0 引言
       图像检索的波前校正技术[1-3]可以实时地改善激光光束质量，抑制大气湍流对自由空间激光通信链路的影响[4-5]。但图像采集和控制输出等时间延迟，导致波前校正器生成的校正面形与实际的畸变存在差异，引起校正滞后误差[6-7]。根据大气冻结湍流假设，一定时间尺度内大气运动具有相关性，所以可以通过预测算法对大气湍流的运动趋势进行估计。目前的运动预测方法中，神经网络预估湍流的系统校正误差能够降低7倍左右[8-11]，但需要大量训练数据集并且泛化性差，大气条件改变时会影响预测精度[12]。块匹配的运动估计算法只需要通过连续的2帧畸变光斑图像即可建立湍流之间运动矢量联系，不受湍流条件限制，搜索策略和匹配准则是决定其估计精度和运算复杂度的关键[13]。经典的全搜索算法、三步搜索法、四步搜索法和菱形搜索法等固定模式搜索策略在大位移的运动估计中具有良好效果，但是对于小位移图像序列容易陷入局部最优问题，图像配准精度降低。基于全局最小值的自适应根模式搜索（ARPS）运动估计算法（下文简称ARPS算法）是一种高效的块匹配算法。每一搜索步骤中采纳多个搜索结果，根据多个搜索结果的匹配误差计算出最佳搜索点，避免产生局部最优问题。因此，本文采用ARPS算法对空间光通信中的相位畸变进行仿真预测验证。

3 结束语
      本文建立了时序性大气扰动的畸变光斑模型，采用ARPS算法对大气扰动的运动矢量进行估计，并对系统校正残差进行补偿。仿真结果证明：在不同望远镜接收系统与风速条件下，该方法对大气扰动均能够进行有效预测，且预测准确度符合光通信接收系统规律；与传统的直接共轭校正模式相比，对系统延时导致的校正残差具有一定补偿作用。但是，目前本文测试的光斑图像为仿真数据加载高斯噪声，实际的空间光通信接收系统的光斑成分更复杂。本文接下来的工作是搭建实验采集系统，对实际探测畸变光斑进行预测与补偿，进一步完善算法，并探讨系统噪声对算法准确性的影响。