• Aucun résultat trouvé

Validation expérimentale de l’optimisation non linéaire du contraste sur le banc

Forts de notre expérience de contrôle sur MITHiC et d’analyse sur le THD, nous avons réalisé une validation de l’optimisation non linéaire du contraste en présence de coronographe sur le banc THD. Nous avons commencé dans une configuration où le miroir pupillaire et le

FIGURE7.4 – Rapport de l’intensité moyenne avant optimisation à l’intensité moyenne après optimisation, en échelle linéaire. Une valeur au-dessus de un indique un gain en contraste dû à l’optimisation du contraste.

miroir hors pupille sont utilisés avec la SCC pour obtenir une région de contraste important (410−7) à l’intérieur de la zone de correction, qui est un carré centré sur l’axe. Le banc THD est donc utilisé dans un mode où le contraste est déjà amélioré mais pas à son meilleur niveau de performance, ce qui devrait laisser de la marge de progression. L’image correspondante est la plus à gauche de la Fig. 7.5. Il reste des résidus diffractifs et un résidu d’aberrations (vraisemblablement de phase et d’amplitude) à corriger, ce qui est accessible même avec le seul miroir pupillaire dans une moitié du plan focal.

À ce stade, une mesure utilisant la SCC est utilisée pour estimer à la fois les aberrations de phase résiduelle et d’amplitude sur le banc. Les estimations de la SCC sont faites dans le plan focal. Nous avons choisi d’utiliser la SCC comme senseur et non COFFEE afin de comparer uniquement les performances des méthodes d’optimisation du contraste et pas celles des analyseurs de surface d’onde. En effet en utilisant COFFEE, nous n’aurions pas su distinguer une différence de performance de mesure (COFFEE versus SCC) d’une différence de performance des méthodes d’optimisation du contraste (speckle minimization versus optimisation non linéaire du contraste).

Du fait que l’optimisation non linéaire du contraste a besoin d’estimations de phase et d’amplitude exprimées en plan pupille, les estimations de la SCC sont rétropropagées du plan focal vers ce plan. Ces aberrations sont prises là encore les paramètres d’entrée du pro-gramme NLDH qui donne les commandes à appliquer. La sortie du propro-gramme est l’ensemble des tensions de commande qui doivent être ajoutées au miroir déformable en plan pupille afin d’optimiser le contraste dans la moitié inférieure du plan focal. L’image résultante est la deuxième à partir de la gauche dans la Fig. 7.5. Un zoom en échelle linéaire est affiché dans la Fig. 7.6.

Cependant, le modèle numérique du banc THD n’est pas parfait. Dans le cadre de la diversité de phase, deux à trois itérations sont généralement nécessaires pour atteindre le mini-mum [Paul et al., 2014b]. Pour cette raison, et même si ce serait inutile si le modèle numérique était parfait, nous effectuons un total de cinq corrections : nous estimons les aberrations de

phase et d’amplitude courantes; nous les utilisons comme entrée du programme NLDH et nous appliquons ensuite les nouvelles tensions de contrôle calculées par le programme.

La procédure converge en trois itérations, puis sature sans divergence. Pour plus de clarté, les figures 7.5 et 7.6 n’affichent que l’image avant correction et le résultat des quatre premières itérations de correction – la cinquième itération est indiscernable de la quatrième. La figure 7.7 affiche le contraste dans le dark hole en fonction du nombre d’étapes de correction.

FIGURE7.5 – De gauche à droite : image plan focal avant correction NLDH, après 1 correc-tion, après 2 corrections, après 3 corrections, après 4 corrections. Échelle en arc de sinus hyperbolique, avec affichage volontairement saturé.

FIGURE7.6 – De gauche à droite : image plan focal avant correction NLDH, après 1 correction, après 2 corrections, après 3 corrections, après 4 corrections. Échelle linéaire.

FIGURE7.7 – Contraste dans le dark hole en fonction du nombre d’itérations de correction.

Il y a un effet clair des commandes d’optimisation du contraste en allant de l’itération 0 (l’image dans la situation initiale) à l’itération 3. Le contraste dans le dark hole s’améliore à chaque itération, et le gain final est de l’ordre d’un facteur 2 en contraste, qui passe de 4 × 10−7à 2 × 10−7dans la moitié du plan focal. L’erreur est principalement localisée sur l’axe,

avec quelques taches faibles hors de l’axe également. Si ce niveau de contraste n’est pas aussi bon que les records atteints par la méthode utilisant la SCC, on peut néanmoins noter sa convergence en trois itérations seulement.

Nous avons identifié deux raisons principales aux limitations rencontrées. Une première limitation est due à un défaut de connaissance des aberrations. Comme le front d’onde estimé par la SCC est obtenu dans le plan focal, il faut le rétropropager vers le plan pupille pour servir d’entrée au code NLDH. Cette rétropropagation numérique est vraisemblablement perfectible. Une autre manière de procéder serait d’utiliser COFFEE comme analyseur de surface d’onde pour l’optimisation non linéaire du contraste. En effet, COFFEE estime directement le champ complexe en plan pupille.

Une deuxième limitation est due à un défaut de connaissance de la matrice d’influence du miroir déformable : la technique d’optimisation non linéaire du contraste est sensible aux erreurs d’étalonnage du miroir déformable. Or le modèle utilisé du miroir déformable fait intervenir deux hypothèses de linéarité (en tension et spatiale), alors que malheureusement le miroir Boston Micromachines Corporation du banc THD est, par principe, non linéaire, et que cette non-linéarité n’est qu’imparfaitement corrigée. Le terme même de matrice d’influence est donc à comprendre comme autour d’un jeu de tensions données, et le miroir est imparfaite-ment étalonné. D’ailleurs, l’équipe du banc THD a rencontré le même problème de calibration du miroir déformable. Une campagne de mesure et de calibration du miroir a été effectuée avec le laboratoire d’astrophysique de Marseille. Les mesures réalisées à cette occasion doivent être dépouillées plus en profondeur pour délivrer un modèle de commande en tension et en amplitude du miroir.

7.4 Analyse des performance d’optimisation non linéaire du