目录

  • 一、电磁场中的一维结构
  • 二、传递矩阵法
    • 1、模型结构
    • 2、4×4矩阵方法(需要sort)
      • (1)前提内容
      • (2)4×4矩阵方程式(用于求解电磁场方程)
      • (3)LHI 情况下的解
      • (4)计算传输矩阵T
      • (5)稳定性问题

本文资料来源(配图):EMPossible_CEM
1、课件资料:https://empossible.net/academics/emp5337/
2、视频资料:
youtube:https://www.youtube.com/watch?v=JOgtCeUMIAc
bilibili:https://www.bilibili.com/video/BV1ck4y1m73u?p=2

一、电磁场中的一维结构

将三维结构降为一维结构:

二、传递矩阵法

1、模型结构

  模型结构的建立是基于上一节的内容,也就是通过将三维结构降为一维结构来进行分析的,类似于切片的方法。如下图所示,假设有一束光打在由四层介质板构成的器件上。
  将Layer1最靠前一侧的界面0(z=0处)的电磁场定义为E0和H0,将Layer1靠后一侧的界面1的电磁场定义为E1和H1。当发射电磁波时,对于这个器件而言,我们假设电磁波是从界面0出发,经过Layer1后,到达界面1的,因此若要建立起两个界面电磁场之间的关系,关键就在于对Layer1层的分析。

  而传输矩阵(Transfer Matrix,通常称为T矩阵),就是我们用来构建起两个界面电磁场之间关系的一个矩阵,即E0和H0经过T矩阵的变换后变为了E1和H1,也由此我们可以认为:事实上,T矩阵是表征了Layer1自身的一些属性(如:电导率、磁导率等)对电磁波产生的影响。
  基于此,我们可以用一个简单的公式来表示两个界面电磁场间的关系,即:[E1, H1]=T1 • [E0, H0],T为矩阵;同样地,对于界面2的电场E2和界面1的电场E1,我们也可以获得关系式:[E2, H2]=T2 • [E1, H1]=T2 • T1 • [E0, H0],即如上图所示。
  按照以上的方法,对整个器件涉及到的界面关系均进行推导,我们即可以获得输入界面和输出界面之间的电磁场关系,如下图所示。对于该关系中所有涉及到的T矩阵的累乘,我们将之称为全局传输矩阵(Global Transfer Matrix)。

  此时问题的关键,就变为了要如何推导出T矩阵? 这里,我们先给出结果(下图),再对过程进行分析。由下图可以看出,有两种方法可以获取最终的解,一种方法是需要 sort(分类)的,在这个方法过程中需要使用到4×4矩阵;另一个方法是不需要 sort 的,其使用到的是2×2矩阵。

2、4×4矩阵方法(需要sort)

(1)前提内容

  在均匀介质中,假设电磁波的入射方向是 +z 方向,则:
  同理,在均匀介质中,假设电磁波的入射方向是 k⃗\vec{k}k 方向,则:


  对于器件模型而言,z轴通常表示了多层的结构,x,y方向则表示的是面。通常来说,对于z轴某一点所在面,其沿x和y方向延伸出去的部分都是均匀的,而沿z轴方向延伸出去的部分则是非均匀的(因为层与层的性质不同)。因此,我们可以对x和y方向的电场进行求导,如下图所示:


  但由于沿z方向结构的非均匀性,故而其不能直接进行求导:

(2)4×4矩阵方程式(用于求解电磁场方程)

  在 Lecture 1 学习笔记 (1) 中,通过对麦克斯韦方程组的变形和展开,得到了一组关于 E 和 H 在三个方向的等式,它们是通常用于计算电磁学中的麦克斯韦方程组,我们将之称为Starting Point for CEM,即:
需要注意的是:这些等式对应的是LHI的情况( [ε\varepsilonε]=ε\varepsilonε,[μ\muμ]=μ\muμ )


  利用之前推导的公消去关于Ex、Ey和Hx、Hy的偏导,由于此时只剩下z变量,因此可将偏分改为微分:


  将以上方程进行归一化处理,并对各自的第三个式子进行变形以得到Ez和Hz:


  将Ez和Hz代入前两个式子,此处之所以要消去Ez和Hz,是因为我们将三维问题降为了一维,因此我们现在的处理对象是切片后的面,即x和y轴构成的面。然后再对式子进行化简,即可得到Exy和Hxy关于z‘变化的方程


  将之整理成矩阵形式(需要注意的是:这些等式对应的是LHI的情况( [ε\varepsilonε]=ε\varepsilonε,[μ\muμ]=μ\muμ )),即:


  至次,我们获得了一个4×4的矩阵方程。

(3)LHI 情况下的解

  将上式的表达形式进行简化:

  此时,我们要做的就是求出Ψ\PsiΨ的解,即可获得该器件关于z′z'z′的电磁场方程。该方程是一个一阶微分方程,其解的形式为:
其中eΩz′e^{^{\Omega z'}}eΩz′为矩阵,因此可利用矩阵的性质来对其计算进行简化。
  根据矩阵的运算性质,对于一个矩阵函数 f(A)f(A)f(A) 而言,A为矩阵,用V表示A的特征矢量矩阵,用D表示A的特征值矩阵,则f(A)=V⋅f(D)⋅V−1f(A)=V\cdot f(D) \cdot V^{^{-1}}f(A)=V⋅f(D)⋅V−1,其中f(D)f(D)f(D)为关于f(D1)f(D1)f(D1),f(D2)f(D2)f(D2)…的对角线矩阵。( Matlab中的语句就是:[V,D]=eig(A)
  因此,对于f(Ω)=eΩz′f(\Omega)=e^{^{\Omega z'}}f(Ω)=eΩz′来说,求出其特征矢量矩阵W,和特征值矩阵λ\lambdaλ,则可得:


将该式代入Ψ\PsiΨ的通解中,获得关于Ψ\PsiΨ的解,其中,用ccc来表示W−1Ψ(0)W^{^{-1}} \Psi(0)W−1Ψ(0),即:


至此,我们获得了电磁场关于z′z'z′的表达式

(4)计算传输矩阵T

  在获取到电场和磁场的表达式后,需要引入边界条件来对器件边界情况进行一个约束。
  根据器件建立的模型(如下图所示),以Layer i 为例,其存在左右两个界面,因此有两个边界条件,再将Ψ(z′)\Psi(z')Ψ(z′)表达式代入,可以得到:
  ① Ψi−1(k0Li−1)=Ψi(0)\Psi_{i-1}(k_{0}L_{i-1})=\Psi_{i}(0)Ψi−1​(k0​Li−1​)=Ψi​(0) -------> Wi−1(eλik0Li−1)Ci−1=WiCiW_{i-1}(e^{\lambda_{i} k_{0} L_{i-1}}) C_{i-1}=W_{i}C_{i}Wi−1​(eλi​k0​Li−1​)Ci−1​=Wi​Ci​
  ① Ψi(k0Li)=Ψi+1(0)\Psi_{i}(k_{0}L_{i})=\Psi_{i+1}(0)Ψi​(k0​Li​)=Ψi+1​(0) -------> Wi(eλik0Li)Ci=Wi+1Ci+1W_{i}(e^{\lambda_{i} k_{0} L_{i}}) C_{i}=W_{i+1}C_{i+1}Wi​(eλi​k0​Li​)Ci​=Wi+1​Ci+1​
由于Ci+1=TiCiC_{i+1}=T_{i} C_{i}Ci+1​=Ti​Ci​,因此可以得到变换矩阵TiT_{i}Ti​:Ti=(Wi+1)−1Wi(eλik0Li)T_{i}=(W_{i+1})^{-1} W_{i} (e^{\lambda_{i} k_{0} L_{i}})Ti​=(Wi+1​)−1Wi​(eλi​k0​Li​)

