \sum_{n=0}^{H-1} I(m,n) \; e^{-j 2\pi \left(\frac{um}{W} + \frac{vn}{H}\right)} \cdot e^{-j 2\pi \left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}$

提取公因子。观察第二项指数 $e^{-j 2\pi \left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}$，它只依赖于频率 $(u,v)$ 和平移量 $(x_0,y_0)$，与求和变量 $(m,n)$ 完全无关。因此它可以被提到双重求和号外面：

$\mathcal{F}\{I'\}(u,v) = \underbrace{\left[\sum_{m=0}^{W-1} \sum_{n=0}^{H-1} I(m,n) \; e^{-j 2\pi \left(\frac{um}{W} + \frac{vn}{H}\right)}\right]}_{\text{这正是 } \mathcal{F}\{I\}(u,v)} \cdot e^{-j 2\pi \left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}$

于是得到平移定理（Shift Theorem）：

$\boxed{\mathcal{F}\{I'\}(u,v) = \mathcal{F}\{I\}(u,v) \;\cdot\; e^{-j 2\pi \left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}}$

物理意义：空间域的平移 $(x_0, y_0)$，在频率域体现为每个频率分量 $(u,v)$ 都乘以了一个单位复数 $e^{-j 2\pi (\cdots)}$。这个复数的模为 1，因此不改变各频率分量的"强度"；但它带有相位信息，因此会改变各频率分量的"对齐方式"。

13.2.1.2. 为什么幅度不变、相位改变？

我们把原图像在频率 $(u,v)$ 处的傅里叶系数写成极坐标形式（幅度-相位形式）：

$\mathcal{F}\{I\}(u,v) = A(u,v) \cdot e^{j\phi(u,v)}$

其中：

• $A(u,v) = \big|\mathcal{F}\{I\}(u,v)\big| \ge 0$ 是幅度（Amplitude / Magnitude）；
• $\phi(u,v) = \arg\big(\mathcal{F}\{I\}(u,v)\big)$ 是相位（Phase）。

将平移定理代入：

$\mathcal{F}\{I'\}(u,v) = \left[A(u,v) \cdot e^{j\phi(u,v)}\right] \cdot e^{-j 2\pi \left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}$

合并指数项：

$\mathcal{F}\{I'\}(u,v) = A(u,v) \cdot e^{j\left[\phi(u,v) \;-\; 2\pi\left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)\right]}$

13.2.1.2.1. 幅度分析

对上式两边取复数模（Magnitude）。利用复数模的乘法性质 $|z_1 \cdot z_2| = |z_1| \cdot |z_2|$：

$\big|\mathcal{F}\{I'\}(u,v)\big| = \Big|A(u,v) \cdot e^{j\left[\phi(u,v) - 2\pi(\cdots)\right]}\Big|$

$= |A(u,v)| \cdot \underbrace{\left|e^{j\left[\phi(u,v) - 2\pi(\cdots)\right]}\right|}_{\text{（关键一步）}}$

这里用到复分析中的基本结论：对任意实数 $\theta$，都有

$|e^{j\theta}| = \sqrt{\cos^2\theta + \sin^2\theta} = 1$

因此，无论括号里的相位是什么，单位复数的模恒为 1：

$\left|e^{j\left[\phi(u,v) - 2\pi(\cdots)\right]}\right| = 1$

代回上式：

$\big|\mathcal{F}\{I'\}(u,v)\big| = |A(u,v)| \cdot 1 = A(u,v)$

而 $A(u,v) = \big|\mathcal{F}\{I\}(u,v)\big|$，所以：

$\boxed{\big|\mathcal{F}\{I'\}(u,v)\big| = \big|\mathcal{F}\{I\}(u,v)\big|}$

结论：图像在空间域发生任意平移 $(x_0, y_0)$ 后，其傅里叶变换的幅度谱（Magnitude Spectrum）在每个频率上都严格保持不变。

13.2.1.2.2. 相位分析

合并指数后的表达式直接读取相位：

$\arg\Big(\mathcal{F}\{I'\}(u,v)\Big) = \phi(u,v) \;-\; 2\pi\left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)$

即：

$\boxed{\arg\Big(\mathcal{F}\{I'\}\Big) = \arg\Big(\mathcal{F}\{I\}\Big) \;-\; 2\pi\left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)}$

结论：

• 空间平移确实改变了相位谱；
• 在每个频率 $(u,v)$ 上，相位改变量 $\Delta\phi = -2\pi\left(\frac{ux_0}{W} + \frac{vy_0}{H}\right)$ 与频率坐标 $(u,v)$ 成线性关系；
• 相位改变量与图像内容 $I(x,y)$ 本身无关，仅由平移量 $(x_0, y_0)$ 决定。

$\text{平移后} \quad \Rightarrow \quad \begin{cases} \text{幅度谱：} & \big|\mathcal{F}\{I'\}\big| = \big|\mathcal{F}\{I\}\big| & \text{（完全不变）}\\[8pt] \text{相位谱：} & \arg(\mathcal{F}\{I'\}) = \arg(\mathcal{F}\{I\}) - 2\pi\left(\frac{ux_0}{W} + \frac{vy_0}{H}\right) & \text{（线性偏移）} \end{cases}$

这就是平移不变性的严格数学来源。也正因如此，当我们用 FFT 幅度谱作为监督目标时，就完全不用担心真实采集的 PSF 与仿真 PSF 之间有几像素的中心偏移——因为偏移只影响相位，而我们根本不看相位。

• 幅度谱：描述图像中各频率分量的"强度"——即图像中有没有某种粗细的纹理、边缘、光斑形状。它与这些纹理出现在图像的哪个位置无关。
• 相位谱：描述各频率分量的"位置对齐信息"。一旦图像平移，所有频率的相位都会按线性规律发生偏转。

因此，如果我们只拿幅度谱做对比，就天然忽略了"图像整体偏移了多少"这个问题，只关心"图像里的形状对不对"。

13.2.2. 损失函数设计：FFT Log-Magnitude Loss

知道了"幅度谱平移不变"这个性质，接下来的问题是：如何把幅度谱转化为一个鲁棒的、可优化的损失函数？

直接对 $|FFT|$ 做 L1 会遇到一个工程问题：PSF 的中心亮斑幅度极高，外围像差细节的幅度极低。如果不做处理，损失函数会被中心亮斑完全主导，外围的高频像差信息被淹没。

以下是我们在实际代码中采用的四步法：

13.2.2.1. Step 1：背景扣除（Background Subtraction）

真实探测器采集的图像通常带有暗电流或环境杂散光基底。这个恒定背景会在 FFT 的零频（DC 分量）处产生一个巨大的尖峰，掩盖其他频率的差异。

real = real - real.amin(dim=(-2, -1), keepdim=True)
sim  = sim  - sim.amin(dim=(-2, -1), keepdim=True)

13.2.2.2. Step 2：峰值归一化（Peak Normalization）

仿真 PSF 的绝对强度是物理量（W/m²），而真实图像是相机灰度级（ADU）。两者尺度完全不同，必须归一化到同一量级：

real = real / (real.amax(dim=(-2, -1), keepdim=True) + eps)
sim  = sim  / (sim.amax(dim=(-2, -1), keepdim=True) + eps)

这样做保留了 PSF 的相对能量分布（在焦与离焦的相对亮度、光斑能量集中程度），而去除了探测器增益差异的影响。

13.2.2.3. Step 3：FFT 与 Log 压缩

mag_real = torch.log1p(torch.abs(torch.fft.fft2(real, dim=(-2, -1))))
mag_sim  = torch.log1p(torch.abs(torch.fft.fft2(sim,  dim=(-2, -1))))

• torch.fft.fft2：计算二维傅里叶变换。
• torch.abs：取幅度谱，丢弃受平移影响的相位。
• torch.log1p(x)：即 $\ln(1+x)$，对高动态范围进行压缩。中心亮斑的 $10^4$ 倍差异，在 log 域只变成几倍差异，使得外围中低频像差也能获得合理的梯度权重。

13.2.2.4. Step 4：Smooth L1 回归

loss = F.smooth_l1_loss(mag_sim, mag_real)

相比于 MSE，Smooth L1（Huber Loss）对离群值更鲁棒，在频域某些异常频率点上不会导致梯度爆炸。

13.2.3. 注意事项与进阶方向

13.2.3.1. 当前方案的局限

• 旋转与缩放不变性：FFT 幅度谱对平移不变，但对旋转和缩放不是不变的。如果你的光路还存在旋转对准误差或像素尺度误差，需要额外处理（例如先把仿真图插值到估计的像素尺度，或在极坐标频域做监督）。
• 直流分量：虽然做了背景扣除，但如果图像存在大面积非均匀光照（不是恒定背景），低频区域仍可能受影响。

13.2.3.2. 进阶改进

1. 频域加权： 像差引起的光学传递函数（OTF）退化主要集中在中低频。可以构造一个二维频率权重矩阵 $W(u,v)$，给低频更高权重：

   loss = (W * (mag_sim - mag_real)).abs().mean()

2. 互功率谱对齐（Phase Correlation）： 如果平移量极大（接近图像边界），仅靠幅度谱可能不够。可以先计算互功率谱的逆 FFT，得到平移的置信度图，再据此做软对齐（Soft-Argmax）或作为辅助监督。

3. 加窗处理： FFT 假设信号周期性。如果 PSF 图像边缘截断明显（例如能量没有衰减到接近零），可以加 Hann 窗或 Hamming 窗后再做 FFT，减少频谱泄漏。

13.3. 背景噪声导致的"频域Loss 下降但视觉变差"问题分析

核心结论：真实采集图像存在非零背景噪声底板（min-max 后均值约 0.019），而仿真 PSF 背景严格为 0。当前 fft_psf_loss 对频域轮廓敏感，但对背景噪声底板几乎无感知，导致模型可以通过高斯模糊"骗过"频域 loss，却在空间域视觉上严重失真。

