1.一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：具体包括如下步骤：步骤1，基于功率谱反演法与相位‑光强公式，建立信号光波经大气湍流传输后的波前相位与光强分布的定量模型，为U‑Net网络训练提供海量精确样本；所述步骤1的具体过程为：基于功率谱反演法产生大气湍流随机相位屏：首先生成一个频域内零均值、单位方差的Hermitian复高斯随机数矩阵 ，然后用符合大气湍流Kolmogorov谱的功率谱密度函数 对其进行滤波，再进行逆傅里叶变换得到大气湍流随机相位屏 ，即             (1)，

其中， 和 为空域内取样间隔的n倍，n为整数； 和 为波数域内取样间隔的m倍，m为整数；常数 来自标度因子 ，是控制相位屏方差的调节常数；

模拟出大气湍流随机相位屏后，将信号光大气传输用多层相位屏模型来处理，就是将连续的随机介质分割为一系列厚度为 的平行薄片，每一片引起的相位调制可以看作一个位于该片中心的无线薄的相位屏；信号光经相位屏 调制，然后在自由空间中传播至下一个相位屏 的位置，每次传输仅改变光波的相位而不影响其振幅；把信号光传输路径分为 段，并把每个相位屏分为 个网格，每个网格的宽度为 ，则根据相位‑光强公式 的光场为：     (2)，

其中， 和 分别表示傅里叶变换和傅里叶逆变换； 表示信号光经相位屏 后产生的相位变化；

结合上述过程，使用Matlab仿真软件构建信号光波经大气湍流传输后的波前相位与光强分布的定量模型，为U‑Net网络训练提供海量精确样本步骤2，根据步骤1提供的海量精确样本对U‑Net网络进行有监督式的训练；所述步骤2的具体过程为：步骤2.1，构建U‑Net网络；

步骤2.2，根据网络输入定义损失函数，用步骤1中模型生成的海量精确样本数据集对U‑Net网络进行迭代训练，调整网络的权重w和偏置b，通过迭代K次后使损失函数值最小，从而获得最优的U‑Net网络模型；

步骤3，基于步骤2得到的训练后的网络，构建基于U‑Net网络的大气湍流相位提取模型，形成基于U‑Net网络的实时高精度大气湍流相位提取方法。

2.根据权利要求1所述的一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：所述的海量精确样本包括n幅大气湍流等效相位屏灰度图、分别受湍流影响和无湍流影响下的传播信号光强度分布图，其中n≥70000。

3.根据权利要求1所述的一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：所述步骤2.1中，U‑Net网络加入残差块对其进行改进，从而加深其网络层数。

4.根据权利要求1所述的一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：所述步骤2.2中，定义的平均损失函数为：

              (3)，

其中， 代表整流的线性单位函数，即激活函数； 、 和 为评估索引为 的样本误差损失函数； 表示实际的大气湍流相位； 表示U‑Net网络预测提取的湍流相位。

5.根据权利要求1所述的一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：所述步骤2.2中，迭代次数K≥4000。

6.根据权利要求1所述的一种基于U‑Net网络的大气湍流相位提取方法，其特征在于：所述步骤3的具体过程为：

向步骤2.2得到的U‑Net网络模型中输入任意受湍流影响的信号光强分布图像，实现大气湍流相位提取。