(5)稳定性问题

  我们从麦克斯韦方程组开始,推导出了用来表征电磁场随z′z'z′变化情况的场方程等式;而后使用一阶微分方程通解公式和矩阵性质,求出了该场方程的表达式;随后,利用各层之间的边界条件对各界面进行约束,求解出了传输矩阵 T。虽然看起来已经求得了我们需要的结果,但事实上,我们通过该方法得出的结果是不稳定的,或者说这个模型是不稳定的
  在一开始,我们写平面波的电场和磁场方程的时候,我们将其入射方向设为的是k⃗\vec{k}k,但是k波矢通常是一个复数。对于前向传播(forward propagation)的电磁波来说,其可以展开为k+=k′+jk′′k^{+}=k'+jk''k+=k′+jk′′;对于反向传播(backward propagation)的电磁波来说,其可以展开为k−=k′+jk′′k^{-}=k'+jk''k−=k′+jk′′,其中k′k'k′表现为波的振荡,k′′k''k′′表现为波的衰减或增强,这两种波都会存在于实际的器件层中,如下图。

  但是在我们的模型中,是默认所有波为前向传播的,因为我们的方程是:E⃗(r⃗)=E0⃗⋅ejk⃗r⃗\vec{E}(\vec{r} )=\vec{E_{0}} \cdot e^{j\vec{k}\vec{r}}E(r)=E0​​⋅ejkr(前向),而没有考虑到E⃗(r⃗)=E0⃗⋅e−jk⃗r⃗\vec{E}(\vec{r} )=\vec{E_{0}} \cdot e^{-j\vec{k}\vec{r}}E(r)=E0​​⋅e−jkr(反向)。所以,为了让反向波能够像前向波一样被处理,我们将k−k^{-}k−的表达式变为:k−=−k′−jk′′k^{-}=-k'-jk''k−=−k′−jk′′,如下图所示。如果我们假设原来的k′′k''k′′是衰减的,那么−k′′-k''−k′′在指数上则是成增长的态势,是非常不稳定的。

  Sort!
  因此,我们在稳定性这一步要做的就是分离出前向波和反向波。此处,要引入坡印廷矢量,当S>0时,为前向波,反之为后向波。


  举个栗子,假设 εr=9.0\varepsilon_{r} = 9.0εr​=9.0 且 μr=9.0\mu_{r} = 9.0μr​=9.0,则:


将WWW各项代入坡印廷矢量的公式,可以求出WWW的第一列和第三列结果为正(前向波),第二和第四列结果为负(后向波),此时我们将为正的放在一起,为负的放在一起,需要注意的是变换位置后的λ\lambdaλ矩阵要重新调整为单位矩阵的形式,如下图所示:


那么,我们的WWW和λ\lambdaλ矩阵可以简化为以下形式:


最终Ψ\PsiΨ的解可以写为如下形式:

然后再用和之前相同的方式求解出传输矩阵T,那么此时我们获得的解才是稳定的


  以上就是使用4×4矩阵来求解T矩阵,该方法的关键在于最后要考虑一个稳定性的问题。如前所述,除了该方法,我们还可以使用2×2矩阵来求解,该部分内容将写在下一篇中。


如有错误,欢迎指正…

CEM计算电磁学 -- Lecture 2 学习笔记 (1) ---TMM 传输矩阵法(1)相关推荐

  1. CEM计算电磁学 -- Lecture 1 学习笔记 (2) --- 极化、反射、透射

    目录 一.电磁波的极化 1.线性极化(LP) 2.圆极化(CP) 3.两者的关系 4.以更清晰的方式进行表示 5.TE和TM极化 二.反射与透射 1.TE.TM波的反射.透射系数 2.反射.透射效率 ...

  2. Scipy Lecture Notes学习笔记(一)Getting started with Python for science 1.2. The Python language

    Scipy Lecture Notes学习笔记(一)Getting started with Python for science 1.2. The Python language 1.2.2. 基本 ...

  3. 百度计算广告学沙龙学习笔记 - 内容匹配广告

    百度计算广告学沙龙学习笔记 - 内容匹配广告 时间 2014-02-05 18:53:55 CSDN博客 原文  http://blog.csdn.net/three_body/article/det ...

