拉盖尔–高斯光束在小尺度流场内的气动光学效应

为研究拉盖尔–高斯(LG)光束在经过由微小凸起造成的流场后的气动光学效应,采用二阶紧致差分对抛物型的复振幅微分方程进行求解,并使用四阶龙格库塔沿光束路径积分。比较了具有不同拓扑荷数的LG光束以及高斯光束在不同马赫数、不同攻角、不同海拔下的Strehl比(SR)以及成像偏移。仿真结果表明,在同样流场中,LG光束的拓扑荷数越大,相位稳定性越好且均优于高斯光束,但振幅稳定性越差,当且仅当径向指数为0,拓扑荷数为1时LG光束优于高斯光束。

超短脉冲拉盖尔–高斯光束通过圆环后的光谱异常

本文对超短脉冲拉盖尔–高斯脉冲光束通过圆环光阑后在远场的光谱移动和光谱开关以及临界衍射角附近的功率谱变化规律进行了研究。结果表明:在临界衍射角附近超短脉冲拉盖尔–高斯光束光谱分裂成两等峰值,即产生了光谱开关效应;随着脉冲宽度的增加,两等峰值之间的角频率间隔减小,光谱开关产生的位置向轴靠近,相对光谱移动减小;而随着圆环孔径的增大,光谱开关产生的位置发生变化,但相对光谱移动基本保持不变。

基于光学衍射神经网络的拉盖尔-高斯光束识别

拉盖尔–高斯(Laguerre-Gaussian,LG)光束除了轨道角动量(orbital angular momentum,OAM)维度外,还拥有径向量子数p,因此LG光束可以为光通信和光计算等应用提供更多的物理自由度。但目前常见的干涉、衍射机制的LG光束模式探测方法在受到大气湍流的干扰时,识别准确率会明显下降,从而限制了其实际应用。提出了一种基于衍射神经网络(diffractive neural network,DNN)的LG光束识别方式,实现了p在1~3范围内的识别。即使在强湍流强度,衍射距离为5 m的情况下,该识别方式的识别准确率依然能达到95%以上。该DNN方法能够为准确识别LG光束模式提供有效途径,在大容量OAM通信、高维量子信息处理等方面均具有潜在应用价值。