覆石墨烯微纳光纤的全光调制特性研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:eeee_188
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
光调制器在光纤通信中起到十分重要的作用。近年来,以石墨烯为代表的二维材料由于其独特的电学、光学、热学等性质受到广泛追捧,而由于人们对光器件的要求越来越趋向于集成化、小型化。因此,将石墨烯与低损耗的微纳光纤结合成为复合波导可以充分发挥两者的优势,从而拓展了在光纤和石墨烯光子学领域的应用。
  在总结比较石墨烯电光调制器及石墨烯全光调制器近年来研究动态的基础上,基于石墨烯的饱和吸收特性以及微纳光纤的倏逝场特性,以覆石墨烯微纳光纤为光波导,搭建了全光调制系统并进行实验测量,本文的主要内容如下:
  首先,介绍本课题的研究背景及意义,详细介绍石墨烯电光调制器和石墨烯全关调制器的国内外研究现状,通过比较两者调制机理的不同以及优缺点,确定并介绍本文的研究内容。
  其次,分析微纳光纤、石墨烯的基本特性以及全光调制机理,通过对微纳光纤及覆石墨烯微纳光纤进行理论建模,研究石墨烯对微纳光纤传输特性的影响,探究微纳光纤的锥区直径,并分析入射光波长、微纳光纤半径等参数对全光调制深度及调制效率的影响。
  再次,研究覆石墨烯微纳光纤的制备方法,详细介绍各制备阶段的操作步骤以及参数选取,分析各制备阶段的传输光谱,并对转移后的石墨烯进行拉曼光谱表征及电镜表征。
  最后,研究覆石墨烯微纳光纤的线性吸收特性以及非线性吸收特性,搭建覆石墨烯微纳光纤全光调制系统进行实验,通过改变信号光波长,分析全光调制系统调制深度、调制效率基本参数指标。
其他文献
无线传感器网络往往被部署在恶劣的环境且节点能量大多较难补充,因此网络覆盖率保障和能量受限成为制约无线传感器网络发展的瓶颈。此外,节点失效也会造成拓扑结构的改变,加快拓扑的能耗不均。尤其是关键节点的失效,会使无线传感器网络面对蓄意攻击时鲁棒性更差,导致更大规模的拓扑无法工作。针对无线传感器网络覆盖冗余造成能量效率低、拓扑容错性差及对蓄意攻击抵御能力弱的问题,本文从覆盖节能部署算法入手,对无线传感器网络拓扑构建时能耗均衡性、容错性和拓扑构建后关键节点失效问题展开研究。具体研究工作如下:
  首先,针对无
视觉目标跟踪广泛应用于智能交通、安防监控、人机交互等多个领域,但跟踪的效果往往受到尺度变化、障碍物遮挡目标、目标发生形变、目标出视野范围、背景信息杂乱等因素的影响,因此如何克服跟踪时面临的诸多困难,实现快速鲁棒的目标跟踪仍然值得深入研究。该文在相关滤波目标跟踪算法基础上,从特征提取、样本融合、模型更新和尺度估计等几方面,提出以下三种改进算法:
  首先,针对相关滤波跟踪算法因跟踪的目标尺度大小变化和被遮挡时发生跟踪漂移的问题,提出位置-尺度异空间协调的多特征选择相关滤波目标跟踪算法。该算法提取目标区
贝叶斯网络是由结构算法、参数算法、推理算法构成的概率图模型,是不确定性推理体系中强有力的工具,而如何利用贝叶斯算法快速、准确地构建贝叶斯网络是目前的研究重点。针对利用启发式算法改进贝叶斯算法时,存在搜索精度低、易陷入局部最优的问题,基于樽海鞘算法推导出改进的结构学习算法,基于粒子群算法推导出改进的推理学习算法。水泥回转窑的工作状态会直接影响水泥熟料的质量、能耗,因而采用贝叶斯算法对回转窑进行故障诊断。利用结构算法构建回转窑网络模型的结构,并根据推理算法对该模型中的故障节点进行诊断。具体研究工作如下:
近年来,弱磁测量技术发展非常迅速,广泛应用于军事反潜、生物医疗、空间探磁、矿产勘探、地质调查等诸多领域。随着新理论不断发展以及微纳加工和微系统集成等技术手段不断进步,小型化、低功耗、系统集成化已逐渐成为弱磁场测量技术的发展趋势。
  本论文利用基于原子自旋进动理论测量磁场技术,结合光纤传感技术的高精度测量优势,设计了一种基于圆偏振光检测的光纤弱磁场传感结构,并对其进行了深入的研究,主要研究内容包括:
  首先,介绍课题研究背景及意义,概述目前测量弱磁场的几种方法,并简要介绍原子磁力仪国内外研究
随着智能驾驶的兴起,无人艇作为一种重要的海洋设备,正在被广泛的研究并应用于实际。自主避障作为无人艇研究中的一个重要分支,一直受到人们关注,一艘可以实现航线规划与避障的无人艇,可有效解决无人艇在水面上遇到的各种问题,保障无人艇航线任务的顺利完成。本文基于三维激光雷达对无人艇避障系统的障碍物检测方法与避障方法进行了研究,主要研究内容如下:
  首先,本文综述了国内外无人艇的障碍物检测方法及其避障方法的研究现状,并分析了其优缺点;根据激光雷达的特点与无人艇的运动特性,本文建立了激光雷达的平面仿真模型与无人
随着人工智能、概率图模型、机器学习的发展,计算机视觉有了重大突破,也使得图像实例分割成为了当今计算机视觉继语义分割、目标检测之后新的挑战任务。相比于传统计算机视觉任务,实例分割不仅要求区分图像中不同物体还要区分物体间不同个例,任务综合性很强。目前已有很多算法解决实例分割任务,这其中掩码区域卷积神经网络(Mask R-CNN)算法相对比较成熟,但Mask R-CNN还存在提高空间,尤其分割边界方面还存在比较大的误差。本文为解决Mask R-CNN边界问题做出了深入研究并提出改进方案,文章主要内容如下。