  4. 数学建模学习笔记之评价问题聚类分析法

    数学建模学习笔记之评价问题聚类分析法 物以类聚.人以群分. 聚类分析是一个很大的概念,显然根据分类的依据不同会出现很多很多聚类的方法.例如K-Means .Sequential Leader.Mode ...

  5. python tensorflow学习笔记(五)矩阵乘法运算

    相关公式 [0.36424586843872840.6675075448915823]×[0.134750808390697090.5863696301031353]=[0.44048858] \be ...

  6. 【Python学习笔记】多个矩阵点乘和叉乘

    [Python学习笔记]多个矩阵点乘和叉乘 一.定义 二.代码实现 一.定义 点乘,对应元素相乘,点乘对象的行数必须相等,且前者的列数必须与后者相等,或为1,具有广播机制. 叉乘,前者的列数必须和后者 ...

  7. 频域补零上采样_AURIX 学习笔记(12)频域法互相关实现超声测距

    概述 上一篇 AURIX 学习笔记(11)外部中断以及基于时域互相关的超声测距 介绍了 TC264D 实现超声波测距应用的结构.原理等,也提到时域法的不足:计算复杂度高.滤波手段少.没有充分利用单片机 ...

  8. 创建一列矩阵数字一样吗_吴恩达深度学习笔记(122) | NLP | 嵌入矩阵Embedding Matrix...

    嵌入矩阵(Embedding Matrix) 接下来我们要将学习词嵌入这一问题具体化,当你应用算法来学习词嵌入时,实际上是学习一个嵌入矩阵,我们来看一下这是什么意思. 和之前一样,假设我们的词汇表含有 ...

  9. Python科学计算-Numpy和Pandas学习笔记(一)-安装、Numpy属性和常用方法(chaochao`s Blog)

    1 前言 由于项目的原因,最近开始学习机器学习的相关内容,在写文字笔记的时候发现我写的字确实很丑.很难看,并且记笔记的速度也很慢,由此萌生了编写自己博客的想法.从今天开始,我会将学习的笔记以博客的方式 ...

最新文章

  1. 一个好的设计应当具备哪些要素
  2. 七、Java编码字符集和转义符介绍
  3. Solve The Maze CodeForces - 1365D(贪心+dfs)
  4. ug断开视图断开线的距离_UG编程刀路优化技巧
  5. 中国第一代程序员简史:中国龙简晶的程序人生
  6. strust2 和 hibernate的整合------登录的实现
  7. ashx获取input file 文件_通过Ajax方式上传文件(input file),使用FormData进行Ajax请求...
  8. 动态指定DataGrid中多个参数的超链接列(downmoon)
  9. Binder学习笔记(九)—— 服务端如何响应Test()请求 ?
  10. php制作相册mp4,相册视频制作软件免费版
  11. 用Java实现文本编辑器:创建、浏览、编辑文件;剪贴、复制、粘贴;保存、另存为;字符统计;自动换行
  12. window.open 卡死
  13. 伊利诺伊大学厄本那 香槟分校计算机科学,美国伊利诺伊大学厄本那香槟分校专业设置...
  14. 热搜第一!中国烟草总公司工资曝光,员工人均年收入超18万元!网友:简直是不锈钢饭碗!...
  15. Notepad++ 安装XML Tools插件格式化XML文件
  16. 最新苹果CMS海螺模版V4.0修复版+自适应带后台
  17. C语言-小写转换大写
  18. 上传手机文件ftp服务器,从android手机上传文件到FTP服务器?
  19. css3 3d 与案例分析
  20. 笨鸟之Serlvet解析

热门文章

  1. 『HarmonyOS』DevEco的下载安装与开发环境搭建
  2. ESP8266+CH340下载电路+LCD显示屏显示天气时钟
  3. PPT后缀,要一起来认一认吗?
  4. Java如何让线程池满后再放队列
  5. Android 识别SIM卡类型
  6. 打通网络营销的任督二脉
  7. 如何在MathType中输入摄氏度符号
  8. 计算机用的云电脑,怎么使用云电脑玩端游
  9. python去除数据集里空格_Python将文本去空格并保存到txt文件中
  10. EDM邮件营销数据分析技巧分享