当前位置: 首页 > news >正文

平面光波导_三层均匀平面光波导_射线分析法

平面光波导_三层均匀平面光波导_射线分析法

三层均匀平面光波导:

  • 折射率沿 x x x 方向有变化,沿 y y y z z z 方向没有变化
  • 三层:芯区( n 1 n_1 n1) > > > 衬底( n 2 n_2 n2) ≥ \geq 包层( n 3 n_3 n3)
  • 包层通常为空气,即 n 3 = 1 n_3=1 n3=1;芯区与衬底折射率之差通常为 1 0 − 3 ∼ 1 0 − 1 10^{-3}\sim 10^{-1} 103101;芯区一般几微米厚

一、三层均匀平面波导的射线分析法

在这里插入图片描述

三层均匀平面波导的传输路线(也是叠加模型)如上图所示:

  • 它可以看作由斜着向上界面行进的平面波(以 B B ′ BB^\prime BB 为等相位面的平面波),与反射2次后再次斜向上运动的平面波(以 C C ′ CC^\prime CC 为等相位面的平面波)相互叠加而成
  • 入射光满足全反射条件仅仅能使光被约束在波导中,是形成导波的必要条件(还有是否可以传输)
  • 因为导波由2个平面波相叠加,所以当两平面波到达同一地点时,只有满足相位相同的条件,才会相干相长,维持光在波导中传播。否则会相互抵消,导致无法传播

传输条件——相干叠加条件的推导:

约束条件: A B − A ′ B ′ AB-A^\prime B^\prime ABAB 平面波(以 B B ′ BB^\prime BB 为等相位面的平面电磁波)向前传播,第一个发生第二次反射的点( C C C 点)其发生全反射相移后仍应与前一入射平面波保持同相。

记全反射在两界面带来的相移分别为: − 2 ϕ 12 -2\phi_{12} 2ϕ12 − 2 ϕ 13 -2\phi_{13} 2ϕ13

因为 B B ′ BB^\prime BB C C ′ CC^\prime CC 是等相位面,需要 A B A ′ B ′ ABA^\prime B^\prime ABAB 平面波与 C D C ′ D ′ CDC^\prime D^\prime CDCD 平面波相干相长,因此计算 B ′ C ′ B^\prime C^\prime BC B C BC BC 分别带来的光程,且两光程差应为 2 π 2\pi 2π 的整数倍

其中入射光的初始状况、三层均匀平面波导的各层折射率、波导芯区厚度是易于获取的参数,各表达式最终应当尽可能使用这三类参数表达

  • B ′ → C ′ B^\prime\to C^\prime BC 的光程: n 1 B ′ C ′ ‾ = n 1 B C ′ ‾ sin ⁡ θ = n 1 ( P C ‾ − P Q ‾ ) sin ⁡ θ = n 1 ( d tan ⁡ θ − d / tan ⁡ θ ) sin ⁡ θ n_1\overline{B^\prime C^\prime}=n_1\overline{BC^\prime}\sin\theta=n_1(\overline{PC}-\overline{PQ})\sin\theta=n_1\left( d\tan\theta-d/\tan\theta \right)\sin\theta n1BC=n1BCsinθ=n1(PCPQ)sinθ=n1(dtanθd/tanθ)sinθ

    其总相移为: k 0 n 1 ( d tan ⁡ θ − d / tan ⁡ θ ) sin ⁡ θ k_0n_1\left( d\tan\theta-d/\tan\theta \right)\sin\theta k0n1(dtanθd/tanθ)sinθ

  • B → C B\to C BC 的光程: n 1 B C ‾ = n 1 ⋅ d / cos ⁡ θ n_1\overline{BC}=n_1\cdot d/\cos\theta n1BC=n1d/cosθ

    其在界面 1,2 和界面 1,3 分别发生了一次全反射,带来的相移为 − 2 ϕ 12 − 2 ϕ 13 -2\phi_{12}-2\phi_{13} 2ϕ122ϕ13

    其总相移为: k 0 n 1 ⋅ d / cos ⁡ θ − 2 ϕ 12 − 2 ϕ 13 k_0n_1\cdot d/\cos\theta-2\phi_{12}-2\phi_{13} k0n1d/cosθ2ϕ122ϕ13

