【光学】基于光束传播模型模拟波导附matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

简介

光束传播法 (BPM) 是一种数值技术，用于求解波导中电磁波的传播。它基于以下假设：

• 波导是线性的、均匀的和无损耗的。

• 波的传播方向与波导轴平行。

• 波的幅度在波导横截面上缓慢变化。

在这些假设下，BPM 可以通过求解以下偏微分方程组来求解波的传播：

∂E_x/∂z = (i/2k) (∂^2E_x/∂x^2 + ∂^2E_x/∂y^2) - (i/k) (n^2 - n_0^2) E_x
∂E_y/∂z = (i/2k) (∂^2E_y/∂x^2 + ∂^2E_y/∂y^2) - (i/k) (n^2 - n_0^2) E_y

其中：

• E_x 和 E_y 是波的电场分量。

• z 是波的传播方向。

• k 是波的波矢。

• n 是波导的折射率。

• n_0 是波导外界的折射率。

实现

我们提供了以下 BPM 实现：

• **FFT BPM 1D：**使用快速傅里叶变换 (FFT) 求解 1D BPM 方程。

• **FFT BPM 2D：**使用 FFT 求解 2D BPM 方程。

• **FD BPM 1D：**使用有限差分 (FD) 方法求解 1D BPM 方程。

我们提供的 BPM 实现可以用于各种波导建模应用。它们易于使用，并且可以产生准确的结果。

📣 部分代码

​%% Modelling of a fibre taper using the beam propagation method​clc; clear variables; close all;addpath('Functions\')​%% Geometry axes​lambda = 532e-9;NX = 1000; NZ = 1000;XMAX = -100e-6;ZMAX = 500e-6;​x = linspace(-XMAX, XMAX, NX);z = linspace(0, ZMAX, NZ);​%% Refractive index profile​CoreRadius = 10e-6;TipZ = 250e-6;n0 = 1.45;n = ones(NX, NZ)*n0;​[z_mesh, x_mesh] = meshgrid(z, x.');n(x_mesh > CoreRadius/TipZ*z_mesh - CoreRadius & x_mesh < -CoreRadius/TipZ*z_mesh + CoreRadius) = 1.48;​%% Starting field​w0 = 10e-6;F0 = exp(-x.^2/w0^2);​%% Solver​Fmesh = BPM_FFT1D(x, z, n, F0, lambda);​%% Plot​figure;contourf(z*1e6, x*1e6, abs(Fmesh).^2, 'LineColor', 'none')ylabel('x (\mum)');xlabel('z (\mum)')title('|E|^2')​% When plotting several contour maps, Matlab assumes they have the same% scale. So, adjust the scale of n to simplify plotting.ntemp = (n - min(min(n)))/max(max(n)) * max(max(abs(Fmesh).^2));​hold on;contour(z*1e6, x*1e6, ntemp, 'k'); xlabel('z (\mum)')ylabel('x (\mum)')colorbar;colormap parula;set(gca, 'FontSize', 12);

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合