【摘 要】
：
经过铌酸锂晶体倍频后的输出光,其各向异性因离散角较小,在较短的晶体中两个偏振光并不完全分离,所以仍然存在偏振态问题.从晶体的主轴坐标系出发,得到了任意通光方向的铌酸
【机 构】
：
北京交通大学发光与光信息技术教育部重点实验室,光信息科学与技术研究所,北京 100044
论文部分内容阅读
经过铌酸锂晶体倍频后的输出光,其各向异性因离散角较小,在较短的晶体中两个偏振光并不完全分离,所以仍然存在偏振态问题.从晶体的主轴坐标系出发,得到了任意通光方向的铌酸锂晶体(LN)的二阶非线性电极化系数矩阵和倍频光偏振态的表达式.对1 064 nm基频o光产生的倍频光偏振态进行了仿真计算,结果表明:在庞加莱球上,波矢与光轴的夹角γ保持不变而改变波矢方位角θ时,倍频光偏振态将随波矢方位角θ变化而在S2S3平面上旋转,其旋转轴由夹角γ所决定,但旋转角呈现非线性变化且与起点有关.倍频光偏振态对夹角γ敏感,保持θ不变而改变γ时偏振态呈现与θ取值有关的周期性变化.该理论研究成果可为全面研究倍频偏振光的偏振特性及应用提供理论依据.
其他文献
受菲涅尔反射影响,损耗测量值与理论值偏差较大,为此对基于耦合原理的光通信系统回波损耗测量方法展开研究.根据光部件材质与传输通道界面产生的瑞利散射损耗与波导散射损耗,
摘 要：微电子领域应用的先进封装技术包括凸点互连技术、再布线、倒装片、3D堆叠等，而光刻与电镀工艺流程是先进封装技术中的重要环节。光刻工艺是运用光学、化学反应等原理将图形传递到单晶表面或介质层上。电镀工艺运用电化学反应，在金属介质层上镀出所需金属，构成金属导线。光刻作为电镀的前置基础，起到了承上启下的作用。现从光刻与边缘曝光系统出发对电镀工艺进行探讨，分析了光刻胶分辨率模型表达式和电镀工艺的公式模
作为机器学习的分支,深度学习克服了机器学习在提取特征上的弱点,能从海量数据中提取抽象特征。其特征表达能力和泛化能力高,面对海量遥感影像数据也能高效准确的提取特征。遥感影像分类是从提取影像中各类地物特征并归类处理,是遥感影像处理中的关键技术。基于深度学习的遥感图像分类可以弥补传统机器学习分类精度不高、效率低和泛化能力不足的缺陷,推动了遥感分类技术的进步。将首先介绍现有的部分深度学习模型;其次对遥感图
砝码无人化检定有助于提高砝码检定效率、增强检测数据可溯源性。从深度学习实例分割方法入手,提出用于砝码无人化检定的基于Mask R-CNN堆叠千克组砝码识别与分割技术方案,通过数据增强、图像对比度增强、多算法融合等技术方案实现日光灯照明下堆叠千克组砝码图像关键部位识别与分割,形成泛用性强的人工智能方法,通过模拟实验获得较为合适的训练集图像增强算法与测试集图像增强算法,实现图像中实例100%识别,与原
研究基于FPGA的低照度环境下激光图像增强方法,提升增强激光图像准确性与处理效率。通过设计FPGA核心处理器增强激光图像,在FPGA内引入中值滤波方法,去除激光图像的脉冲噪声与椒盐噪声,突出激光图像细节信息,增强激光图像清晰程度;在FPGA内引入双直方图均衡方法,通过分割阈值的双直方图均衡化激光图像增强算法,避免出现过度增强现象,最大程度保留原始激光图像细节信息,提升激光图像增强处理质量,加快处理
为提升动态目标图像的质量与可视性视觉传达效果,提出基于激光虚拟成像的三维动态图像重建方法。运用Ray-Casting图像空间扫描法采集动态目标图像,获得动态激光图像,通过极限学习机算法降低所采集动态激光图像的噪声,结合虚拟现实实现对降噪后动态激光图像的融合拼接处理,获取到高质量的动态目标激光虚拟成像,通过质心标定法运算该动态目标激光虚拟成像中不同动态目标图像的各个像素点质心,并转化质心为目标位置,
室内可见光通信的各种非线性效应给信号处理带来诸多困难,导致定位误差较大.为此,提出基于光信号强度检测法的可见光通信定位方法研究.根据LED辐射模型,计算聚光度与光源在不
光流场图像匹配可以提高图像的质量,便于后继的光流场图像处理,而当前光流场图像匹配方法存在一些不足,如匹配耗时间长,错误率较高等,为了获得更优的光流场图像匹配结果,提出了大数据挖掘技术的光流场图像匹配方法。首先采集大量的光流场图像,并对图像预处理,消除干扰因素,从中提取边缘信息,幅值特征,角度特征等特征向量,并引入大数据挖掘技术根据对提取到的特征向量进行光流场图像匹配,最后对比其它图像匹配方法。实验
光通信系统中信道容量决定系统准确传输信息的能力,决定通信性能的好坏.为提升光通信系统性能,提出光通信系统的信道容量估计与分析方法.通过建立光通信系统单次散射模型,检
低信噪比激光图像增强研究具有十分重要的意义,当前激光图像增强方法存在激光图像清晰度低、对比度差,为了提高低信噪比的激光图像质量,提出了多源信息融合的低信噪比激光图像增强方法。首先采用多个传感器采集不同的高信噪比激光图像,建立清晰度的激光图像库,然后采用卷积神经网络对低信噪比激光图像和图像库中高信噪比激光图像之间关系进行拟合,提取激光图像特征,最后根据提取的激光图像特征对低信噪比激光图像进行增强,并