此时两平面波相干相长即要求:
k 0 n 1 ⋅ d / cos ⁡ θ − 2 ϕ 12 − 2 ϕ 13 − k 0 n 1 ( d tan ⁡ θ − d / tan ⁡ θ ) sin ⁡ θ = 2 m π m = 0 , 1 , 2 , ⋯ k_0n_1\cdot d/\cos\theta-2\phi_{12}-2\phi_{13}-k_0n_1\left( d\tan\theta-d/\tan\theta \right)\sin\theta=2m\pi\quad m=0,1,2,\cdots k0n1d/cosθ2ϕ122ϕ13k0n1(dtanθd/tanθ)sinθ=2m=0,1,2,

此式只与三层平面均匀波导的厚度、折射率,入射光的入射角、波数有关;其分立的解对应导波的不同模式

将上式简记为:
κ d = m π + ϕ 12 + ϕ 13 (模式的本征方程/特征方程) \kappa d=m\pi+\phi_{12}+\phi_{13} \tag{模式的本征方程/特征方程} κd=+ϕ12+ϕ13(模式的本征方程/特征方程)

  • κ = k x = n 1 k 0 cos ⁡ θ = n 1 2 k 0 2 − β 2 = k 0 n 1 2 − N 2 \kappa=k_x=n_1k_0\cos\theta=\sqrt{n_1^2k_0^2-\beta^2}=k_0\sqrt{n_1^2-N^2} κ=kx=n1k0cosθ=n12k02β2 =k0n12N2

  • 模折射率/有效折射率: N = β / k 0 N=\beta/k_0 N=β/k0

  • β \beta β 为传播常数。通过模式的本征方程/特征方程可以求出不同模式的传播常数


对于 TE、TM,其全反射相移公式为:
r T E = E ⃗ 0 ′ E ⃗ 0 = n 1 cos ⁡ θ 1 − n 2 2 − n 1 2 s i n 2 θ 1 n 1 cos ⁡ θ 1 + n 2 2 − n 1 2 s i n 2 θ 1 = e x p [ − j 2 arctan ⁡ ( n 1 2 sin ⁡ 2 θ 1 − n 2 2 n 1 cos ⁡ θ 1 ) ] = e − j 2 ϕ T E r_{TE}=\frac{\vec E_0^\prime}{\vec E_0}=\frac {n_1\cos\theta_1-\sqrt{n_2^2-n_1^2sin^2\theta_1}} {n_1\cos\theta_1+\sqrt{n_2^2-n_1^2sin^2\theta_1}} =exp\left[ {-j2\arctan\left( \frac{\sqrt{n_1^2\sin^2\theta_1-n_2^2}}{n_1\cos\theta_1} \right)} \right] =e^{-j2\phi_{TE}} rTE=E 0E 0=n1cosθ1+n22n12sin2θ1 n1cosθ1n22n12sin2θ1 =exp j2arctan n1cosθ1n12sin2θ1n22 =ej2ϕTE

r T M = H ⃗ 0 ′ H ⃗ 0 = n 2 2 cos ⁡ θ 1 − n 1 n 2 2 − n 1 2 s i n 2 θ 1 n 2 2 cos ⁡ θ 1 + n 1 n 2 2 − n 1 2 s i n 2 θ 1 = e x p [ − j 2 arctan ⁡ ( n 1 2 n 2 2 n 1 2 sin ⁡ 2 θ 1 − n 2 2 n 1 cos ⁡ θ 1 ) ] = e − j 2 ϕ T M r_{TM}=\frac{\vec H_0^\prime}{\vec H_0}=\frac {n_2^2\cos\theta_1-n_1\sqrt{n_2^2-n_1^2sin^2\theta_1}} {n_2^2\cos\theta_1+n_1\sqrt{n_2^2-n_1^2sin^2\theta_1}} =exp\left[ {-j2\arctan\left( \frac{n_1^2}{n_2^2}\frac{\sqrt{n_1^2\sin^2\theta_1-n_2^2}}{n_1\cos\theta_1} \right)} \right] =e^{-j2\phi_{TM}} rTM=H 0H 0=n22cosθ1+n1n22n12sin2θ1 n22cosθ1n1n22n12sin2θ1 =exp j2arctan n22n12n1cosθ1n12sin2θ1n22 =ej2ϕTM

