bsp模型适用于图计算_CODE V微信简报:光束合成传播算法(BSP)
强大、高效的衍射分析工具
无论你设计的是哪种光学系统——激光、微透镜阵列、自由空间光子器件、CCD,或者一些天文应用——CODE V的光束合成传播工具(BSP)比任何其他商业工具更准确和高效地进行光束传播分析。
BSP基于光束波动传播算法可提供极其精确的可考虑光束通过整个透镜系统的衍射传播模型。在常规的基于FFT的衍射计算精度较低或完全失败的情况下,BSP可以很好地工作。它可以传播标量场或矢量场,并且可通过任何可进行光线追迹的对象,如GRIN材料,双折射材料,和非序列表面。
图1:BSP支持全矢量场传播。这张图显示了里奇-克莱琴望远镜的线偏振光Z分量的焦平面强度。
光学研究协会最初为NASA开发了BSP,以解决类地行星探测任务中严格的精度挑战。BSP能够精确地模拟太阳的辐射强度,将太阳系外一颗非常暗淡的类地行星与周围的恒星区分开来,从而满足了任务要求。
BSP提供了:
一种先进的算法。BSP可使用更少的光束给出更准确、更高效的结果。
前所未有的易用性。
在系统中灵活的定义详细的光束传播参数。
用于验证和显示结果的各种输出类型。
广泛的适用性。
完全集成于CODE V。
模拟中频误差的能力。
先进的基于光束的算法
BSP采用基于光束衍射传播算法来模拟光在整个光学系统中的波动特性。入射光束可以是一个变迹的球面波、平面波或高斯光束。BSP包括孔径裁剪、光波断开连接(例如,慢光束),中间像结构和镜头像差等因素引起的衍射效应。它比使用出瞳衍射计算或基于FFT或角谱方法的光束传播具有更高的精度。
图2:上图为一条细光束,它由基光线和初始定位于基光线的场组成。
BSP将光场近似为单光束的集合。单光束由基光线和初始定位于基光线的场组成。基光线为每个光束定义了参考位置和方向。
由于波方程是线性的,这些光束是独立传播的,可以在其后任意位置求和得到传播光场。这种方法可以将光束传播到任何可以被光线追迹的地方。
BSP基于光束算法的独特之处在于它比其他基于光束的方法传播更少的光束,同时获得更准确的结果。
图3:一种理想的圆形孔径裁剪系统的远场比较。这张图显示,BSP的方法使用了2581根光束比使用了4927根光束的传统方法在25环上获得了更好的精度。
光束传播前所未有的易用性
BSP最显著的优点之一是它的预分析功能,帮助非专业的波束传播设计用户获得专家级的结果。为任意的光束传播分析确定合适的输入是具有挑战性的任务。预分析功能通过为用户镜头系统推荐定制的分析输入来解决这个问题。这有助于确保结果的准确性并节省无数花在设置上的时间。
预分析首先通过使用测试光束的子集对系统执行快速扫描。然后根据结果,它为各种设置提供建议,包括输入场的采样、输出网格的位置、重新采样表面和检查剪裁表面。预分析还将根据这些建议的设置估计光束传播分析的执行运行时间。
图4:BSP的预分析功能,为用户的镜头系统建议定制化分析参数。
在系统中灵活的定义详细的光束传播参数
虽然预分析功能使BSP只需要很少的输入,并易于使用,但是高级用户实际上可以灵活地控制传播过程的各个方面、阈值、以及参数,也包括预分析的建议。控制措施包括:
多色分析
传输变化检查
剪裁检查保真度
计算精度
用户也可以选择在命令行里运行BSP或者在图形化用户界面运行。
图5:BSP为高级用户提供了对所有传播参数的完全控制,也包括预分析建议。
用于验证和显示结果的各种输出类型
BSP提供文本和图形输出,帮助用户轻松地显示和理解结果。输出可以描述在不同表面与场相关的各种量,包括振幅、相位、强度和辐照度。从光束脚印图到横截面切片图和高斯光束表,用户有许多用于分析数据的选项。
图6:BSP光束脚印诊断图为设计人员提供了一种简单的、直观的方法来评估BSP光束在光学系统的任何表面上的大小和方向。
为系统提供广泛适用性
具有散光光束,偏振输入光场,低f值(如微光刻透镜),或不连续光瞳的系统都可以用BSP进行精确分析。该特性也适用于近场衍射分析和在焦点附近对振幅或相位进行修改的光学系统,如光栅、相位板或空间滤波器。
BSP支持多种波长和偏振,因此可以精确地分析具有散射材料、金属表面和多涂层,以及分束器和偏振器的系统。
图7:用BSP精确的模拟偏振效应,如图所示,此系统包含线性偏振器。
完全集成于CODE V
BSP完全完全集成于CODE V,提供最全面的光学设计和分析环境。例如,BSP的复杂场输出可以用来计算光纤耦合效率,包括偏振相关的损耗。
模拟中频误差效应
CODE V支持模拟真实世界中频表面误差对光学表面的影响。这种误差通常出现在使用金刚石车削或高端抛光方法加工的表面。
可以通过指定功率谱密度(PSD)的参数来描述器件表面误差,然后使用BSP来预测由于中空频表面误差导致的衍射图像退化,如下面的BSP颜色图所示。
bsp模型适用于图计算_CODE V微信简报:光束合成传播算法(BSP)相关推荐
- bsp模型适用于图计算_【论文解读】目标检测之RFBnet模型
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明 ...
