Démonstration sur le ciel de l'optique adaptative multi-objet avec étoiles lasers par CANARY - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2014

On-sky demonstration of multi-objet adaptive optics using laser guide stars by CANARY

Démonstration sur le ciel de l'optique adaptative multi-objet avec étoiles lasers par CANARY

Martin Olivier
  • Fonction : Auteur
  • PersonId : 959023

Résumé

The advent of 30-40 m class telescopes will allow the study of the formation and evolution of primordial galaxies in the universe. The multi-object adaptive optics concept (MOAO) was then proposed for the design of future spectrographs of the E-ELT. This technique is based on an open loop control of the deformable mirror, and a tomographic reconstruction of the wave front in directions of interest. The MOAO therefore needs to be validated in the sky, it is the role of the demonstrator CANARY. This instrument is equipped with pathways of analysis of the wavefront on natural and laser guide stars. From measurements of these analysers, the Learn & Apply algorithm estimates the on-axis measurements of the additionnal on-axis analysers , commonly called the Truth Sensor, to control the deformable mirror of CANARY. The aim of the experiment is then to demonstrate the technical feasibility of MOAO and quantify the performance of CANARY on-sky. This thesis aims to provide answers to current questions about the MOAO for. This manuscript provides an extension and a detailed analysis of the synthesis of the tomographic reconstruction with laser guide stars. A Complete modeling of a MOAO system is discussed and validated. The thesis was to collect data on-sky with CANARY at the WHT, and then exploit them to evaluate the performance of MOAO on-sky. A statistical analysis of turbulence profiling and performance is discussed, in particular to evaluate the impact of the tomography using laser guide stars.
L'avènement des télescopes de classe de 30 à40 m va permettre l'étude de la formation et l'évolution des galaxies primordiales de l'univers. Le concept d'optique adaptative multi-objet (MOAO) a alors été proposé pour la conception des futurs spectrographes de l'E-ELT. Cette technique repose sur un contrôle en boucle ouverte du miroir déformable, et sur la reconstruction tomographique du front d'onde dans les directions d'intérèts. La MOAO a donc besoin d'être validée sur le ciel, c'est le rôle du démonstrateur CANARY. Cet instrument est doté de voies d'analyse du front d'onde sur des étoiles guides naturelles et lasers. À partir des mesures de ces analyseurs, l'algorithme Learn&Apply estime les mesures d'un analyseur sur l'axe, communément appelé le Truth Sensor, pour piloter le miroir déformable de CANARY. Le but de l'expérience est alors de démontrer la faisabilité technique de la MOAO, et de chiffrer les performances de CANARY sur le ciel. Cette thèse a pour but de donner des éléments de réponse aux interrogations actuelles concernant la MOAO. Ce manuscrit donne une extension et une analyse détaillée de la synthèse du reconstructeur tomographique avec étoiles lasers. La modélisation complète d'un système MOAO y est discutée et validée. La thèse a consisté à recueillir des données sur le ciel de CANARY au WHT, puis à les exploiter pour évaluer les performances de la MOAO sur le ciel. Une analyse statistique de la profilométrie de la turbulence et des performances est discutée, notamment pour évaluer l'impact de la tomographie et des étoiles lasers.
Fichier principal
Vignette du fichier
manuscrit.pdf (5.78 Mo) Télécharger le fichier
soutenance.pdf (21.61 Mo) Télécharger le fichier
Format : Autre
Loading...

Dates et versions

tel-01053839 , version 1 (02-08-2014)

Identifiants

  • HAL Id : tel-01053839 , version 1

Citer

Martin Olivier. Démonstration sur le ciel de l'optique adaptative multi-objet avec étoiles lasers par CANARY. Instrumentation et méthodes pour l'astrophysique [astro-ph.IM]. Université Paris-Diderot - Paris VII, 2014. Français. ⟨NNT : ⟩. ⟨tel-01053839⟩
454 Consultations
725 Téléchargements

Partager

Gmail Facebook X LinkedIn More