可以简记为:
T E m o d e { ϕ 12 = arctan ⁡ ( P κ ) ϕ 13 = arctan ⁡ ( q κ ) T M m o d e { ϕ 12 = arctan ⁡ ( n 1 2 n 2 2 P κ ) ϕ 13 = arctan ⁡ ( n 1 2 n 3 2 q κ ) TE\ mode \begin{cases} \phi_{12}=\arctan\left( \frac P\kappa \right) \\\\ \phi_{13}=\arctan\left( \frac q\kappa \right) \\ \end{cases} \\\\ TM\ mode \begin{cases} \phi_{12}=\arctan\left( \frac{n_1^2}{n_2^2} \frac P\kappa \right) \\\\ \phi_{13}=\arctan\left( \frac{n_1^2}{n_3^2} \frac q\kappa \right) \\ \end{cases} \\ TE mode ϕ12=arctan(κP)ϕ13=arctan(κq)TM mode ϕ12=arctan(n22n12κP)ϕ13=arctan(n32n12κq)
其本征方程为:
T E : κ d = m π + arctan ⁡ ( P κ ) + arctan ⁡ ( q κ ) T M : κ d = m π + arctan ⁡ ( n 1 2 n 2 2 P κ ) + arctan ⁡ ( n 1 2 n 3 2 q κ ) TE:\kappa d=m\pi+\arctan\left( \frac P\kappa \right)+\arctan\left( \frac q\kappa \right) \\\\ TM:\kappa d=m\pi+\arctan\left( \frac{n_1^2}{n_2^2} \frac P\kappa \right)+\arctan\left( \frac{n_1^2}{n_3^2} \frac q\kappa \right) TE:κd=+arctan(κP)+arctan(κq)TM:κd=+arctan(n22n12κP)+arctan(n32n12κq)

相关文章:

平面光波导_三层均匀平面光波导_射线分析法

平面光波导_三层均匀平面光波导_射线分析法 三层均匀平面光波导: 折射率沿 x x x 方向有变化,沿 y y y、 z z z 方向没有变化三层:芯区( n 1 n_1 n1​) > > > 衬底( n 2 n_2 n2​) ≥ \geq ≥ 包层( n 3 n_3 n3​)包层通常为空…...

IPV6学习记录

IPV6的意义 从广义上来看IPV6协议包含的内容很多: IPV6地址的生成与分配 IPV6的报头的功能内容 IPV4网络兼容IPV6的方案 ICMPv6的功能(融合了arp和IGMP功能) IPV6的路由方式 ipv6的诞生除了由于ipv4的地址枯竭外,很大程度上也是因为ipv4多年的发展产生了很多…...

使用proteus进行主从JK触发器仿真失败原因的分析

在进行JK触发器的原理分析的时候,我首先在proteus根据主从JK触发器的原理进行了实验根据原理图,如下图: 我进行仿真,在仿真的过程中,我向电路图中添加了外部的置0/1端口,由此在proteus中得到下面的电路图 …...

Golang基础入门及Gin入门教程(2024完整版)

Golang是Google公司2009年11月正式对外公开的一门编程语言,它不仅拥有静态编译语言的安全和高性能,而 且又达到了动态语言开发速度和易维护性。有人形容Go语言:Go C Python , 说明Go语言既有C语言程序的运行速度,又能达到Python…...

202312 青少年软件编程(C/C++)等级考试试卷(四级)电子学会真题

2023年12月 青少年软件编程(C/C)等级考试试卷(四级)电子学会真题 1.移动路线 题目描述 桌子上有一个m行n列的方格矩阵,将每个方格用坐标表示,行坐标从下到上依次递增,列坐标从左至右依次递增…...

leetcode-合并两个有序数组

88. 合并两个有序数组 题解: 这是一个经典的双指针问题,我们可以使用两个指针分别指向nums1和nums2的最后一个元素,然后比较两个指针所指向的元素大小,将较大的元素放入nums1的末尾,并将对应的指针向前移动一位。重复…...

网站怎么做google搜索引擎优化?

网站想做google搜索引擎优化,作为大前提,您必须确保网站本身符合google规范,我们不少客户实际上就连这点都无法做到 有不少客户公司自己本身有技术,就自己弄一个网站出来,做网站本身不是难事,但前提是您需要…...

TDengine 签约西电电力

近年来,随着云计算和物联网技术的迅猛发展,传统电力行业正朝着数字化、信息化和智能化的大趋势迈进。在传统业务基础上,电力行业构建了信息网络、通信网络和能源网络,致力于实现发电、输电、变电、配电和用电的实时智能联动。在这…...

赛门铁克OV代码签名证书一年多少钱?

在当前,软件和应用程序的安全性变得尤为重要。为了保护软件的完整性和安全性,越来越多的开发者和厂商开始采用代码签名的方式来确保软件的真实性和完整性。赛门铁克OV代码签名证书成为了其中一个备受信任的选择。那么,赛门铁克OV代码签名证书…...

