激光在大气中传输特性

news2024/11/26 1:23:25

在光纤通信中,单模光纤在波长1.55μm窗口具有巨大的潜在带宽和极低的损耗,传输数字信号的容量已能达到10Tb/s,每信道光源功率仅需1mW左右,无中间放大的距离超过100km。而且,光纤作为光波导,红外光在其内部传输,不会向外辐射,对邻近光纤不会发生干扰,对人们的眼睛和身体不会造成伤害。与此相反,光无线系统的光源向自由空间大气发射,遭受的损耗较大,因而所需功率大大高于光纤通信用光源,但为防止对人眼引起伤害,必须对其功率进行适度控制,通常为几十毫瓦。而且光传输到接收端进行检测时,必定会有较大的耦合损耗,因此传输距离不能太长。由此可见,原来已很成熟的光纤通信技术不能完全照搬至光无线通信系统。

大气和地面对太阳光的散射形成的背景辐射,对激光大气通信的接收器来说是一个强的噪声源,如果阳光直射到探测器上,将会使误码率达到很高。 太阳辐照度的光谱可以用一个色温为5762K的黑体来表示,如下图所示。其辐照度光谱主要集中在400~750nm的可见光范围内,峰值在500nm左右。 对于常用的激光波段,800nm波段的辐射强度约为峰值的1/2,1060nm波段的辐射强度约为峰值的1/3,1500~1600nm波段的辐射强度约为峰值的1/10,在紫外波段,300nm波段附近辐射降到峰值的1/10以下,波长进一步缩短时,太阳的辐照度迅速下降。 显然,为减小背景辐射的影响,不宜采用可见波段的激光,紫外和红外光是可选择对象。
在这里插入图片描述
大气透过率是选择激光波长时需考虑的一个重要因素。 地球表面的大气层中存在着多种气体以及各种微粒,如尘埃、烟、雾、小水滴等。还可能要发生各种复杂的气象现象,如雨、雾、 雪、风等。这些因素,对光波有衰减作用,会使激光能量大大减小,或者使激光偏离原来的传输方向,破坏了激光原有的特性。单色光的大气透过率可表示为:
τ ( λ , z ) = P ( z ) P ( 0 ) = e − σ ( λ ) z \begin{equation}τ(λ,z)=\frac{P(z)}{P(0)}=e^{-σ(λ)z}\end{equation} τ(λ,z)=P(0)P(z)=eσ(λ)z
公式中 P ( 0 ) P(0) P(0)为光源处的激光功率, P ( z ) P(z) P(z)为传输距离 z z z处的激光功率, σ ( λ ) σ(λ) σ(λ)为大气总的衰减系数,它由四个部分组成:
σ ( λ ) = σ m + σ a + K m + K a \begin{equation}σ(λ)=σ_m+σ_a+K_m+K_a\end{equation} σ(λ)=σm+σa+Km+Ka
上述公式 σ m σ_m σm为气体分子或瑞利散射系数, σ a σ_a σa为气体中的悬浮微粒或米式散射系数, K m K_m Km为分子吸收系数, K a K_a Ka为悬浮微粒的吸收系数。
大气吸收是将辐射能量转换成大气组成分子的运动。 大气中对太阳辐射的主要吸收体是水蒸汽、二氧化碳和臭氧。这些气体分子或蒸汽分子的吸收是具有选择性的。 能见度大于31km 的极晴朗天气下,如图所示,波长从 0.3~5μm,不同天顶角时穿过整个大气层的透射率。 在小于300nm 的紫外波段,大气的透过率急剧下降。 显然, 紫外激光也不利于激光在大气中传输。 对于常用的红外激光波段,810~860nm、980~1 060nm 和1550~1600nm 波段都是良好的大气窗口。
在这里插入图片描述
大气的散射是由大气中不同大小的颗粒的反射或折射所造成的,这些颗 粒包括组成大气的气体分子、灰尘和大的水滴。 纯散射没有能量的损失,它只是改变了能量的分配方向。 大气对光的散射主要有瑞利散射、米氏散射和非选择性散射( 又称几何散射) 。当散射颗粒的大小比辐射波长小得多时,会发生瑞利散射,瑞利散射系数与波长的四次方成反比; 当散射颗粒的大小可以与辐射波长相比拟时,会发生米氏散射。 瑞利散射和米氏散射都具有波长选择性,波长越长散射越小。 米氏理论适用于如小雨、雾滴、霾等球形粒子。 一般说来,对于半径r≤0.3μm的粒子,波长在1μm附近,瑞利定律的误差≤1%, 当粒子半径r>0.3μm时,须采用米氏定律。当粒子半径比辐射波长至少大40μm 时才出现非选择性散射。低层大气的主导衰减仅是米氏散射。这时衰减系数 σ ( λ ) σ(λ) σ(λ)可以用与能见度有关的经验公式表示,其形式为:

