【光学】基于交互图像法算法求解GNLSE来计算光纤中的脉冲演化附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

🔥 内容介绍

我们介绍了使用非线性薛定谔方程对基于非线性光学环路镜 (NOLM) 的全正态色散 (ANDi) 锁模光纤激光器中耗散孤子产生的数值模拟结果。首先，对 ANDi 光纤激光器二维参数空间中的脉冲状态分布进行了系统且计算密集的分析。此外，我们确定不稳定的非零区域（包括脉动和噪声脉冲）与 NOLM 的可饱和吸收直接相关，并且两个临界滤波器带宽将这些区域与稳定区域分开。最后，我们发现可以使用最佳光学滤波器带宽来最大化多脉冲功率阈值。

1. 简介

被动锁模光纤激光器因高效、环境稳定性、低成本和紧凑性而受到广泛关注，这些特点在科学和工业领域的许多应用方面非常有利 [ 1–3 ]。与其他腔色散装置中采用的传统孤子 [ 4,5 ] 和色散管理孤子 [ 6,7 ] 相比，全正常色散 (ANDi) 光纤激光器中使用的耗散孤子 [ 2 ] 能够产生更高能量的可压缩脉冲。耗散孤子的脉冲形成不仅受腔非线性和色散控制，还受增益和损耗控制 [ 2 ]。

在被动锁模光纤激光器中，可饱和吸收器（可以是物理的也可以是人工的）对于稳定锁模至关重要。物理可饱和吸收器 [ 8–11 ] 缺乏长期可靠性和高功率容量。然而，人工可饱和吸收器（例如使用非线性偏振旋转的吸收器 [ 12 ]）以及非线性光学环路镜 (NOLM) 及其变体 [ 13–15 ] 可以承受高峰值功率，可用于构建全光纤锁模激光器。与通过非线性偏振旋转锁模的光纤激光器相比，基于 NOLM 的激光器可以使用保偏光纤制造，因此在环境中更稳定、更可靠。

然而，基于 NOLM 的耗散孤子 ANDi 光纤激光器存在一些局限性。例如，当泵浦功率增加到一定水平时，通常会发生多脉冲 (MLP) [ 16–18 ] 或耗散孤子共振 (DSR) [ 14, 17, 19 ]。在 MLP 状态下，随着峰值功率的增加，脉冲会分解为几个能量较小、峰值功率较低的脉冲 [ 17, 20 ]。在 DSR 状态下，可以产生具有高能量的矩形脉冲 [ 14 ]。Li等人。证明 DSR 脉冲可以有效压缩。在他们的实验中，63 ps 的 DSR 脉冲被解调至 760 fs。然而，由于其非线性频率啁啾，脉冲压缩性恶化，并且 DSR 脉冲的窄光谱宽度限制了解调后的脉冲持续时间。除了 MLP 和 DSR 模式外，被动锁模激光器还可以在以由随机飞秒子脉冲组成的不稳定皮秒脉冲束为特征的模式下工作 [ 21, 22 ]。这种类噪声脉冲不可压缩，因此不适合超快脉冲生成。

值得注意的是，耗散孤子不仅出现在ANDi腔中。它们也可以存在于其他类型的腔中，因为它们被定义为与环境进行大量能量交换的系统中局部解[ 2 ]。强耗散是ANDi光纤激光器中脉冲形成和稳定性的关键。因此，在ANDi腔中形成的DSR脉冲可以看作是耗散孤子的子类别[ 19 ]。MLP是传统孤子[ 5]和[6]中常见的现象。] 和耗散孤子。ANDi 腔中还存在稳定的、无脉冲中断的钟形耗散孤子脉冲。在本文的其余部分，我们特别使用术语典型耗散孤子 (TDS) 来指代钟形耗散孤子脉冲。因此，可以为 ANDi 光纤激光器中形成的耗散孤子确定三种一般状态：TDS、MLP 和 DSR 状态。

尽管可以优化激光腔以避免破坏性影响并改善脉冲特性，但实验优化方法很繁琐，这可能是由于对所涉及的物理过程缺乏了解所致。因此，需要数值方法来揭示脉冲动力学和激光器结构参数之间的联系。此外，数值分析将在新型激光器设计的开发中发挥建设性和重要作用。例如，为了克服 MLP 引起的功率限制，应减轻过度的非线性光谱展宽。已经证明，具有较小非线性系数的大模面积光纤可用于增加 MLP 阈值，从而增加脉冲能量 [ 23 ]。

许多研究都对耗散孤子的产生进行了数值模拟。然而，脉冲态（即 TDS、DSR、MLP 和类噪声脉冲）的性质及其之间的跃迁动力学仅得到部分报道 [ 17, 21, 22, 24–26在这些研究中，通常采用的是单控制变量法，即保持其他激光器结构参数不变。在该方法中，选择特定的脉冲状态作为起点，然后改变一个参数来研究脉冲特性的演变。然而，由于激光器结构参数之间的耦合，利用单变量控制方法确定的脉冲状态之间的转变特性可能会随着其他参数的改变而改变。为了克服这个限制并揭示参数之间的关系，我们使用了二维控制变量法，本文将其称为二维参数空间方法。

二维参数空间已在先前的许多工作中得到应用，特别是在复杂的三次五次 Ginzburg-Landau 方程框架中。[ 27 ] 讨论了正常色散范围内的稳定脉冲态分布。[ 28 ]研究了不稳定解的分布，如脉动孤子、混沌孤子、表现出周期倍增的解等。然而，Ginzburg-Landau 方程忽略了腔内脉冲演化的重要性，因为它以分布式方式包含了锁模激光器的关键物理过程。因此，Li等人[ 17 ]] 则采用离散模型，在报告中给出了 MLP 和 DSR 状态在饱和功率带宽参数空间中的分布，但并未定量描述脉冲参数（峰值功率、脉冲能量等）。在 [ 29 ] 中，Bale等人。报道了使用简化方程直接计算脉冲参数，从而节省了计算时间。但是，没有模拟脉冲包络和频谱，导致脉冲状态分布未知，不稳定的脉冲状态被忽略。在我们的工作中，通过严格求解离散模型中的相关方程并同时获得脉冲参数和相应的脉冲状态，采用更直观的方法对脉冲状态分布进行了全面研究。

到目前为止，还没有对 ANDi 光纤激光器装置中的状态分布进行系统的数值分析。通过使用本文描述的数值模型和参数空间方法，我们首次报道了基于 NOLM 的锁模 ANDi 光纤激光器中各种稳定和不稳定区域中的脉冲状态分布。由于我们有兴趣利用大模面积光纤来获得高脉冲能量，因此采用了全 10/125 光纤激光模型，这与许多其他锁模光纤激光器模拟中使用的模型不同。第 2 节详细介绍了该数值模型。然后，第 3 节介绍并讨论了模拟结果。最后，第 4 节包含我们的结论。

⛳️ 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、 集装箱调度、 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、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度

2 机器学习和深度学习时序、回归、分类、聚类和降维

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 通信方面

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、水声通信

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、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

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、MPPT优化

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、SOC估计、阵列优化、NLOS识别