Dockerfile详解

文章目录 一、Dockerfile介绍二、常用指令三、Dockerfile示例四、最佳实践 一、Dockerfile介绍 Dockerfile是一个包含创建镜像所有命令的文本文件,通过docker build命令可以根据Dockerfile的内容构建镜像。 一般的,Dockerfile分为四部分:基础…...

零基础小白如何自学sql?

学习SQL对于数据分析和处理来说非常重要。SQL是一种强大的工具,可以帮助你与数据库沟通,提取,整理和理解数据。 以下是一些学习SQL的建议: 01 前期:SQL数据库学习 了解SQL的基本概念:首先,你…...

【刷题笔记2】

刷题笔记2 最小公倍数、最大公约数 两个数的最大公约数两数乘积/最小公倍数 #<include> cmath; int a,b; int mgcd(a,b);//求最大公约数复制字符串substr()函数 s.substr(pos, len) &#xff1a;pos的默认值是0&#xff0c;len的默认值是s.size() - pos string a1;in…...

Kafka之集群搭建

1. 为什么要使用kafka集群 单机服务下&#xff0c;Kafka已经具备了非常高的性能。TPS能够达到百万级别。但是&#xff0c;在实际工作中使用时&#xff0c;单机搭建的Kafka会有很大的局限性。 ​ 消息太多&#xff0c;需要分开保存。Kafka是面向海量消息设计的&#xff0c;一个T…...

Linux备忘手册

常⽤命令 作⽤ shutdown -h now 即刻关机 shutdown -h 10 10分钟后关机 shutdown -h 11:00 11&#xff1a;00关机 shutdown -h 10 预定时间关机&#xff08;10分钟后&#xff09; shutdown -c 取消指定时间关机 shutdown -r now 重启 shutdown -r 10 10分钟之后重启 shutdown -…...

Qt中QGraphicsView总体架构学习

前沿 前段时间学习了下如何在QGraphicsView架构中绘制刻度尺&#xff0c;主要是与OnPainter中进行比较的&#xff0c;那么今天就来详细讲解下我对QGraphicsView框架的认知吧~ 最近一段时间想学习下&#xff0c;如果我有不正确的&#xff0c;欢迎留言探讨哟~ QGraphicsView架…...

STL-list的使用简介

目录 ​编辑 一、list的底层实现是带头双向循环链表 二、list的使用 1、4种构造函数&#xff08;与vector类似&#xff09;​编辑 2、迭代器iterator 3、容量&#xff08;capicity&#xff09;操作 4、element access 元素获取 5、增删查改 list modifiers 6、list的迭…...

MySQL:索引失效场景总结

1 执行计划查索引 通过执行计划命令可以查看查询语句使用了什么索引。 EXPLAIN SELECT * FROM ods_finebi_area WHERE areaName = 福建 执行查询计划后,key列的值就是被使用的索引的名称,若key列没有值表示查询未使用索引。 2 在什么列上创建索引 (1)列经常被用于where…...

LNMP平台对接redis服务

目录 1、安装 LNMP 各个组件 2、安装 redis 服务 3、安装 redis 扩展 4、修改 php 配置文件 5、测试连接 1、安装 LNMP 各个组件 2、安装 redis 服务 3、安装 redis 扩展 官网&#xff1a;http://redis.io/ 下载包&#xff1a; https://codeload.github.com/phpredis/p…...

5G之味,在烟火长沙

今年夏天&#xff0c;有一部电影叫做《长沙夜生活》。影片讲述了长沙大排档中的一些故事。网红大排档的老板娘、厨师、顾客&#xff0c;他们的邂逅、热爱、留下、离开、和解、团圆&#xff0c;都发生在一段夜色里&#xff0c;发生在充满烟火气的长沙城。 有没有想过这样一个问题…...

【MYSQL】MYSQL 的学习教程(十一)之 MySQL 不同隔离级别,都使用了哪些锁

聊聊不同隔离级别下&#xff0c;都会使用哪些锁&#xff1f; 1. MySQL 锁机制 对于 MySQL 来说&#xff0c;如果只支持串行访问的话&#xff0c;那么其效率会非常低。因此&#xff0c;为了提高数据库的运行效率&#xff0c;MySQL 需要支持并发访问。而在并发访问的情况下&…...

