利用RSoft的BPM算法对光波导和简单光波导器件进行仿真
RSoft是一款非常实用的光波导仿真软件。其中包含了BPM,FDTD,FEM等多种算法,使得它能够适用于各种不同要求场合。本课程主要使用RSoft算法集中的BPM算法对光波导和简单光波导器件进行仿真计算,从而对光在波导中的传输有一定得了解。
一、软件CAD界面:
下载网站上的压缩包,解压缩后运行C:\Program Files\RSoft\bin文件夹中的bcadw32.exe,即出现如下图所示的CAD界面。此界面是定义波导结构和下一步计算的前提。
二、单根波导的仿真:
在软件中,点击左上角的”New Circuit”按钮,如图所示。
点击后弹出基本设置对话框,波导的一些基本特性参数需要在此设定。我们模拟目前光通信系统中应用最为广泛的掩埋型二氧化硅波导(channel型)。波导横截面的尺寸结构为6um*6um,芯层折射率为1.465,包层折射率为1.455(包层和芯层的折射率差为0.01),通信波长为1.55um。基本参数的设定如下图所示(注意,软件中关于长度的单位均为um):
设置完毕后点击”OK”,进入CAD界面。
首先画一根直波导。点击”Segment mode” (新建文件时默认就是此模式),如上图红圈所示。之后在空白的CAD窗口中某一处单击鼠标左键,在任意另一处再单击左键,即可画出一条波导,如下图所示。
到目前为止,画出的波导是任意的,我们还需要对它进行设置,满足我们设计的要求。将鼠标移动至波导上(红色区域上),再单击鼠标右键,会弹出波导的设置菜单。由于我们只需要仿真普通的直波导,所以大部分设置保持默认即可。主要需要调整波导的位置。在RSoft软件中,波导位置是由首尾两个坐标确定的,并且BPM计算的光是只沿着z轴传播(即竖直方向),这个是需要特别注意的。具体设置见下图。
设置完毕单击”OK”,就可以在CAD界面看到修改后的,沿着z轴、长度为1000um的波导(俯视图)。
单单如此还不够,我们还需要设置光源的特性和观察的路径。首先设置路径,单击左侧工具栏中的”Edit Pathways”按钮。
单击后左侧工具栏会变成路径设置栏。点击”New”按钮,会新建一个路径,再左键点击我们画好的波导,使路径与波导相一致(此时波导会变绿色),如下图:
然后再点击”Monitors”按钮,会弹出一个小对话框,设置一个与路径相匹配的探测器。按照下图提示设置完后,点击对话框的”OK”按钮回到路径设置模式,再点击左侧的”OK”按钮回到画图模式。
再进行光源设置、光波模拟设置运行后即可得到仿真结果:
定向耦合器的仿真结果如下:
最后,欢迎关注微信公众号“320科技工作室”,获取完整的文档。
利用RSoft的BPM算法对光波导和简单光波导器件进行仿真相关推荐
- Kalman滤波算法详细推导及简单匀速直线运动程序仿真(matlab)
Kalman滤波算法详细推导及简单匀速直线运动程序仿真(matlab) 起初只是知道Kalman滤波的核心公式和会用,没有仔细研究,最近老师让讲Kalman算法,所以系统的学习了该算法,并结合匀速直线 ...
- TF之DD:利用Inception模型+GD算法生成带背景的大尺寸、高质量的Deep Dream图片——五个架构设计思维导图
TF之DD:利用Inception模型+GD算法生成带背景的大尺寸.高质量的Deep Dream图片--五个架构设计思维导图 目录 TF中的Deep Dream实践:利用Inception模型+GD算 ...
- ML之LightGBM:基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分)
ML之LightGBM:基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分) 目录 基于titanic数据集利用LightGBM和shap算法实 ...
- ML之LassoRRidgeR:基于datasets糖尿病数据集利用LassoR和RidgeR算法(alpha调参)进行(9→1)回归预测
ML之LassoR&RidgeR:基于datasets糖尿病数据集利用LassoR和RidgeR算法(alpha调参)进行(9→1)回归预测 目录 基于datasets糖尿病数据集利用Lass ...
- ML之LiRLasso:基于datasets糖尿病数据集利用LiR和Lasso算法进行(9→1)回归预测(三维图散点图可视化)
ML之LiR&Lasso:基于datasets糖尿病数据集利用LiR和Lasso算法进行(9→1)回归预测(三维图散点图可视化) 目录 基于datasets糖尿病数据集利用LiR和Lasso算 ...
- ML之回归预测:利用十类机器学习算法(线性回归、kNN、SVM、决策树、随机森林、极端随机树、SGD、提升树、LightGBM、XGBoost)对波士顿数据集回归预测(模型评估、推理并导到csv)
ML之回归预测:利用十类机器学习算法(线性回归.kNN.SVM.决策树.随机森林.极端随机树.SGD.提升树.LightGBM.XGBoost)对波士顿数据集[13+1,506]回归预测(模型评估.推 ...
- ML之SSIM:基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别
ML之SSIM:基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别 目录 输出结果 代码实现 相关文章 ML之相似度计算:图像数据.字符串数据等计算相似度常用的十种方法简介.代码实 ...
- ML之回归预测:利用两种机器学习算法(LiR,XGBoost(调优+重要性可视化+特征选择模型))对无人驾驶汽车系统参数(2017年的data,18+2)进行回归预测值VS真实值
ML之回归预测:利用两种机器学习算法(LiR,XGBoost(调优+重要性可视化+特征选择模型))对无人驾驶汽车系统参数(2017年的data,18+2)进行回归预测值VS真实值 目录 输出结果 1. ...
- ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分
ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)+预测新数据得分 导读 本文章基于前边的一篇文章,对13种机器学习的回归模型性能比较 ...
最新文章
- 美国国家科学院发布:材料有哪些研究前沿?
- IBM Cloud Speech to Text 语音识别
- React开发(242):dva概念6effect
- Apache Shiro入门
- JavaScript-4函数
- html清除两端浮动,HTML中如何实现浮动与清除浮动
- 62. Using Default Magento Cache
- 中亿验钞机升级_最前线|火山小视频升级为抖音火山版,抗衡快手火力更足了吗?...
- 干货 | 100亿+数据量,每天50W+查询,携程酒店数据智能平台实践
- JavaScript快速入门(一)——JavaScript概览
- win10显示从服务器返回了一个文件,win10在运行软件时提示“从服务器返回一个参照”怎么办...
- python numpy中的矩阵、向量的加减乘除
- macOS 上都有哪些既免费、又实用的工具?| 新手问号
- STM32开发笔记108:将STM32CubeIDE设置为中文
- Zephyr pinctrl
- 聪明爸妈的明智抉择,但我还是建议你不要轻易买保险
- 机器学习算法(1)——Logistic Regression
- 无线投影协作服务器,USB无线投影协作系统使用详解
- ES5 ES6基础知识
- VGA成像原理与简单实现