- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python光学仿真学习衍射算法初步理解由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
对衍射最经典的解释是Huygens-Fresnel原理,Huygens认为波阵面上每一点都会成为新的波源,这些子波源的相互干涉就形成了衍射。这显然是一种离散的观点,仿佛是专门为程序员准备的一样.
假设一束光打在一个方形孔上,这个方形孔被细分成 n×n个网格,那么每个网格都相当于是一个小孔,而这些小孔的互相干涉,即为衍射。随着网格不断被细分,最终可以逼近真实的衍射情形。那么,假设矩孔处为等相位面,其网格坐标为 (i,j),到衍射屏距离为 d d d,那么对于衍射屏上任意一点P(x,y),其光强为 。
同理,我们刚刚写下的平面矩孔光强叠加也出现了问题,如果我们默认矩孔上每个格点都是一个点光源,那么打在衍射屏上之后,应该遵从球面波的衰减原则。又因为这种假设其实忽略了从光源射到矩孔过程中的光线的传播方向,所以应该有一个倾斜因子,即 ( i , j ) 点打在 ( x , y )点的光强为 。
#基尔霍夫衍射,衍射屏坐标范围-dGrid:dGrid,光源坐标(0,0)#简单的矩孔衍射,dSource为光源到小孔的距离;dScreen为衍射屏到小孔距离#dHole为矩孔网格尺寸;dGrid为衍射屏网格尺寸;nGrid为网格数目def squareDiff(dSource=1,dScreen=1.4,dWave=1e-6, dHole=3e-5,nGrid=100,dGrid=1e-5): nX,nY = nGrid*np.array([1,1]) axisX = np.arange(-nX,nX+1)*dGrid axisY = np.arange(-nY,nY+1)*dGrid xAxis,yAxis = np.meshgrid(axisX,axisY) #此为衍射屏的x坐标 axisX = np.arange(-nX,nX+1)*dHole axisY = np.arange(-nY,nY+1)*dHole xHole,yHole = np.meshgrid(axisX,axisY) #此为矩孔的x坐标 dArrS = np.sqrt(xHole**2+yHole**2+dSource**2) #孔平面到光源的距离 nSide = int(nGrid*2+1) #格点个数 pane = np.zeros([nSide,nSide]) #衍射屏强度 for m in range(nSide): for n in range(nSide): dArr = np.sqrt((xHole-xAxis[m,n])**2+(yHole-yAxis[m,n])**2+dScreen**2) pane[m,n] = np.sum( np.cos(np.pi*2*(dArr+dArrS)/dWave)/dArr/dArrS) pane = np.abs(pane) pane = pane/np.max(np.array(pane)) fig = plt.figure() ax = axd(fig) ax.plot_surface(xAxis,yAxis,pane) plt.show() return pane, xAxis, yAxis
其结果为 。
故可定义矩阵索引 。
#输入对于M*M矩阵的第一个值到N*N矩阵的距离,返回M(m,n)的距离矩阵def getDisMat(dMat,N,m,n): dMat = np.mat(dMat) A = dMat[1:m,1:n] B = dMat[1:m,0:N-n+1] C = dMat[0:N-m+1,1:n] D = dMat[0:N-m+1,0:N-n+1] return np.vstack((np.hstack((np.flip(A),np.flipud(B))),np.hstack((np.fliplr(C),D)))) #stack矩阵拼接,flip翻转矩阵
相应地算法改为(其他位置不变) 。
dArrS = np.sqrt(xHole**2+yHole**2+dSource**2) #孔平面到光源的距离 dScreen = np.sqrt( #衍射平上第(0,0)个点的距离矩阵 (xHole-xAxis[0,0])**2+(yHole-yAxis[0,0])**2+dScreen**2) nSide = int(nGrid*2+1) #格点个数 pane = np.zeros([nSide,nSide]) #衍射屏强度 for m in range(nSide): for n in range(nSide): dArr = getDisMat(dScreen,nSide,m,n)
但这种优化是极其有限的,这是直观无脑的思维方式所带来的麻烦。在接下来的傅里叶光学中,我们将继续处理衍射的计算问题.
以上就是Python光学仿真学习衍射算法初步理解的详细内容,更多关于Python光学仿真衍射算法的资料请关注我其它相关文章! 。
原文链接:https://blog.csdn.net/m0_37816922/article/details/109587926 。
最后此篇关于Python光学仿真学习衍射算法初步理解的文章就讲到这里了,如果你想了解更多关于Python光学仿真学习衍射算法初步理解的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!