σ ( λ ) = 3.91 V ( λ 550 ) − q \begin{equation}σ(λ)=\frac{3.91}{V}(\frac{λ}{550})^{-q}\end{equation} σ(λ)=V3.91(550λ)q
公式(3)中, V V V表示能见度(km), λ λ λ为传输波长(nm)。 q q q与能见度有关,较传统的观点认为他们之间的关系如下:

q = { 1.6 ( V > 50 km ) 1.3 ( 6 < V < 50 km ) 0.585 V 1 / 3 ( V < 6 km ) \begin{equation}q=\left\{ \begin{aligned} 1.6 & &(V>50\text{km}) \\ 1.3 & & (6<V<50\text{km})\\ 0.585V^{1/3} & & (V<6\text{km}) \end{aligned} \right.\end{equation} q= 1.61.30.585V1/3(V>50km)(6<V<50km)(V<6km)
由(4)式,人们推断1550nm的光在任何天气情况下的衰减系数都比785nm的光小,然而文献报导实验情况并非如此。在阴霾天及更好的天气情况下1550nm的衰减系数确实比785nm 的光小,但是在雾天,两者的衰减系数是一样的。当能见度小于500m时,衰减系数与波长无关,即产生非选择性散射。 因此他们将 q q q值修正为:

q = { 1.6 ( V > 50 km ) 1.3 ( 6 < V < 50 km ) 0.16 V + 0.34 ( 1 < V < 6 km ) V − 0.5 ( 0.5 < V < 1 km ) 0 ( V < 0.5 km ) \begin{equation}q=\left\{ \begin{aligned} 1.6 & &(V>50\text{km}) \\ 1.3 & & (6<V<50\text{km})\\ 0.16V+0.34 & & (1<V<6\text{km})\\ V-0.5 & & (0.5<V<1\text{km})\\ 0 & & (V<0.5\text{km}) \end{aligned} \right.\end{equation} q= 1.61.30.16V+0.34V0.50(V>50km)(6<V<50km)(1<V<6km)(0.5<V<1km)(V<0.5km)
把公式(3)带入到公式1,可以得到:
τ ( λ , z ) = P ( z ) P ( 0 ) = e − 3.91 V ( λ 550 ) − q z \begin{equation}τ(λ,z)=\frac{P(z)}{P(0)}=e^{-\frac{3.91}{V}(\frac{λ}{550})^{-q}z}\end{equation} τ(λ,z)=P(0)P(z)=eV3.91(550λ)qz
公式(6)非常清晰地描述了透过率是由哪些因素决定的。下图展示了雨水、雾等典型颗粒的部分参数:

在这里插入图片描述
衰减源自空气中气溶胶和分子的吸收和散射,吸收部分其实很少,主要是散射。散射类型是由粒径尺寸和激光波长决定的,这里可以定义一个新变量 α \alpha α,表示为:
α = 2 π r λ \begin{equation}\alpha=\frac{2\pi r}{λ}\end{equation} α=λ2πr
对于785nm和1550nm的激光波长, α \alpha α和粒径尺寸参数的关系可以表示为如下图所示:
在这里插入图片描述
从图中可见,当粒径 r r r和波长 λ λ λ的大小关系呈现不同状态时,散射类型是不同的(Rayleigh、Mie和Non-selective/Geometrical)。所以波长越大,散射系数 σ \sigma σ越小,透射率就越高。关于大气散射的波长依赖性(wavelength dependence),定义了一个散射效率系数 Q Q Q,表示为:
Q = C 2 π r \begin{equation}Q=\frac{C}{2\pi r}\end{equation} Q=2πrC
r r r代表粒子半径。散射效率是粒径的函数,下图表示的就是785nm波长激光在反射率 σ \sigma σ为1.33是水粒子的散射效率。
在这里插入图片描述
如果散射粒子半径分布式确定的,整个散射系数 σ \sigma σ可以通过把每个粒径尺寸分布进行求和得到:

σ s c a t = ∑ i n i Q i π r i 2 \begin{equation}\sigma_{scat}=\sum\limits_{i}n_iQ_i\pi r_i^2\end{equation} σscat=iniQiπri2其中, n i n_i ni表示第 i i i个粒子的分布。雾(fog)的粒径分布如下图所示:

在这里插入图片描述还可以针对已知粒径分布基于完整的Mie计算理论确定波长依赖性,一个流行的分析大气粒径分布模型是由Deirmendjian修改的gamma分布模型。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/181194.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

PostSharp Ultimate添加模式和线程安全

PostSharp Ultimate添加模式和线程安全 PostSharpUltimate允许开发人员通过将重复的工作从人身上转移到机器上&#xff0c;从而消除样板代码。它包含最常见模式的现成实现&#xff0c;并为您提供了为自己的模式构建自动化的工具。开发人员通常根据设计模式进行思考&#xff0c;…

Go语言基础入门第一章

Go语言基础入门 Go语言的logo 为什么需要一个新的语言最近十年来&#xff0c;C/C在计算机领域得到了很好的发展&#xff0c;并没有新的系统编程语言出现。对开发程度和执行效率在很多情况下并不能兼得。要么是执行效率高&#xff0c;但是低效的开发和编译&#xff0c;如C&…

Redux Toolkit + React + Tailwind CSS 学习心得

Redux Toolkit React Tailwind CSS 学习心得 预览地址&#xff1a;https://goldenaarcher.com/movie-app-home-only&#xff0c;只实现了一个简单的首页功能&#xff0c;API 用的是 the Movie Database&#xff0c;不想用 API 的也可以装一个 faker-js/faker 用来随机生成伪…

学生护眼灯怎么选择?分享适合学生的护眼灯

现阶段的青少年与儿童的近视率非常高&#xff0c;选择一款好的台灯能够保证双眼的健康&#xff0c;首先先看亮度是否合理&#xff0c;不能刺眼&#xff0c;选择三基色灯管&#xff0c;光很柔和&#xff0c;看频闪&#xff0c;好的护眼台灯可以做到无可视频闪&#xff0c;是的视…

移动web适配和Less

移动web适配和Lessrem 适配rem 单位媒体查询flexible.js如何把设计稿的px转换为remLESSLess注释less 运算less 嵌套less 变量less导入less 导出控制当前Less文件导出less 禁止导出小结rem 适配 rem 单位 rem 是一个相对单位&#xff0c;1rem 就是 html 文字的大小 比如 /* …

Java基础10:常用API

Java基础10&#xff1a;常用API一、Math二、System1. currentTimeMillis2. arraycopy三、Runtime四、Object1. toString2. equals3. clone五、Objects六、BigInteger1. 构造方法&#xff08;获取BigInteger&#xff09;2. 常用方法七、BigDecimal1. 构造方法&#xff08;获取Bi…

计算机相关专业混体制的解决方案(考公务员)

文章目录序&#xff1a;编制介绍1、公务员报考要求2、公务员工作待遇3、公务员工作内容4、公务员报考复习序&#xff1a;编制介绍 编制介绍&#xff1a;编制&#xff0c;也就是常说的铁饭碗。 编制的诞生为了控制吃财政饭的人员数量无限膨胀而设置的&#xff0c;所以名额有限受…

密码学基本概念

密码学简介 密码是经过加密过后的口令&#xff0c;是指用特定的变换对数据信息进行加密保护或者安全身份认证的物质和技术&#xff0c;密码学是对安全通信技术的研究&#xff0c;要能够有效的防范潜在攻击&#xff0c;也就是对信息加密解密的过程。 密码基本性质 密码学的发展…

CSS3 选择器 :nth-child 与 :nth-of-type 区别

一、:nth-child 1.1 说明 :nth-child(n) 选择器匹配属于其父元素的第 N 个子元素&#xff0c;不论元素的类型。n 可以是数字、关键词或公式。 注意&#xff1a;如果第 N 个子元素与选择的元素类型不同则样式无效&#xff01; 1.2 示例 <style> div>p:nth-child(2…

1行Python代码识别身份证信息,还能自动告警,YYDS

大家好&#xff0c;这里是程序员晚枫。 录入身份证信息是一件繁琐的工作&#xff0c;如果可以自动识别并且录入系统&#xff0c;那可真是太好了。 今天我们就来学习一下&#xff0c;如何自动识别身份证信息并且录入系统~ 识别身份证信息 识别身份证信息的代码最简单&#x…