长脉冲激光打孔技术及其与水平集算法的融合应用

长脉冲激光打孔&#xff0c;水平集算法工业级激光打孔就像用光做的"绣花针"&#xff0c;在金属表面精准戳出微米级孔洞。但当我们把激光脉冲时间拉长到毫秒量级时&#xff0c;事情就变得有趣起来——材料不再是瞬间汽化&#xff0c;而是经历缓慢的熔融、流动、再凝固…...

Obsidian插件翻译终极指南:5分钟让所有插件说你的母语

Obsidian插件翻译终极指南&#xff1a;5分钟让所有插件说你的母语 【免费下载链接】obsidian-i18n 项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-i18n 你是否曾经因为喜欢的Obsidian插件只有英文界面而感到困扰&#xff1f;或者因为语言障碍而无法充分发挥插…...

FT232串口在Ubuntu22.04上不稳定?3步搞定驱动冲突问题

FT232串口在Ubuntu 22.04上的稳定性优化实战指南 当你正在调试一个物联网设备&#xff0c;突然发现串口连接莫名其妙断开&#xff0c;那种感觉就像在高速公路上爆胎——既突然又让人抓狂。Ubuntu 22.04作为当前LTS版本&#xff0c;本应提供稳定的开发环境&#xff0c;但FTDI芯片…...

intv_ai_mk11企业应用指南:将AI对话能力嵌入CRM系统提升客服响应效率

intv_ai_mk11企业应用指南&#xff1a;将AI对话能力嵌入CRM系统提升客服响应效率 1. 企业客服面临的挑战与AI解决方案 现代企业客服系统普遍面临三大痛点&#xff1a;响应速度慢、人力成本高、服务质量不稳定。传统CRM系统虽然能记录客户信息&#xff0c;但在实时交互环节仍需…...

gInk:重新定义屏幕标注体验的轻量化协作工具

gInk&#xff1a;重新定义屏幕标注体验的轻量化协作工具 【免费下载链接】gInk An easy to use on-screen annotation software inspired by Epic Pen. 项目地址: https://gitcode.com/gh_mirrors/gi/gInk 远程会议中&#xff0c;当产品经理试图在共享屏幕上圈出设计稿的…...

用STM32CubeMX和TMC260驱动步进电机,这份PWM频率配置指南帮你避开新手常见坑

STM32CubeMX与TMC260步进电机驱动实战&#xff1a;PWM频率配置的黄金法则 第一次用STM32CubeMX配置TMC260驱动步进电机时&#xff0c;我盯着屏幕上那一堆定时器参数发愣——Prescaler、Period、Counter Mode...这些看似简单的数字背后&#xff0c;藏着让电机平稳运转或是疯狂抖…...

Llama-3.2V-11B-cot算法解析实战:图解卷积神经网络核心原理

Llama-3.2V-11B-cot算法解析实战&#xff1a;图解卷积神经网络核心原理 你是不是经常听到“卷积神经网络”这个词&#xff0c;感觉它既神秘又强大&#xff0c;但一看到那些复杂的数学公式和网络结构图就头疼&#xff1f;别担心&#xff0c;今天咱们就换个方式&#xff0c;用大…...

为什么Snap卸载Docker总卡在快照?揭秘自动备份机制与3种强制中断方案

为什么Snap卸载Docker总卡在快照&#xff1f;深度解析与实战解决方案 当你尝试卸载通过Snap安装的Docker时&#xff0c;是否遇到过进度条卡在"Save data of snap docker in automatic snapshot set #3"的情况&#xff1f;这种看似简单的卸载操作背后&#xff0c;隐藏…...

亚马逊AMC数据驱动时代,选对ERP才能玩转精准投放

随着亚马逊广告生态的持续升级&#xff0c;AMC&#xff08;Amazon Marketing Cloud&#xff09;作为高阶数据分析工具&#xff0c;正成为头部卖家精细化运营的“标配”。AMC能够整合品牌在亚马逊站内外多渠道的广告与消费者行为数据&#xff0c;但其核心价值在于数据的打通与应…...

基于vue的断舍离管理系统[vue]-计算机毕业设计源码+LW文档

摘要&#xff1a;随着物质生活的丰富&#xff0c;物品管理成为人们生活中的一个重要问题。断舍离管理系统的设计与实现旨在帮助用户更好地管理个人物品&#xff0c;通过合理的分类、捐赠和回收机制&#xff0c;实现物品的有效清理和资源的合理利用。本文基于Vue框架设计并实现了…...