基于二硒化锡纳米材料光纤激光特性的研究

来源 :陕西师范大学 | 被引量 : 0次 | 上传用户:hellstone
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
脉冲激光被广泛应用于工业加工、生物检测、激光传感、激光通信以及医疗手术等领域。与传统的激光器相比,光纤搭建的激光器拥有简单紧凑的结构、优良的光束传导性、极高的能量转化率、很好的散热性、较低的成本、性能十分稳定等优势,是脉冲激光光源的最佳选择。此外,利用光纤自身的非线性和色散性能够在光纤激光腔中产生各种性能的脉冲,从而满足各个领域不同的应用需求。为了使光纤激光器工作在稳定的脉冲输出状态,其中最行之有效的办法是调Q和锁模技术。目前,实现被动调Q脉冲以及被动锁模脉冲的方案中最为热门的研究方法是采用可饱和吸收体。近些年来,研究人员利用各种具有非线性光学特性的材料作为可饱和吸收体添加到谐振腔中,从而获得调Q和锁模脉冲的输出。其中,最受青睐的当属二维材料。自2004年二维材料问世以来,因其优异的非线性光学特性、可调节的带隙结构、超快的电子弛豫时间和高的损伤阈值等优点引发了科研者的研究热情。二维材料如石墨烯(Graphene)、过渡金属硫化物(TMDs)、拓扑绝缘体(TI)和黑磷(BP)等作为可饱和吸收体在光纤激光器中来实现调Q和锁模脉冲的输出,已经得到了广泛的报道。但是,对于不断发展壮大的二维材料家族而言这仅仅只是一个开始。本文主要研究了新型二维材料SnSe2的非线性光学特性以及利用其可饱和吸收特性在环形掺杂正三价铒离子的光纤激光器中获得调Q脉冲和不同孤子类型的锁模脉冲。实验中所用的SnSe2纳米材料是通过溶剂热法制备的。然后,对制备好的材料进行系统的表征,包括:SEM、TEM、STEM、EDS、XRD、紫外可见光谱以及拉曼光谱。可饱和吸收器件采用光学沉积法将材料沉积到自制的拉锥光纤上。为了达到实验的需求,制备的拉锥光纤必须满足一定的条件,控制其损耗低于40%,其次是锥区的直径控制在20 μm左右(误差范围为±5μm),这样的拉锥光纤才能保证激光的输出功率以及激光的倏逝波与材料的相互作用。而后是沉积材料,制备的SnSe2溶解于丙酮中通过两小时以上的液相剥离法获得较少层数的SnSe2纳米片,再利用光学沉积法把材料沉积到拉锥光纤上。同时控制沉积好材料的拉锥光纤的损耗低于50%。采用实验室自己搭建的双平衡探测系统测量了 SnSe2的光学非线性吸收,一共测量了两次,两次之间时隔为三个月,得到的调制深度分别为6.38%和5.52%。此外,在两个损耗不同的环形掺铒光纤激光腔中进行了对比试验。对比了激光腔的损耗对产生脉冲类型的影响,以及在同一个腔中通过改变偏振态对产生孤子类型的影响。调Q脉冲在一个0.5 m长的增益光纤和一个50:50的光耦合器的腔中获得。调Q脉冲的重复频率为67.1-100 kHz,对应的脉宽为4.5-1.8 μs。另一个腔中利用0.75 m长的增益光纤和40:60的光学耦合器,可以获得锁模脉冲。通过改变偏振态获得的锁模脉冲有传统孤子、束缚态孤子和谐波脉冲。其中,基频为8.3 MHz的传统孤子脉冲其3-dB谱宽为2.7 nm,对应的脉宽为964 fs。其次,束缚态孤子的光谱调制周期为1.2 nm,与自相关轨迹中的调制周期6.4 ps相对应,而脉宽为882 fs。最后,所获得的最高为31阶的谐波脉冲的3-dB谱宽为2.9 nm,对应的脉宽为887 fs。
其他文献
学位
高寒草甸生态系统是青藏高原最为重要的自然生态系统之一,在全球变化和人类活动引起世界范围内物种多样性丧失,青藏高原生态环境面临日益严重的退化威胁的生态背景下,开展有关高寒草甸群落时间稳定性及其影响因素以及稳定性维持机制的相关研究十分必要。随着许多实证研究证据的报道,生态学家发现群落中的正相互作用可能同竞争负相互作用一样普遍,并同样对群落构建有显著影响。以往关于时间稳定性机制的验证研究很少涉及对弱相互
学位
目的:探讨人文关怀结合安宁疗护对晚期肿瘤病人心理状态及自尊水平的影响。方法:选择本院收治的晚期肿瘤病人84例为研究对象,采用随机数字表法分为两组,每组42例。对照组采取常规护理干预,观察组在此基础上采取人文关怀结合安宁疗护,观察3个月。比较两组心理状态、自尊水平、癌性疼痛程度、癌因性疲乏、生活质量及病人满意度。结果:两组干预前症状自评量表(SCL-90)、自尊量表(SES)、视觉模拟评分(VAS)
学位
学位
学位
学位
学位
语音识别技术是将语音转换为文字的过程,它涉及声学、信号处理和模式识别等多个交叉学科。在语音识别研究中,提取可表示信号的深层特征、建立强大的声学模型和使用准确有效的解码算法对提高识别率都至关重要。传统的语音识别系统由高斯混合模型与隐马尔科夫模型构成,随着深度学习技术的成熟,以及计算设备性能的提升,语音识别技术逐渐发展为基于神经网络与隐马尔科夫模型的混合系统。端到端语音识别技术仅通过使用神经网络实现声