单模光纤的加热扩芯技术研究

来源 :第四届全国信息光学与光子器件学术会议 | 被引量 : 0次 | 上传用户:cys_1688
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  加热单模光纤可以增大光纤等效纤芯半径,进而增大单模光纤的模场。根据粒子扩散方程建立了加热扩芯光纤的理论模型,并对其模场特性进行了数值分析。对两种单模光纤进行了加热扩芯技术实验研究,实现增大模场直径达3 倍左右。监测了加热扩芯带来的损耗,实验发现掺杂浓度更高的单模光纤加热扩芯损耗更小。
其他文献
本文主要提出了实用且有效的方法来实现光网络中的损伤模拟,通过此工具可测试光网络中设备可靠性以及传输质量。实验结果显示该模拟方法行之有效。
采用声光调犙可调谐线偏振CO2 脉冲激光器,在250 Hz重频脉冲下以共线ooe相位匹配方式作用于GaSe晶体,得到CO2 激光的可调谐倍频输出.测量了基频波长为9.3、9.6、10.3、10.6μm 时的相位匹配角,并通过对比现有文献中色散方程的相位匹配角计算结果和测量结果,确定出最适于该实验所用GaSe晶体样本的色散方程.实验对倍频信号与基频波的入射方位角φ的关系进行测量,以此检测出晶体内部
针对弹丸修正中弹目间距难以测量问题,提出了一种适用于常规弹药的单目视觉测量弹目间距的方法。根据投射成像原理,推算二维目标像点坐标与目标的空间三维位置之间的映射关系。通过分析弹丸、摄像机以及大地坐标系之间的坐标转换关系,建立单目视觉测量弹目间距的数学模型。分析影响距离测量精度的影响因素,使用SQP 算法优化摄像机焦距,并基于LPV 方法设计非线性滤波器优化对测量结果进行优化。通过三轴转台建立弹丸视觉
为实现使用HartmannShaCk波前传感器对高分辨率物镜进行高精度检测,本文提出使用二维插值多项式替代Zernike多项式为重构基底对被测波前进行模式重构的方法.为了验证此方法的可行性,仿真高分辨率物镜设计波像差为待测波前,得到重构误差RMS为0.0609λ.模拟理想球面波为待测波前,重构精度随拟合阶数增加稳定变化.经过重构正弦波前、余弦波前、非球面波前和含有低阶像差的波前,进一步对比了Ze
Based on the bi-stable characteristic of quantum cellular automata,the encoder and decoder are designed according to different principles.Simulation is performed using semiclassical simulation method.
介绍了基于MATLAB的光学仿真软件的设计方法,包括单色光和白光的光学图样的计算机再现方法以及图形用户界面的框架结构和功能安排。设计完成的软件具有系统性、开放性、交互性、实时性和实用性的特点,各个分软件针对各自教学目标和要求设计,功能全面,界面友好,操作简单,可用于大学理工科专业光学相关课程的教学。
提出了一种结合双边滤波机制的直方图均衡红外焦平面非均匀性自适应校正方法。该方法首先对单个像元的邻域像素统计时域累加直方图,随后结合双边滤波求取邻域累加直方图的均值,利用该均值累加直方图完成非均匀性校正。移植到红外成像组件中进行对比实验,结果表明,与同类自适应非均匀校正算法相比,该算法具有校正精度高、收敛速度快、抑止目标退化能力强的优点。
Glass molding press (GMP) is a kind of mass production method to manufacture infrared aspheric lenses made from chalcogenide.However,its hard to determine the molding parameters during the GMP process
焦距是评判显微物镜质量和放大倍率的一个重要参数,但是高倍率显微物镜具有小视场短焦距的特点,通过常规的方法难以进行准确的测定.采用了一种基于放大率法多次基准传递的方法对高倍率显微物镜的焦距进行准确测定.该方法先采用放大倍率法测试一枚远场共轭设计的低倍率显微物镜,获得该物镜的焦距,然后以此低倍率物镜测试高倍率显微物镜.该测试方法所需设备简单,操作方便.本文利用此方法对一枚标称焦距为4mm nIKOn
应用Kmenas聚类法进行灰度图像分割,计算各个分割区域像素的均值和方差,通过分析各区域像素均值和方差发现随机误差项具有异方差性,应用加权最小平方法构建新的能量函数,采用各个分割区域像素方差倒数做为权重因子,进行半色调图像的转换.所构造的半色调算法与LSMB算法相比,随着聚类分区的增加,图像平滑且边缘清晰度增加,尤其是在图像细节部位.与LSMB 算法比较,该算法的均方误差值(MSEv)有所降低,