13.3.1. 问题现象

观察到以下矛盾现象：

实验	训练 epoch	Test Loss	视觉质量（人眼观察）
no_截断（仅高斯模糊）	7	0.136 ⬇️	更差 ❌
no_高斯（仅截断）	1	0.161	更好 ✅
完整 detector（高斯+截断）	1	0.218	一般

矛盾点：no_截断 的 loss 最低，但视觉上 PSF 与真实数据差异反而更大。

13.3.2. 核心诊断：背景噪声底板缺失

13.3.2.1. 真实采集数据的背景特征

原始数据文件（.npz）中的 image 在送入网络前，经过 dataset.py 的预处理：

image = image - image.amin(dim=(-2, -1), keepdim=True)   # 逐样本扣最小值
image = image / (image.amax(dim=(-2, -1), keepdim=True)) # 逐样本除最大值

预处理后，真实采集图像（focus_real / defocus_real）的像素分布如下：

统计指标	focus_real	defocus_real
严格为 0 的像素数	0~2 个（占比 ~0%）	0~2 个（占比 ~0%）
噪声带 (0.001~0.05)	97.1%	97.1%
中间亮度 (0.05~0.5)	2.8%	2.8%
高亮区 (≥0.5)	0.1%	0.1%
P1 分位数	0.0093	0.0106
P10 分位数	0.0149	0.0152
底部 20% 均值	0.0150	0.0152

关键发现：

• 真实图像预处理后，几乎所有像素（97%）都分布在一个非零的噪声带内，形成一层均匀的"灰色噪声底板"
• 即使是最暗的 1% 像素，亮度也在 0.009~0.011 之间
• 图像中不存在大片严格为 0 的纯黑区域

13.3.2.2. 仿真数据的背景特征

三个实验的仿真 PSF（focus_train / defocus_train）经过相同的 min-max 归一化后：

实验	focus_train 严格为 0	defocus_train 严格为 0	噪声带 (0.001~0.05)
完整 detector	91.7%	92.1%	5.4%
no_截断	94.2%	94.2%	3.8%
no_高斯	91.7%	91.3%	6.8%

关键发现：

• 仿真图像 90%+ 像素严格为 0，背景是纯黑的
• 只有约 4~7% 的像素分布在噪声带，这些通常是高斯模糊或截断产生的过渡像素

13.3.2.3. 背景区（角落）精细对比

选取图像四个角落各 50×50 区域（远离光斑峰值，视为纯背景）：

指标	真实 focus_real 角落	完整 detector 仿真角落
均值	0.0193	0.0000
标准差	0.0039	0.0000
最小值	0.0000	0.0000
最大值	0.0392	0.0000

关键发现：

• 真实背景区有明显的随机波动（std=0.004），这是读出噪声和热噪声的特征
• 仿真背景区完全平坦（std=0），没有任何噪声

13.3.2.4. 误差按区域分解

以 focus 为例，分析 train - real 的差异在不同区域的分布：

区域定义	完整 detector MAE	no_截断 MAE	no_高斯 MAE
背景区 (real < 0.05)	0.0206	0.0205	0.0201
中间区 (0.05 ≤ real < 0.5)	0.1150	0.1131	0.1170
峰值区 (real ≥ 0.5)	0.5475	0.5493	0.5602
整体 MAE	0.0237	0.0235	0.0233

关键发现：

• 三个实验在背景区的误差方向一致且显著为负（仿真比真实暗约 0.017~0.018），说明所有实验都存在"背景缺失"问题
• no_高斯 在背景区的 MAE 最小（0.0201），_std 也最小（0.0148），说明其背景最"干净"但也最偏离真实噪声
• 空间域误差主要由峰值区结构差异主导（MAE _{0.55），但背景区的系统性偏差（}0.02）在视觉上非常突出

13.3.3. 根本原因分析

13.3.3.1. 为什么 fft_psf_loss 会"被骗"？

当前损失函数定义：

def fft_psf_loss(sim_psf, real_psf, eps=1e-8):
    real_fft = fft.fft2(real_psf, dim=(-2, -1))
    sim_fft = fft.fft2(sim_psf, dim=(-2, -1))
    real_mag = torch.log1p(torch.abs(real_fft))
    sim_mag = torch.log1p(torch.abs(sim_fft))
    return F.smooth_l1_loss(sim_mag, sim_mag)

13.3.3.1.1. 实验验证：噪声对 FFT loss 的真实影响

真实数据类型	vs Sim_Clean (清晰)	vs Sim_Blur (模糊)
Clean 艾里斑	0.000	0.006
Clean + 均匀常数背景 (0.015)	0.000	0.006
Clean + 随机背景噪声 (mean=0.015, std=0.004)	0.377	0.383

关键发现：

1. 均匀常数背景经过 min-max 归一化后，对 FFT loss 零影响
2. 随机波动的背景噪声（std=0.004）让同一个艾里斑的 FFT loss 暴涨到 0.377
3. 噪声并没有让"模糊"变得更有优势——无论目标是否带噪声，清晰 PSF 始终比模糊 PSF 的 loss 低约 0.006