- 并行计算中的BSP模型
计算模型 所谓计算模型实际上就是硬件和软件之间的一种桥梁,我们可以借助它来设计分析算法,在其上髙级语言能被有效地编译且能够用硬件来实现.在串行计算时,冯•诺依曼机就是一个理想的串行计算模型,在此模型上 ...
- DL:神经网络算法简介之耗算力的简介、原因、经典模型耗算力计算、GPU使用之详细攻略
DL:神经网络算法简介之耗算力的简介.原因.经典模型耗算力计算.GPU使用之详细攻略 目录 神经网络算法耗算力的简介 神经网络算法耗算力的原因 神经网络算法耗算力的经典模型耗算力计算 1.AlexNe ...
- 深度学习(四):卷积神经网络(CNN)模型结构,前向传播算法和反向传播算法介绍。
在前面我们讲述了DNN的模型与前向反向传播算法.而在DNN大类中,卷积神经网络(Convolutional Neural Networks,以下简称CNN)是最为成功的DNN特例之一.CNN广泛的应用 ...
- 基于NEO4J图模型的关系计算
基于NEO4J图模型的关系计算 一.原始图模型 二.计算关系(不溯源) 三.计算关系(溯源) 四.批量人员关系计算(一对多的计算)<仅供参考> 一.原始图模型 原始图模型只有人与发帖之间的 ...
- Prege(图计算框架)
展开全文 转载自:http://www.360doc.com/content/16/0629/22/30344733_571770899.shtml 作者:Grzegorz Malewicz, Mat ...
- Prege(图计算框架)l: A System for Large-Scale Graph Processing(译)
http://duanple.blog.163.com/blog/static/70971767201281610126277/ 2012-09-16 22:12:06| 分类:搜索与分布式 | ...
- Spark入门实战系列--9.Spark图计算GraphX介绍及实例
[注]该系列文章以及使用到安装包/测试数据 可以在<倾情大奉送–Spark入门实战系列>获取 1.GraphX介绍 1.1 GraphX应用背景 Spark GraphX是一个分布式图处理 ...
- SparkGraphX图计算(一)
SparkGraphX基本介绍 一.什么是图 二.什么是SparkGraphX 三.常见的图算法 1.PageRank算法 2.最短路径算法 3.社群发现 4.推荐算法ALS和SVD++ 四.Grap ...
最新文章
- 计算机论文工作进程记录,毕业设计进程记录
- 【JNI】JNI中java类型的简写
- php数据仓库数据分析,利用Apache+PHP+MySql构建数据仓库
- C语言课程设计选哪个,C语言课程设计选题及要求.docx
- JS小功能(操作Table--动态添加删除表格及数据)实现代码
- webgl 基础渲染demo_游戏引擎养成《二》 引入跨平台渲染库
- python md5加密_如何用python“优雅”的调用有道翻译?
- MySQL删除命令_DELETE
- 数据结构 实验4——拓扑排序
- 铁流:浪潮思科合资,高通中国设厂背后有什么故事
- 如何优雅的写C++代码 Obotcha介绍(字符串转uint8_t)
- SSD Trim介绍
- mc服务器ip是网站,我的世界服务器地址大全
- 解决win10卡顿现象
- 数据库----MySQL
- ML之PDP:基于titanic泰坦尼克是否获救二分类预测数据集利用PDP部分依赖图对RF随机森林实现模型可解释性案例
- android加密字符串,Android 加密解密字符串详解
- [JavaWeb-04]HTML和CSS
- 游戏设计艺术 第2版 第31章 读书笔记
- WebRTC 桌面共享: