MATLAB實現二氧化硅和硅光纖的單模光波特性與仿真

一.二氧化硅和硅光纖的單模光波特性

利用麥克斯方程的精確解研究二氧化硅和硅亞波長直徑導線的單模光波特性。研究了單模條件、模場。

二氧化硅光纖導線是圓形截面,包層是空氣包層,階梯型變化的折射率,導線線徑D非常小長度足夠長,因此介電常數(ε)和磁導率(μ)可以用來描述介電介質對入射電磁場的響應。

1.基于該條件,將麥克斯韋方程簡化為亥姆霍斯方程

波矢:k=2π/λ,β是傳播常數。

光在導線內的傳播模式分析

光在導線中傳播,存在導模和基模HEvm、EHvm、TE0m、TH0m四種模式,模式特征方程:

主要研究的TE0m模式和TH0m模式:

其中Jv為第一類貝塞爾函數,Kv為第二類修正貝塞爾函數,

2.求二氧化硅和硅的折射率:

空氣折射率n2等于1.0,利用sellmeier型色散公式求解:

對于二氧化硅:

對于硅:

(1)線徑D和V參數,以及波長下傳播常數(β)之間的關系,最后是所在波長下單模工作的的臨界直徑DSM。

基本模型建立

數值求解beta(β)-D

流程圖:

hold on
%-------------------------TM01------------------------
clear
format long
%光纖參數
lambda = 1.5;%波長,單位微米
% lambda = 0.633;%波長,單位微米
n2 = 1;%空氣包層折射率
N1 = 11.6858+(0.939816./(lambda.^2))+0.000993358./((lambda.^2)-1.22567);
% N1 = ((0.6961663*(lambda^2))/((lambda^2)-(0.0684043)^2))+((0.4079426*(lambda^2))./((lambda^2)-(0.1162414)^2))+((0.8974794*(lambda^2))./((lambda^2)-9.86161^2))+1;
n1 = sqrt(N1);%光纖纖芯折射率;
k = (2*pi)/(lambda*1e-6);
% delta1 = (n1^2-n2^2)/(2*(n1^2));%相對折射率
% delta2 = (n1^2+n2^2)/(2*(n1^2));
D = 0:0.001:0.8;%纖芯線徑,單位微米
% D = 0:0.001:1;%纖芯線徑,單位微米
Dprint = zeros();
V = zeros();%歸一化折射率數組初始化
betaTM = zeros(0);%傳播常數數組初始化
TMi = 1;
z = 1;
n = n2;
% Vcut = 0;
TM01 = zeros();
for Dvalue = 1:length(D)DLigth = D(Dvalue)*(1e-6);Dr = (1/2)*DLigth%V2(Dvalue) = (pi/lambda)*(D(Dvalue)^2)*2*delta1V(Dvalue) =k*Dr*sqrt((n1^2)-(n2^2));% for Value = Vcut:0.01:V(Dvalue)for BeiTa = n+0.00001:0.00001:n1U2 = (Dr^2 * k^2) * n1^2 - Dr^2 * k^2 * BeiTa^2;U = sqrt(U2);W2 = Dr^2 * k^2 * BeiTa^2 - (Dr^2 * k^2) * n2^2;W = sqrt(W2);Dprint(Dvalue) = sqrt(U2+W2);if(U == 0 || W == 0)z = z+1;break;elseJU = besselj(1,U)/(U*besselj(0,U));KW = besselk(1,W)/(W*besselk(0,W));if(abs(JU+KW)<0.1)TM01(TMi) = D(Dvalue)*1000;betaTM(TMi) = BeiTa;TMi = TMi+1;% Vcut = V(Dvalue);n = BeiTa;break;endendend
end
figure
plot(TM01,betaTM,'b')

?

(a)(b)

?