13.3.3.1.2. 真正的问题机制：噪声→不规则频谱→信号扭曲

第一步：真实频谱被噪声"污染"

真实数据的频谱 = 信号频谱（艾里斑） + 噪声频谱（宽谱随机波纹）

随机噪声虽然空间域 std 只有 0.004，但它分布在 400×400 = 16 万个像素上。FFT 后，这些扰动不会消失，而是给每一个频率分量都叠加了一个随机偏移。

第二步：log1p 没有"消除"噪声，而是把它变成了一层"不规则的频谱波纹"

噪声在每个频率上的能量不高（被 16 万像素分摊），log1p 把它压缩成一个小的随机偏移量。但这个偏移量分布在成千上万个频率分量上，累积起来形成了一个不规则的频谱基线。

第三步：SmoothL1Loss 强迫模型扭曲信号去匹配噪声形状

当真实频谱的某个频率因为噪声而随机偏高时，模型为了降低总 loss（数千个频率分量的累积），只能通过扭曲信号本身来在该频率上"制造"类似的能量：

• 调整波长（如 no_截断 从 530 nm 推到 306 nm，偏离 42%）
• 调整 defocus（从 -0.265 推到 -0.142）
• 加高斯模糊（改变频谱衰减斜率）

第四步：空间域灾难

频域上"凑出相似衰减曲线"的代价是：空间域的 PSF 变成了一个物理上不合理、结构上严重失真的光斑。艾里环被抹平，光斑尺寸被强行改变，悬浮在纯黑背景上——这就是"loss 降、视觉崩"的根源。

随机背景噪声给真实频谱添加了"无规律的波纹"。FFT loss 强迫模型扭曲信号（波长、离焦、模糊）去贴合这些波纹，从而降低了 loss 数值，但空间域的 PSF 结构被严重破坏。

13.3.3.2. 为什么 no_截断 视觉上更差？

频域匹配 ≠ 空间域匹配

维度	no_截断（7 epoch）	no_高斯（1 epoch）	真实数据
FWHM（半高宽）	9 px（过窄）	24 px（接近）	19 px
第一暗环深度	0.0496	0.0492	0.0196
第一暗环位置	25 px	14 px	32 px
背景	纯黑（0）	纯黑（0）	灰色底板（~0.02）
艾里环清晰度	被高斯模糊严重抹平	较清晰	清晰但叠加噪声

关键机制：

• no_截断 训练 7 epoch 后 loss 从 0.223 降到 0.136，主要不是靠高斯模糊（实验证明模糊反而增加 loss），而是靠物理参数被严重扭曲：
  • 波长：530 nm → 306 nm（偏离 42%，非物理）
  • defocus：-0.265 μm → -0.142 μm
• 模型通过扭曲物理参数来"拟合"被噪声污染的不规则频谱，在空间域产生了一个过窄、过平滑、无艾里环结构的光斑
• 真实数据虽然有噪声，但艾里环结构仍然可辨；no_截断 的仿真却把结构完全抹掉了
• no_高斯 虽然只有 1 epoch，但没有高斯模糊，且物理参数偏离小（波长仅到 518 nm），保留了艾里环结构，虽然背景仍是 0，但至少"轮廓是对的"

13.3.3.3. min-max 归一化如何放大了问题？

当前数据预处理流程：

原始图像（有背景噪声）
    ↓ 逐样本减去最小值
最小值被拉到 0，但其他背景像素仍 > 0
    ↓ 逐样本除以最大值
噪声底板被归一化到约 0.01~0.02 的范围

问题：

• 真实相机的背景是系统性的（暗电流、读出噪声、固定环境光），应该全局扣除
• 逐样本 amin 导致每个样本的背景基准不同，模型难以学到统一的背景
• 仿真 PSF 背景严格为 0，min-max 后仍然是 0，与真实数据的非零底板形成强烈视觉反差

13.3.4. 解决方案

13.3.4.1. 方案一：修改数据预处理（dataset.py）

核心思想：用全局/鲁棒背景估计替代逐样本 amin，让真实数据的背景更接近 0。

import torch
import torch.nn.functional as F
import numpy as np
from torch.utils.data import Dataset

class CustomDataset(Dataset):
    def __init__(self, sample_txt, transform=None, global_bg=None):
        self.samples = np.loadtxt(sample_txt, dtype=np.str_)
        self.transform = transform
        self.global_bg = global_bg  # 若提供全局背景值（原始尺度）

    def __len__(self):
        return len(self.samples)

    def __getitem__(self, idx):
        while True:
            try:
                data = np.load(self.samples[idx])
                image = data["image"]  # shape 假设为 [H, W, C] 或 [C, H, W]
                zernike = data["zernike"]

                if self.transform:
                    image = self.transform(image)

