此文主要讲解对CAMB-Nov2016文件夹下params.ini文件参数调试后功率谱的变化。
标量功率谱和张量功率谱参数化的表达式分别如下:
(谷歌输入CAMB Notes第一篇pdf文件即是所要的note文件)


这里k是波数(2π/λ2\pi/\lambda2π/λ)或者说动量(h/λh/\lambdah/λ), 是在傅里叶空间中的。坐标空间中两点关联转换到傅里叶空间中称为功率谱。将对数函数划掉,整理得:


%{
以下为原初标量功率谱,在改动谱指数的第一个跑动的情况,第二个跑动设置为零,此外第一个跑动分别设置为0.01,0.05,0.1,0.5.通过画图对比发现Ps随着跑动增加而递增
%}
clc
clear
syms k P_s
A_s=1;
k_0=0.05;
n_s=0.96;
n(1)=0.01;
n(2)=0;
P_s=A_s*(k/k_0)^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0)^2);
subplot(2,2,1),ezplot(P_s)
legend('n(1)=0.01')
n(1)=0.05;
P_s(1)=A_s*(k/k_0)^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0)^2);
subplot(2,2,2),ezplot(P_s(1))
legend('n(1)=0.05')
n(1)=0.1;
P_s(2)=A_s*(k/k_0)^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0)^2);
subplot(2,2,3),ezplot(P_s(2))
legend('n(1)=0.1')
n(1)=0.5;
P_s(3)=A_s*(k/k_0)^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0)^2);
subplot(2,2,4),ezplot(P_s(3))
legend('n(1)=0.5')


实际上在n(1)很小的时候Ps是可以很大的,比如

>> vpa(subs(P_s(3),0.0001))ans =20008.706407377091796069778471219
>> vpa(subs(P_s(3),0.000001))
ans =7914294433451.3374549168681390491

以下将坐标轴设置为0到0.002,并将ezplot改为plot画图。

%{
以下为原初标量功率谱,在改动谱指数的第一个跑动的情况,第二个跑动设置为零,此外第一个跑动分别设置为0.01,0.05,0.1,0.5.通过画图对比发现Ps随着跑动增加而递增
%}
clc
figure
A_s=1;
k_0=0.05;
n_s=0.96;
k=0:0.00001:0.002;
n(1)=0;
n(2)=0;
P_s_0=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_0,'b')
hold on
n(1)=0.01;
P_s_1=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_1,'g')
hold on
n(1)=0.05;
P_s_2=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_2,'y')
hold on
n(1)=0.1;
P_s_3=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_3,'r')
hold on
n(1)=0.5;
P_s_4=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_4,'k')
legend('0','0.01','0.05','0.1','0.5')


进一步的,将图画在一个窗口上,并缩小范围如下:

%{
以下为原初标量功率谱,在改动谱指数的第一个跑动的情况,第二个跑动设置为零,此外第一个跑动分别设置为0.01,0.05,0.1,0.5.通过画图对比发现Ps随着跑动增加而递增
%}
clc
figure
A_s=1;
k_0=0.05;
n_s=0.96;
k=0:0.001:2;
n(1)=0;
n(2)=0;
P_s_0=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_0,'b')
hold on
n(1)=0.01;
P_s_1=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_1,'g')
hold on
n(1)=0.05;
P_s_2=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_2,'y')
hold on
n(1)=0.1;
P_s_3=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_3,'r')
hold on
n(1)=0.5;
P_s_4=A_s*(k/k_0).^(n_s-1+n(1)/2*log(k/k_0)+n(2)/6*log(k/k_0).^2);
plot(k,P_s_4,'k')
legend('0','0.01','0.05','0.1','0.5')
axis([0,0.3,0.94,1.12])
%由下图很容易看到,无论是0<t<1,还是1<t,P_s都是随着t的增加而增加的

将坐标范围缩小:

(nrun=0.5的图由于前期值太大,已经溢出窗口)
从图中可以看到即使在前期Ps也是随nrun的增加而递增。

应用到功率谱中,因为功率谱是与原初功率谱正相关,所以也是递增的。
将n(1)=0,0.01,0.05,0.1,0.5的数据导入matlab,并代码画图:

clc
plot(L,sqrt(TT))
hold on
plot(L1,sqrt(TT1))
hold on
plot(L2,sqrt(TT2))
hold on
plot(L3,sqrt(TT3))
hold on
plot(L4,sqrt(TT4))
axis([0,1000,0,100])
legend('TTn(1)=0','TT1n(1)=0.01','TT2n(1)=0.05','TT3n(1)=0.1','TT4n(1)=0.5')
title('scalar spectrum CTT,nrunrun=0')


同样对于EE谱,如下

clc
figure
plot(L,sqrt(EE))
hold on
plot(L1,sqrt(EE1))
hold on
plot(L2,sqrt(EE2))
hold on
plot(L3,sqrt(EE3))
hold on
plot(L4,sqrt(EE4))
axis([0,1000,0,10])
legend('n(1)=0','n(1)=0.01','n(1)=0.05','n(1)=0.1','n(1)=0.5')
title('scalar spectrum CEE,nrunrun=0')


局部放大图如下;

TE谱如下:

clc
figure
plot(L,sqrt(TE))
hold on
plot(L1,sqrt(TE1))
hold on
plot(L2,sqrt(TE2))
hold on
plot(L3,sqrt(TE3))
hold on
plot(L4,sqrt(TE4))
axis([0,1000,0,20])
legend('n(1)=0','n(1)=0.01','n(1)=0.05','n(1)=0.1','n(1)=0.5')
title('scalar spectrum CTE,nrunrun=0')


