- 博客(7)
- 收藏
- 关注
RSS订阅原创 傅里叶变换相关和claude的对话
所以,对于更大的图像,采样频率只需要略大于图像包含的最大频率即可,不需要按图像尺寸的比例线性增加。A:是的,这是正确的。所以,总之,图像中对比度越高和结构越小,表示图像所需的频率也越高,需要更密集和更多的采样来捕捉信息,保证傅里叶变换的精度。要捕捉这些细节信息,并在图像重构时保持足够的精度,就需要更高的采样频率,也就是更多的采样数目。图像越大,包含的最大频率也越高,所以需要更高的采样频率,也就是更密集的采样。采样频率越高,傅里叶变换能表示的图像细节越丰富,变换结果也越精确,信息精度也越高。
2023-04-23 14:07:20
76
原创 来自chatGPT的傅里叶变换对应频率问题
是的，数组的傅里叶变换（Fourier Transform）结果对应于将数组拆分成不同频率的不同幅值三角函数叠加。傅里叶变换将一个时域信号转换为频域信号，反映了不同频率分量的幅值和相位信息。而要获取各频率分量的相位，则需要计算复数的相位角（或称辐角）。来自非线性光学V的示例：omega = (pi/Tmax) * [(0:nt/2-1) (-nt/2:-1)];需要注意的是，计算得到的频域信号 fft_result 是复数形式。行吧，调了分辨率，看起来是分辨率的问题，原来的代码啥毛病没有。
2023-04-20 16:32:10
190
原创 非线性光学读书相关
这个就interesting了。虽然反了（我还没看到为啥，但是我知道原文是这样），但是这个干涉是对的。保持正负频率问题，切换到极简化的不考虑nv_g的那个计算方法来算。结果和旧的算出来那个没有变化，看起来这个应该只影响分辨率和精度。非线性光学书一起出现的一个m代码给出来的频率是这样子的。明显是一边正一边负的，这个和我手里的代码明显不同。计算结果还是算不下去，直接归零。
2023-04-20 11:16:58
36
原创 0419 更新大面积算法
再验证一次公式，发现前面的cos/sin好像也正负错位了，把正负按照公式推导颠倒回来。(恐怕还是传播不下去了，计算速度太快了）通过推导公式，先把缺失的pi放进去。现在考虑的问题是，方程2中exp后面是正的，正常推导公式是负的。明显，chatgpt漏了关于最后的 exp(omega_x_1/2.0/k0*dz)的区别。切换了一下传播函数，如上图所示，从//……初始：计算过程中单步约120-130ms，目测光没传下去。(好像还不对，这个nu_g应该不很影响数据啊）这个是最原始的代码，对比一下。
2023-04-19 20:57:06
38
1
原创 #0411解决光场传输过程中沿r方向光强衰减程度有问题
不是这个问题，E0代入了，但是跑出来的没什么区别，感觉就是直径好大。现在怀疑非main_loop里的变化不重新生成不一定能成功更新？先回到未扩展程序，分辨率x400nmz600nm，跑一个。算了，就认为没问题吧，它也算是bessel对吧。再把z分辨率拉倒1.2μm 跑2048长度。图片没有任何变化，量级也没动。再回去验证下如果是平面波入射会怎么样。没有变化（因为没动虚部）拉大锥顶角就知道什么鬼了。
2023-04-12 09:12:09
57
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人