                # ========== 背景扣除策略（三选一）==========

                # 策略 A：全局背景扣除（推荐）
                # 预先计算所有样本角落区域的中位数作为全局背景
                if self.global_bg is not None:
                    image = image - self.global_bg
                    image = F.relu(image)  # 防止负值

                # 策略 B：逐样本角落中位数扣除（无需预计算）
                else:
                    h, w = image.shape[-2], image.shape[-1]
                    corner_size = min(h, w) // 8  # 取 1/8 边长作为角落
                    corners = torch.cat([
                        image[..., :corner_size, :corner_size].flatten(),
                        image[..., :corner_size, -corner_size:].flatten(),
                        image[..., -corner_size:, :corner_size].flatten(),
                        image[..., -corner_size:, -corner_size:].flatten()
                    ])
                    bg = corners.median()  # 中位数比最小值更鲁棒
                    image = image - bg
                    image = F.relu(image)

                # 归一化：只除以最大值（背景已扣除，min 接近 0）
                image = image / (image.amax(dim=(-2, -1), keepdim=True) + 1e-8)

                return image, zernike
            except BaseException as e:
                print(e)
                import time
                time.sleep(1)

为什么用角落中位数？

• 光斑通常位于图像中心，四个角落远离光斑，可视为纯背景
• 中位数比最小值更鲁棒，不受单个坏点/热像素影响
• 全局背景扣除保证了样本间背景基准一致

13.3.4.2. 方案二：给 Detector 加背景噪声模拟

在 generative_M4_model.py 中修改 DetectorResponseLayer，添加可学习的背景偏移和噪声。

13.3.4.3. 方案三：组合损失函数（空间域 + 频域）

当前仅用 fft_psf_loss，对背景不敏感。建议增加空间域损失项：

from torch import fft
import torch.nn.functional as F

def combined_psf_loss(sim_psf, real_psf, alpha=0.5, eps=1e-8):
    """
    组合损失：频域 loss（平移不变）+ 空间域 loss（背景敏感）

    Args:
        sim_psf:  [B, 2, H, W] 仿真 PSF
        real_psf: [B, 2, H, W] 真实 PSF
        alpha:    频域 loss 权重（0~1），建议从 0.7 开始调试
    """
    # ===== 频域 loss（保留平移不变性）=====
    real_fft = fft.fft2(real_psf, dim=(-2, -1))
    sim_fft = fft.fft2(sim_psf, dim=(-2, -1))
    real_mag = torch.log1p(torch.abs(real_fft))
    sim_mag = torch.log1p(torch.abs(sim_fft))
    fft_loss = F.smooth_l1_loss(sim_mag, sim_mag)

    # ===== 空间域 loss（对背景噪声敏感）=====
    # Smooth L1 比 MSE 更鲁棒，对异常值（如过曝像素）不敏感
    spatial_loss = F.smooth_l1_loss(sim_psf, real_psf)

    # ===== 可选：背景区域加权 loss =====
    # 让模型更关注背景区的匹配（防止背景被忽略）
    # 定义背景掩码：真实图像中亮度 < 0.05 的区域
    bg_mask = (real_psf < 0.05).float()
    bg_loss = F.smooth_l1_loss(sim_psf * bg_mask, real_psf * bg_mask)

    # 组合
    total_loss = alpha * fft_loss + (1 - alpha) * spatial_loss + 0.1 * bg_loss

    return total_loss, {
        'fft_loss': fft_loss.item(),
        'spatial_loss': spatial_loss.item(),
        'bg_loss': bg_loss.item()
    }

参数调试建议：

阶段	alpha	说明
初期	0.7	以频域为主，保证整体轮廓正确
中期	0.5	空间域与频域同等重要
后期	0.3	以空间域为主，精细化背景匹配

13.3.5. 验证实验

13.3.5.1. 方案1验证试验，中位数背景扣除效果（没有重新训练，仅测试）

以下为实际测试数据：将修改后的 dataset.py（角落中位数背景扣除）分别应用到三个实验配置中，不重新训练模型，直接运行 test_optical_param.py 对比新旧 dataset 的 raw data。

13.3.5.1.1. 实验设置

实验	训练模型	Dataset 预处理	说明
旧-完整 detector	旧 checkpoint（1 epoch）	逐样本 amin	基线
旧-无截断	旧 checkpoint（7 epoch）	逐样本 amin	基线
旧-无高斯	旧 checkpoint（1 epoch）	逐样本 amin	基线
新-完整 detector	旧 checkpoint（1 epoch）	角落中位数扣除	验证
新-无截断	旧 checkpoint（7 epoch）	角落中位数扣除	验证
新-无高斯	旧 checkpoint（1 epoch）	角落中位数扣除	验证

13.3.5.1.2. 真实数据背景分布变化

旧 dataset（逐样本 amin）：

• 底部 10% 像素 = 0.0149
• 底部 20% 均值 = 0.0150
• 严格为 0 的像素 = ~0%
• 角落背景均值 = 0.0093

新 dataset（角落中位数）：

• P1/P5/P10 = 0.000000
• 严格为 0 的像素 = 49.3%
• 微弱残余带 (0.001~0.01) = 44.5%
• 角落背景均值 = 0.000884（旧值的 1/10）