(c)(d)

圖1(a)(b)是SiO2在入射波長633nm(c)(d)是Si在波長1500nm下傳播常數β與線徑D和歸一化頻率V之間的關系

得出線徑D和V參數,以及波長下傳播常數(β)之間的關系,最后是所在波長下單模工作的的臨界直徑DSM。

二.單模和基模的分析

單模分析:

空氣包覆線波導的單模條件:

因此空氣包層二氧化硅和硅導波的單模條件

% hold on
%HE11
clear
format long
%光纖參數
% lambda1 = 6.63;
lambda = 0.2:0.001:3;%波長,單位um
n2 = 1;%空氣包層折射率
Sin1 = zeros();
SiN1 = zeros();
SiO2n1 = zeros();
SiO2N1 = zeros();
kSi = zeros();
DSi = zeros();
LSi = zeros();
DSiO2 = zeros();
LSiO2 = zeros();
Si_lambda = zeros();
SiO2_lambda = zeros();
Si = 1;
SiO2 = 1;
for LValue = 1:length(lambda)SiN1(LValue) = 11.6858+(0.939816/(lambda(LValue)^2))+0.000993358/((lambda(LValue)^2)-1.22567);Sin1(LValue) = sqrt(SiN1(LValue));%Si光纖纖芯折射率;SiO2N1(LValue) = ((0.6961663*(lambda(LValue)^2))/((lambda(LValue)^2)-(0.0684043)^2))+((0.4079426*(lambda(LValue)^2))/((lambda(LValue)^2)-(0.1162414)^2))+((0.8974794*(lambda(LValue)^2))/((lambda(LValue)^2)-9.86161^2))+1;SiO2n1(LValue) = sqrt(SiO2N1(LValue));%SiO2光纖纖芯折射率;kSi(LValue) = (2*pi)/(lambda(LValue)*1e-6);% D(LValue) = 2.405*lambda(LValue)/(pi*sqrt(n1(LValue)^2 - n2^2));% Si_lambda = lambda(LValue)/n1(LValue);if(lambda(LValue)>=1.2)LSi(Si) = lambda(LValue)*1000;Si_lambda(Si) = lambda(LValue)/Sin1(LValue)*1000;DSi(Si) = 2.405*lambda(LValue)/(pi*sqrt(Sin1(LValue)^2 - n2^2))*1000;Si = Si + 1;endif(lambda(LValue)>= 0.2 && lambda(LValue)<=3)LSiO2(SiO2) = lambda(LValue)*1000;SiO2_lambda(SiO2) = lambda(LValue)/SiO2n1(LValue)*1000;DSiO2(SiO2) = 2.405*lambda(LValue)/(pi*sqrt(SiO2n1(LValue)^2 - n2^2))*1000;SiO2 = SiO2 + 1;endend
figure(2)
plot(LSi,DSi,'r',LSi,Si_lambda,'--m',LSiO2,DSiO2,'b',LSiO2,SiO2_lambda,'--g')
datacursormode(figure(2), 'on');
axis equal
axis([0 3000 0 2000])
xlabel('Wavelength in Air (nm)')
ylabel({'Wire Diameter (nm)';'Wavelength in Media (nm)'})
title('空氣包覆二氧化硅和硅線的單模態')
legend('Silicon_D','Silicon_W','Silica_D','Silica_W')

圖2單模條件

從圖中可以得出以下的分析:

亞波長直徑的二氧化硅線波導始終是單模,而亞波長直徑的硅線波導需要在直徑低于圖中

實線時才是單模。

二氧化硅和硅的邊緣波長分別是200nm和1200nm,響應的最小臨界直徑(DSM)為

129nm和272nm。

參考文獻

亞波長直徑二氧化硅和硅的單模波導特性

(廖延彪. 光纖光學——原理與應用 [M]. 北京: 清華大學出版社, 2010.)

具體代碼

https://download.csdn.net/download/m0_62501117/90752169

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/79379.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/79379.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/79379.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【Linux系統】第二節—基礎指令(2)

hello ~ 好久不見 自己想要的快樂要自己好好爭取&#xff01; 云邊有個稻草人-個人主頁 Linux—本篇文章所屬專欄—歡迎訂閱—持續更新中 目錄 本節課核心指令知識點總結 本節基本指令詳解 07.man 指令 08.cp 指令 09.mv 指令 10.cat 指令 11.more 指令 12.less 指令 …

為了結合后端而學習前端的學習日志——【黑洞光標特效】

前端設計專欄 今天給大家帶來一個超酷的前端特效——黑洞光標&#xff01;讓你的鼠標變成一個會吞噬光粒子的迷你黑洞&#xff0c;點擊時還會噴射出綠色能量粒子&#xff01;&#x1f320; &#x1f680; 效果預覽 想象一下&#xff1a;你的鼠標變成一個旋轉的黑洞&#xff0…

[硬件電路-11]:模擬電路常見元器件 - 什么是阻抗、什么是輸入阻抗、什么是輸出阻抗?阻抗、輸入阻抗與輸出阻抗的全面解析

1. 阻抗&#xff08;Impedance&#xff09; 定義&#xff1a;阻抗是電路或元件對交流信號&#xff08;AC&#xff09;流動的阻礙能力&#xff0c;用符號Z表示&#xff0c;單位為歐姆&#xff08;Ω&#xff09;。它綜合了電阻&#xff08;R&#xff09;、電感&#xff08;L&am…

機器學習和深度學習的對比

深度 數據經過深層網絡后&#xff0c;語義信息表征能力強&#xff0c;對幾何細節信息表征能力弱。 數據依賴性 深度學習算法需要大量的數據來訓練&#xff0c;而傳統的機器學習使用制定的規則。所以&#xff0c;當數據量少時&#xff0c;深度學習的性能差于機器學習&#xf…

Kubernetes 安裝 minikube

安裝 minikube 在 Ubuntu 上安裝 minikube minikube 是一個工具&#xff0c;它可以在本地快速運行一個單節點的 Kubernetes 集群。它主要用于&#xff1a;本地學習 Kubernetes、測試和開發 Kubernetes 應用程序、快速嘗試 Kubernetes 的功能。 系統配置最低要求如下 CPU&#…

【學習筆記】深度學習:典型應用

作者選擇了由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 三位大佬撰寫的《Deep Learning》(人工智能領域的經典教程&#xff0c;深度學習領域研究生必讀教材),開始深度學習領域學習&#xff0c;深入全面的理解深度學習的理論知識。 之前的文章參考下面的鏈接&#xf…

ComputeShader繪制全屏純色紋理

參考 Getting Started With Compute Shaders In Unity 環境 Win10 Unity20194.40 全屏純色紋理示例 使用ComputerShader逐個像素設置顏色 ComputeShader腳本 設置紋理顏色 #pragma kernel CSMainRWTexture2D<float4> Result;//紋理 half4 solidColor;//顏色[numth…

數學實驗(Matlab語言環境和線性代數實驗)

一、Matlab語言環境和線性代數實驗 1.Matlab語言環境 Matlab簡介 Matlab&#xff1a;Matrix Laboratry 矩陣實驗室 Matlab 提供了強大的科學計算、靈活的程序設計流程、高質量的圖形可視化與界面設計等功能&#xff0c;被廣泛應用于科學計算、控制系統、信息處理等領域的分…

Android面試總結之GC算法篇

一、GC 機制核心原理與算法 面試題 1&#xff1a;Android 中為什么采用分代回收&#xff1f;分代策略如何優化 GC 效率&#xff1f; 標準答案&#xff1a; 分代回收基于對象生命周期的差異&#xff0c;將堆分為年輕代&#xff08;Young Gen&#xff09;和老年代&#xff08;Ol…

仿騰訊會議——注冊登錄UI

1、加載素材 2、新添加資源類 3、加載圖片 4、添加左側圖片 在左側添加一個標簽 選擇圖片 選擇圖片 勾選保證圖片不變形 5、修改組件名稱 6、設置密碼輸入框 5、切換 6、編輯提示框 7、定義提交和清空的槽函數 8、設置頁面標題和最先顯示頁面 9、清空登錄信息函數實現 10、清空…

Kotlin 常見問題

以下從基礎、中級、高級三個難度等級為你提供 Kotlin 面試題及參考答案&#xff1a; 基礎難度 1. Kotlin 中 val 和 var 的區別是什么&#xff1f; 答案要點&#xff1a;val 用于聲明不可變變量&#xff0c;類似于 Java 中的 final 變量&#xff0c;一旦賦值后就不能再重新賦…

高頻數據沖擊數據庫的技術解析與應對方案

目錄 前言一、問題現象與影響分析1.1 典型場景表現1.2 核心問題分類 二、失效根源深度剖析2.1 架構設計缺陷2.2 緩存策略缺陷 三、解決方案與最佳實踐3.1 緩存架構設計3.1.1 分層緩存架構3.1.2 熱點數據識別 3.2 緩存策略優化3.2.1 動態過期時間算法3.2.2 緩存更新策略對比 3.3…

[Spring] Sentinel詳解

&#x1f338;個人主頁:https://blog.csdn.net/2301_80050796?spm1000.2115.3001.5343 &#x1f3f5;?熱門專欄: &#x1f9ca; Java基本語法(97平均質量分)https://blog.csdn.net/2301_80050796/category_12615970.html?spm1001.2014.3001.5482 &#x1f355; Collection與…

清除浮動的重要性及解決辦法

由于父級盒子很多情況下&#xff0c;不方便給高度&#xff0c;但是子盒子浮動又不占有位置&#xff0c;最后父級盒子高度為0時&#xff0c;就會影響下面的標準流盒子。 一、為什么要清除浮動 父元素高度塌陷&#xff1a; 如果父元素內部的所有子元素都浮動了&#xff0c;并且沒…

域名與官網的迷思:數字身份認證的全球困境與實踐解方-優雅草卓伊凡

域名與官網的迷思&#xff1a;數字身份認證的全球困境與實踐解方-優雅草卓伊凡 一、官網概念的法律與技術界定 1.1 官網的實質定義 當卓伊凡被問及”公司域名就是官網嗎”這一問題時&#xff0c;他首先指出&#xff1a;”這相當于問’印著某公司logo的建筑就是該公司總部嗎’…

kotlin flatMap 變換函數的特點和使用場景

Kotlin 中的 flatMap 是一個非常常用的函數&#xff0c;尤其在處理集合&#xff08;如 List、Set 等&#xff09;時。它結合了 map 和 flatten 的功能&#xff0c;常用于將多個集合扁平化為一個單一的集合。 一、flatMap 函數的特點 轉換 扁平化&#xff1a; 對集合中的每個元…

java學習之數據結構:二、鏈表

本節介紹鏈表 目錄 1.什么是鏈表 1.1鏈表定義 1.2鏈表分類 2.鏈表實現 2.1創建鏈表 1&#xff09;手動創建 2&#xff09;創建鏈表類進行管理鏈表的相關操作 2.2添加元素 1&#xff09;頭插法 2&#xff09;尾插法 3&#xff09;任意位置插入 2.3刪除 2.4查找 1&…

【計算機網絡-應用層】解析HTTP會話保持:Cookie與Session的原理與實踐

&#x1f4da; 博主的專欄 &#x1f427; Linux | &#x1f5a5;? C | &#x1f4ca; 數據結構 | &#x1f4a1;C 算法 | &#x1f152; C 語言 | &#x1f310; 計算機網絡 上篇文章&#xff1a;實現HTTP服務器 下篇文章&#xff1a;傳輸層協議-UDP 文章摘要&…

[ Qt ] | 第一個Qt程序

1. 創建Qt項目 我們打開Qt Create工具&#xff0c;左上角“文件”&#xff0c;新建文件。 --- --- --- --- 這個是我們的APP“走出國門”的時候&#xff0c;要關注的&#xff0c;這里就不說了。 后面這兩個直接默認&#xff0c;下一步就行~~。 2. 項目默認內容 下面就是Qt C…

影刀RPA中新增自己的自定義指令

入門到實戰明細 1. 影刀RPA自定義指令概述 1.1 定義與作用 影刀RPA的自定義指令是一種強大的功能&#xff0c;旨在提高流程復用率&#xff0c;讓用戶能夠個性化定制指令&#xff0c;實現流程在不同應用之間的相互調用。通過自定義指令&#xff0c;用戶可以將常用的、具有獨立…