1.一种实时高精度波前畸变相位补偿系统，其特征在于：包括变形镜(1)、分束器(2)、第一聚焦透镜(3)、第二聚焦透镜(4)、接收模块(5)、CCD相机(6)、U‑Net卷积神经网络处理模块(7)和波前重构模块(8)；

波前重构模块(8)根据U‑Net卷积神经网络处理模块(7)提取出的波前畸变相位信息产生相应的驱动电压，变形镜(1)在驱动电压的控制下发生形变校正畸变波前进而输出调制光信号；经过变形镜(1)校正的调制光信号经分束器(2)，一路经过第一聚焦透镜(3)到达接收模块(5)，另一路经第二聚焦透镜(4)后被CCD相机(6)采集；CCD相机(6)采集的光强图像数据输入U‑Net卷积神经网络处理模块(7)；U‑Net卷积神经网络处理模块(7)利用预测畸变相位信息与实际畸变相位信息构成的样本误差损失函数对网络参数进行迭代更新，直至达到设定的最大迭代次数K则停止迭代更新；

U‑Net卷积神经网络处理模块(7)进行迭代更新的样本误差损失函数为：(j)

其中，评估索引为j，Relu(x)＝max(0,x)；p 表示实际畸变相位； 表示预测畸变相位；

预测畸变相位 的具体表达式为：

误差越小表示预测畸变相位与实际畸变相位越接近，最后将训练集中所有样本误差的平均来衡量网络模型预测的质量，具体表达式为：其中，m为样本数。

2.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：设定波前重构模块(8)输出的初始驱动电压向量为 利用公式(6)对驱动电压向量进行迭代更新：

(k+1) (k) (k) (k)

v ＝v +γ Δv ΔJ                   (6)，(k+1) (k)

其中，v 、v 分别为第k+1次迭代和第k次迭代所得的驱动电压向量；γ为正增益系(k)数； 为第k次迭代时生成的扰动电压向量，Δv 中各元(k)

素服从伯努利分布，且各元素的绝对值固定，取正负号的概率均为1/2；ΔJ 为性能指标J的变化量，根据公式(7)计算得到：分别为正方向与负方向的性能指标变化，分别根据公式(8)、(9)计算得到：

(k) (k) (k) (k)

其中J[v +Δv ]与J[v ‑Δv ]分别是电压向正方向与负方向变化时的性能指标(k)目标函数；J[v ]是第k次迭代的驱动电压向量的性能指标目标函数；变形镜(1)根据迭代后的驱动电压发生形变，从而补偿波前的畸变相位。

3.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述变形镜(1)采用19单元、21单元、32单元或45单元的变形镜。

4.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述样本数m≥70000。

5.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述网络参数为网络的卷积核参数和标量偏差。

6.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述最大迭代次数K≥4000。

7.根据权利要求1所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述U‑Net卷积神经网络处理模块预先使用海量精确样本对其进行训练，并采用残差块对其进行优化，所述的海量精确样本来自基于功率谱反演法模拟的精确大气湍流仿真模型。

8.根据权利要求2所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述为1V‑1.5V。

9.根据权利要求2所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述增益系数γ为1.2‑1.6。

10.根据权利要求2所述的一种实时高精度波前畸变相位补偿系统，其特征在于：所述为0.2V‑0.3V。