13.3.5.1.3. 按区域分解的改善来源

区域	旧 MAE	新 MAE	变化	解读
背景区 (real < 0.05)	~0.010	~0.002	↓ 80% ✅	中位数扣除直接消除了背景系统偏差
中间区 (0.05~0.5)	~0.120	~0.125	基本持平	中位数扣除不影响信号结构
峰值区 (real ≥ 0.5)	~0.500	~0.500	基本持平	峰值结构不受预处理影响

13.3.5.1.4. 关键发现

1. 改善 100% 来自背景区，峰值区不变

   • 中位数扣除只影响背景，不影响艾里斑结构
   • 峰值区 MAE 不变是因为模型未重训（旧 checkpoint 的物理参数没变）

2. 无高斯在新 dataset 下仍然是最佳配置

   • 新-无高斯 Focus MAE = 0.00328（三实验中最低）
   • 再次验证：高斯模糊是不必要的

3. 仿真数据背景仍为 0，真实数据仍有微弱残余

   • 新 dataset 下仿真背景 = 0.000000
   • 真实背景 = 0.000884，仍有约 44.5% 像素在 0.001~0.01
   • 这是因为角落中位数可能略低于某些暗区像素，扣除后仍有少量残余

4. 如果重新训练模型，峰值区可能也会改善

   • 旧模型是在"高背景"数据上训练的，参数是为了匹配旧数据优化的
   • 新数据背景更干净，如果重训，模型可能学到更准确的物理参数

13.3.5.2. 方案1验证试验，中位数背景扣除效果（重新训练1 epoch）

实验设置：三个配置（完整 detector / 无截断 / 无高斯）均使用新的 dataset.py（角落中位数背景扣除）重新训练 1 个 epoch，然后运行测试。

13.3.5.2.1. 训练日志对比

Epoch 0 Loss

实验	旧 Dataset Train	旧 Dataset Test	新 Dataset Train	新 Dataset Test	Train 降幅	Test 降幅
完整 detector	0.2458	0.2182	0.2032	0.1785	-17.3%	-18.2%
无截断	0.2512	0.2234	0.2083	0.1834	-17.1%	-17.9%
无高斯	0.1712	0.1611	0.1415	0.1340	-17.3%	-16.8%

关键发现：

• 新 dataset 下，所有配置的初始 loss 都降低了约 17%，说明中位数背景扣除显著降低了数据与模型的初始失配
• 无高斯仍然是 loss 最低的（Test=0.1340），且与其他两个配置的差距保持（完整/无截断约 0.18）

13.3.5.2.2. 物理参数收敛对比

训练后模型参数

参数	旧-完整	新-完整	旧-无截断	新-无截断	旧-无高斯	新-无高斯
波长 λ	464 nm	464 nm	403 nm ❌	466 nm ✅	518 nm	535 nm ✅
defocus	-0.184 μm	-0.185 μm	-0.154 μm	-0.187 μm	-0.290 μm	-0.301 μm
focus_defocus	-0.009 μm	-0.011 μm	-0.038 μm	-0.016 μm	-0.062 μm	-0.066 μm
detector σ	1.13	1.13	0.60	1.13	1.21	1.21
detector saturation	0.92	0.92	1.00	1.00	1.04	1.03

关键发现：

1. 无高斯的波长最接近真实值：534.8 nm，仅偏离初始值 530 nm 约 0.9%。

2. 无截断的 σ 回归正常：旧 dataset 下 σ 被迫降到 0.60 来减弱高斯模糊，新 dataset 下回归至 1.13（接近初始 1.2）。

3. defocus 系数趋于一致：完整/无截断在新 dataset 下 defocus 都收敛到约 -0.186 μm（接近初始 -0.265 μm 的合理范围），而旧无截断是 -0.154 μm。

13.3.5.2.3. 高斯模糊与波长的耦合理论分析

耦合机制:

高斯模糊（卷积）和波长变化在频域上是耦合的，两者可以相互补偿。

频域效应对比：

操作	空间域	频域效应	对高频的影响
波长 λ↓	艾里斑变小	频谱展宽	增加
高斯模糊 σ↑	光斑展宽	频谱收缩	减少

关键洞察：

• 波长减小 → 频谱高频能量增加
• 高斯模糊增强 → 频谱高频能量减少
• 两者产生相反的频域效应

实验验证：不同 (λ, σ) 组合是否能产生相似频谱?