以上TE谱因为算的都是平方根,所以虚部被自动去掉。同时通过放大可以发现Ps在后面600和900对应的峰是随随着n(1)增加而减小的。

产生以上效果的原因是因为TE谱原本就是有负值的,因此要去掉平方根,得到如下

clc
figure
plot(L,TE)
hold on
plot(L1,TE1)
hold on
plot(L2,TE2)
hold on
plot(L3,TE3)
hold on
plot(L4,TE4)
axis([0,1000,-150,150])
legend('n(1)=0','n(1)=0.01','n(1)=0.05','n(1)=0.1','n(1)=0.5')
title('scalar spectrum CTE,nrunrun=0')


将470左右的谷放大如下

因此结论为:无论波峰波谷,对于的谱的绝对值都是随n(1)增加而增加的。

CMB标量功率谱第一个谱指数跑动项n(1)跑动带来的影响相关推荐

  1. CMB标量功率谱第二个谱指数跑动项n(2)跑动带来的影响

    由前一篇文章的分析知道,在n(1)=const或者取零(此处取0)的情况下,增加n(2)会出现谱前面下降后面上升的情况,因此本文从图形上来分析是否出现这种情况. 导入数据,然后执行以下代码: clc ...

  2. 2019年第一匹黑马:它给游戏行业带来哪些思考?

    文|曾响铃 来源|科技向令说(xiangling0815) 把人气端游改编成手游,总能时不时给予市场惊喜. 近日,完美世界联手腾讯游戏打造的自由飞行战斗MMORPG手游<完美世界>上线,该 ...

  3. 《网络传播概论》第一章 互联网的严谨及对传媒业的影响

    目录 第一节 计算机网络 第二节 连接的演进

  4. 作为数据分析师这8项关键技能将带来无限可能

    1.学习脚本和统计语言 像Python或Matlab这样的脚本语言和R或SAS这样的统计语言对于数据分析师来说非常有用.懂的语言越多,简历就能写得越多,如果技能很好娴熟,就有很大的机会击败竞争对手. ...

  5. 谷粒商城三阶段课件_高一地理必修一4:(课件)第一单元行星地球 第二节太阳对地球的影响...

    如果您需要教学和学习资源,请点下面链接, 如需要,请加微信号:13624387634. 高中地理资源: 资源分享15:全国历年高考地理真题及分类解析(共350套) 资源分享17:高中地理人教版全9册教 ...

  6. 张量功率谱CAMB参数调试

    (对应的原始tm文章在CMB\CosmoMC\camb\power spectra下,名为:primordial_power_spectrum_analysis.tm) 上图是在导入数据后再绘图的,m ...

  7. 深度学习 笔记(线性神经网络)

    3.1. 线性回归 - 动手学深度学习 2.0.0-beta1 documentation 目录 3.1. 线性回归 - 动手学深度学习 2.0.0-beta1 documentation 3.1 线 ...

  8. NL-Mean和BM3D去噪原理

    本文为转载,原博客地址:http://blog.csdn.net/jacke121/article/details/55215416 图像去噪是非常基础也是非常必要的研究,去噪常常在更高级的图像处理之 ...

  9. 最经典最新的图像去噪算法

    图像去噪是非常基础也是非常必要的研究,去噪常常在更高级的图像处理之前进行,是图像处理的基础.可惜的是,目前去噪算法并没有很好的解决方案,实际应用中,更多的是在效果和运算复杂度之间求得一个平衡,再一次验 ...

最新文章

  1. 设置编码格式为utf8
  2. 如何制作启动盘安装ubuntu系统
  3. linux网关0.0.0.0是什么意思_Linux软件安装⑦|DeePMD-kit v1.0
  4. Codechef Chef Cuts Tree
  5. linux命令:groupdel
  6. 数据又多又散,“孤岛困境”怎样破局?
  7. 网站禁止复制类型的属性
  8. 基于Access的学生信息管理系统设计(上):表建立、表查询设计
  9. U-boot移植方法
  10. 安装alexa和google play
  11. 数据链路层LLDP协议
  12. 测试用例管理工具有哪些?
  13. LPDDR4协议规范之 (六)刷新
  14. web控件安装问题解决办法
  15. dragonfly数据库
  16. 使用DoraCloud在Proxmox虚拟化平台搭建桌面云
  17. jquery delay_jQuery delay()函数
  18. 工作用哪个邮箱好用?好用的办公邮箱让你放假无烦恼
  19. 腾讯广告算法大赛2019
  20. 相关性搜索(自然语言处理NLP)相关资料(待更

热门文章

  1. mysql socket错误_解决Can’t connect to local MySQL server through socket ‘/tmp/mysql.sock’错误...
  2. 2022 开工大吉 新的一年新的目标
  3. vscode 这是一个好同志
  4. matlab四节点矩形单元的应变,四节点矩形单元有限元解读.ppt
  5. java arraylist 序列化_无法序列化/反序列化ArrayList
  6. 三菱的触摸屏usb驱动_资深工程师一步一步教你PLC与西门子触摸屏的RS485通信
  7. ALL ABOUT CIRCUITS 的资源整理
  8. Mac下使用可执行脚本记录远程服务器账号和密码
  9. T-Mobile旗下网站又曝安全漏洞 允许任何人查看他人账户信息
  10. 微信小程序开发简易计算器改进版