近年来,自适应光学应用领域不断拓展,波前重构精度及速度要求亦愈来愈高。随着传感子孔径数目增多以及光瞳类型呈现出多样性(圆形、方形、有局部非连通域等),加深重构算法研究,针对具体应用进行算法改进,已成为提高波前重构精度及速度的有效途径,对提高自适应光学系统校正效果及系统带宽具有重要意义。本文深入研究了传统波前重构算法,针对原有算法进行改进,提出了分块区域法,解决了传统区域法求解大规模重构点时速度过慢的问题;并将模式法与区域法级联使用,解决了传统模式法求解高空间频率波前精度较低的问题。论文首先介绍了传统区域波前重构算法,并分析了其局限性。随后,针对区域法的运算效率问题,提出了一种基于分块的高速高精度区域波前重构算法,以分块重构的方式对区域法的运算规模进行限制,保障算法效率;而后又利用最小二乘法确定分块上波前的piston,通过拼接、平滑获得完整波前。仿真结果表明,该算法在保证重构精度的同时极大提升了区域法用于大规模采样点重构时的运算速度。接着是对传统模式波前重构算法进行介绍,并根据模式法在波前重构时所遇到的问题提出一种模式—区域混合波前重构算法,在传统模式法的基础上,引入区域法对模式法重构后的残余波前进行补充构建。该算法避免了模式阶数过多而造成的求解效率低下问题,既保留了模式法可利用模式系数分析波前不同空间频率成分相对大小的优点,又利用区域法对高空间频率波前敏感的特点保证了波前重构精度。仿真结果表明,该算法的重构精度要远高于单独使用模式法时的精度。论文最后设计并搭建了实验系统,以商业波前传感器HASO3为标准,对基于分块的高速高精度区域波前重构算法性能进行测试,验证了不同光瞳类型下所提分块区域算法的重构精度。实验结果表明,该算法平均重构误差不到1%波长(对比HASO测量结果,圆光瞳与方光瞳重构精度分别为0.0018λ与0.0029λ),具有极高重构精度。