以参考 (λ=530nm, σ=0) 为基准，计算各组合的 fft_psf_loss：

(λ, σ)	vs 参考的 fft_loss	解读
(530, 0)	0.0000	参考
(464, 0)	0.0108	仅改变波长
(464, 0.6)	0.0057 ⭐	λ↓ + σ↑ 组合，loss 比单纯 λ↓ 更低
(464, 1.2)	0.0441	λ↓ + σ↑↑，过度补偿
(530, 1.2)	0.0436	仅加高斯模糊

关键发现：

• λ=464nm + σ=0.6 的 loss（0.0057）比 λ=464nm + σ=0（0.0108）更低
• 这说明：高斯模糊确实可以补偿波长变化带来的频谱差异
• 模型可以通过 (λ↓, σ↑) 的组合来逼近目标频谱，而无需学到真正的物理参数

对 detector 设计的启示

如果高斯模糊和波长是耦合的，同时保留两者会导致参数解空间退化，模型学不到真正的物理参数。

建议：

1. 去掉高斯模糊（已验证无高斯配置在所有指标上最优）
2. 固定波长（如果激光波长已知为 530nm，直接锁死 raw_wavelength_m 的梯度）
3. 如果必须保留高斯模糊，应同时限制 λ 的学习范围（如 500~560nm），防止模型用 λ 来补偿 σ

13.3.5.2.4. PSF 空间域匹配度分析

⚠️ 重要说明：以下分析基于逐像素 MAE。由于采集的 PSF 和仿真的 PSF 之间存在未配准的平移（峰值偏移平均约 1.3~6.5 像素，最大达 13~33 像素），峰值区的逐像素 MAE 会被平移误差污染。

但以下分析仍然有效：

• 整体 MAE：97% 像素为背景区，背景均匀，平移对整体 MAE 影响极小
• 背景区 MAE：平移几乎不影响均匀背景的统计
• 峰值区 MAE：受平移污染，仅供趋势参考；已补充平移不变度量（NCC）验证

整体 MAE

实验	旧 Focus MAE	新 Focus MAE（未重训）	新 Focus MAE（重训 1 epoch）	vs 旧改善
完整 detector	0.01169	0.00377	0.00377	-67.7%
无截断	0.01171	0.00316	0.00378	-67.7%
无高斯	0.01131	0.00325	0.00324	-71.3%

实验	旧 Defocus MAE	新 Defocus MAE（重训）	vs 旧改善
完整 detector	0.01434	0.00453	-68.4%
无截断	0.01434	0.00455	-68.3%
无高斯	0.01405	0.00431	-69.3%

关键发现：

• 整体 MAE 改善约 70%，几乎全部来自 dataset 预处理，重训 1 epoch 对空间域 MAE 几乎没有额外贡献
• 这是因为 1 epoch 训练主要优化频域 loss，而空间域结构由模型初始化决定

按区域分解（Focus）

区域	旧-完整	新-完整（重训）	旧-无截断	新-无截断（重训）	旧-无高斯	新-无高斯（重训）
背景 (<0.05)	0.01020	0.00238	0.01020	0.00238	0.00987	0.00190
中间 (0.05~0.5)	0.1209	0.1267	0.1149	0.1256	0.1142	0.1202
峰值 (≥0.5)	0.4357	0.4347	0.5488	0.4909	0.4434	0.4367

⚠️ 峰值区 MAE 受平移污染，以下补充平移不变度量验证。

平移不变验证（NCC 归一化互相关）：

实验	NCC (init)	NCC (train)	训练后改善
完整 detector	0.4973	0.4985	+0.0012
无截断	—	—	—
无高斯	—	—	—

平移不变验证（对齐后 MAE）：

实验	对齐前 MAE	对齐后 MAE	平移导致误差占比
完整 detector	0.003830	0.003502	~8.6%

关键发现：

1. 背景区 MAE 降低 80%：这是 dataset 改动的直接效果，与是否重训无关，且不受平移影响

2. 峰值区存在平移，但训练后仍有改善趋势（无截断 Peak MAE 0.549→0.491）

   • 无截断改善最大：旧 checkpoint 训练 7 epoch 参数扭曲，新 dataset 下重训 1 epoch 后参数回归
   • 平移不变 NCC 验证：训练后仅改善 0.0012，说明 1 epoch 对结构改善确实有限

3. 中间区 MAE 反而略有上升（旧→新：0.121→0.127）

   • 真实数据背景被扣得更干净后，中间亮度区域边界更清晰，仿真模型尚未充分调整

13.3.5.2.5. FWHM 对比

实验	真实 FWHM	仿真 FWHM	偏差
完整 detector	19 px	37 px	+95% ❌
无截断	19 px	39 px	+105% ❌
无高斯	19 px	22 px	+16% ✅

关键发现：

• 无高斯的 FWHM 最接近真实（22 vs 19 px），完整/无截断因高斯模糊严重过宽
• FWHM 基于峰值位置计算，不受平移影响

13.3.5.2.6. 能量集中度

实验	真实中心 41×41 能量占比	仿真中心 41×41 能量占比
完整 detector	48.1%	64.8%
无截断	48.1%	64.7%
无高斯	48.1%	64.4%

关键发现：

• 所有仿真 PSF 的能量都过于集中在中心（比真实高约 16 个百分点）
• 仿真背景为 0，真实数据扣除后仍有微弱残余背景（corner mean=0.0009），会分散能量
• 无高斯的集中度最接近真实（64.4% vs 64.8%）

13.3.5.2.7. M4 精度分析

实验	旧 M4 init	旧 M4 train	新 M4 init	新 M4 train	Train 改善
完整 detector	0.7048	0.7138	0.6797	0.6905	-3.3%
无截断	0.6155	0.6518	0.6154	0.6290	-3.5%
无高斯	0.7277	0.7097	0.7043	0.6849	-3.5%

关键发现：

• 新 dataset 下 M4 MAE 普遍比旧 dataset 低 3~4%
• 无高斯训练后 M4 MAE = 0.6849，是三实验中最低的
• 无高斯是唯一一个训练后 M4 比 init 改善的配置（0.7043 → 0.6849）

13.3.5.2.8. 综合结论

中位数背景扣除的效果（重训验证）

维度	效果
训练收敛速度	Epoch 0 loss 降低 17%，初始匹配更好
物理参数合理性	波长不再被扭曲到非物理值（无截断 403→466nm，无高斯 518→535nm）
PSF 空间匹配	整体 MAE 降低 70%，背景区降低 80%
峰值结构	无截断 Peak MAE 降低 12%（参数回归），无高斯降低 1.6%
M4 精度	提升 3~4%，无高斯最优

三个配置的最终排名（新 dataset + 1 epoch）

排名	配置	优势	劣势
⭐ 1	无高斯	Test loss 最低（0.134），MAE 最低（0.00324），波长最接近 530nm，FWHM 最接近真实，M4 最优	背景仍为 0，与真实有微弱差距
2	完整 detector	参数稳定	FWHM 过宽（37px），loss 比无高斯高 33%
3	无截断	Peak 区改善最大（重训后）	FWHM 最宽（39px），高斯模糊 unnecessary

关键认知更新

1. 高斯模糊完全不必要：无高斯在所有指标上都是最优或接近最优，且没有高斯模糊的副作用（FWHM 失真）。

2. 1 epoch 重训对空间域改善有限：整体 MAE 的 70% 改善来自 dataset 预处理本身，重训 1 epoch 主要改善了频域 loss 和峰值区结构（尤其是无截断）。

3. 下一步应继续训练：当前仅 1 epoch，峰值区和中间区仍有优化空间。建议用新 dataset + 无高斯配置训练 10~20 epoch。

你的目标是"仿真 PSF 与真实 PSF 在空间域上尽可能一致"，而不仅仅是"频域 loss 最小"。当前 fft_psf_loss 是一个好的正则化项（保证平移不变性），但不应是唯一的监督信号。空间域的 SmoothL1Loss 直接惩罚像素级差异，包括背景噪声底板，是达到"视觉一致"的必经之路。

13.4. Interpolate 模式选择分析

在 Zernike2PSF_layer 中，仿真生成的 PSF（像素间距约 2.2μm）需要通过 F.interpolate 下采样到真实 CCD 的像素尺度（4.5μm）。下采样方式直接影响仿真 PSF 的空间形态，进而影响物理参数（波长 λ、离焦量 defocus）的学习精度。

模式	数学本质	物理意义
bilinear	双线性插值取点	从高密度网格中插值采样
area	区域像素平均	像素积分（真实相机行为）

13.4.1. 为什么 area 更物理？

真实相机的每个像素是一个 4.5μm × 4.5μm 的物理面积，接收的是该区域内总光强：

像素值 = ∫∫ PSF(x,y) dx dy  （在像素物理面积内）

这等价于对理想 PSF 做一个 box filter（低通滤波）。mode='area' 在缩小图像时，输出像素 = 输入区域内像素的平均值，正好模拟这一物理过程。

而 bilinear 只是从高密度采样点中插值取点，没有积分效应，旁瓣能量被压缩到亚像素级别，不可见。

13.4.2. 实验对比

13.4.2.1. 测试条件

• 数据集：相同的训练/测试划分
• 训练目标：fft_psf_loss + 0.1 × m4_loss
• 训练时长：2 epoch
• 唯一变量：interpolate 模式（bilinear vs area）

13.4.2.2. 结果对比

指标	bilinear (temp_test_noise)	area (temp_test_arae)	变化
λ	535 nm	522 nm	更接近真实 530nm
defocus	-0.301 μm	-0.291 μm	更接近真实 -0.265μm
训练 loss	0.143	0.134	相当
M4 MAE	0.676	0.646	降低 4.4%
Init Avg Loss	0.140	0.117	降低 16%

13.4.2.3. 遇到的问题：旁瓣仍然不明显

尽管 area 模式改善了能量分布，但视觉上仿真 PSF 的"余光"/旁瓣仍然远不如真实数据明显。

原因分析：

1. 下采样比例太大：scale = 0.49（约 1/2），旁瓣结构被压缩到 1-2 个像素宽
2. 理想衍射旁瓣本身就极弱：艾里斑第一亮环强度 ≈ 中心峰值的 1.75%
3. 真实相机的"余光"来源复杂：像素积分 + 光学像差 + 散射光 + 读出噪声底板