【金融量化】CTA策略之VeighNa量化实战笔记(1)

量化投资实战笔记 1 基本概念 1、一手股票&#xff1a;100支股票 2、收盘比开盘上涨的百分比&#xff1a;&#xff08;收盘-开盘&#xff09;/开盘 3、开盘比前日收盘的百分比&#xff1a;&#xff08;开盘-前日收盘&#xff09;/前日收盘 4、从dataframe中取每个月的第一天 …

Hgame-week 1(部分)

标题MISCSing InWhere am I神秘的海报e99p1ant_want_girlfriendWEDClassic Childhood Game改源码直接看jsBecome A MemberUser-Agent:Cookie:Referer:X-Forwarded-For:json请求方式登陆Guess Who I AmCRYPTO神秘的电话注意大小写REVERSEtest your IDAMISC Sing In aGdhbWV7V2…

【GPLT 二阶题目集】L2-027 名人堂与代金券

对于在中国大学MOOC&#xff08;http://www.icourse163.org/ &#xff09;学习“数据结构”课程的学生&#xff0c;想要获得一张合格证书&#xff0c;总评成绩必须达到 60 分及以上&#xff0c;并且有另加福利&#xff1a;总评分在 [G, 100] 区间内者&#xff0c;可以得到 50 元…

二十、Gtk4-GtkMenuButton, accelerators, font, pango and gsettings

本节将重新构造Tfe文本编辑器。 在工具栏上放置了打开、保存和关闭按钮。此外&#xff0c;GtkMenuButton被添加到工具栏中。当点击这个按钮时会显示一个弹出式菜单。在这里&#xff0c;弹出式的含义很广泛&#xff0c;包括下拉式菜单。新建、另存为、偏好和退出项目被放入菜单…

Java IO流之序列化流

序列化流/对象操作输出流 可以把Java中的对象写到本地文件中 序列化流的小细节 使用对象输出流将对象保存到文件时会出现NotSerializableException\color{#FF0000}{NotSerializableException}NotSerializableException 异常 解决方案&#xff1a;需要让JavaBean类实现Serializa…

【树】二叉树递归遍历和创建

二叉树的遍历二叉树的遍历是将二叉树的每个结点访问且访问一次遍历按根来说常用三种设访问根结点记作V&#xff0c;遍历根的左子树记作L&#xff0c;遍历根的右子树记作R&#xff1b;有&#xff1a;先序遍历VLR&#xff0c;中序遍历LVR&#xff0c;后序遍历LRV。这个遍历是递归…

设计模式 - 六大设计原则之ISP(接口隔离原则)

文章目录概述CaseBad ImplBetter Impl概述 接口隔离原则&#xff08;Interface Segregation Principle, ISP&#xff09;,要求尽量将臃肿庞大的接口拆分成更小的和更具体的接口&#xff0c;让接口中只包含相关的方法。 接口隔离是为了高内聚、低耦合。 在实际的开发中&#x…

Altova MobileTogether 8.1

Altova MobileTogether 8.1 使用RecordsManager进行无代码开发的主要更新 可视化配置复杂条件的主要脚本扩展。 分层用户组。 客户端之间的UI兼容性模式 当开发人员希望应用程序在所有平台上看起来都一样&#xff0c;而不是使用每个平台的原生外观时&#xff0c;现在可以使用新…

蓝桥杯刷题016——最大子矩阵(尺取法+单调队列)

题目来源&#xff1a;最大子矩阵 - 蓝桥云课 (lanqiao.cn) 问题描述 小明有一个大小为 NM 的矩阵, 可以理解为一个 N 行 M 列的二维数组。 我们定义一个矩阵 m 的稳定度 f(m) 为f(m)max(m)−min(m), 其中 max(m) 表示矩阵 m 中的最大值, min(m) 表示矩阵 m 中的最小值。 现在小…

朴素贝叶斯分类

一、朴素贝叶斯法原理 1.基本原理 朴素贝叶斯法(Naive Bayes)是一种基础分类算法&#xff0c;它的核心是贝叶斯定理条件独立性假设。贝叶斯定理描述的是两个条件概率之间的关系&#xff0c;对两个事件A和B&#xff0c;由乘法法则易知(A∩B)P(A)P(B│A)P(B)P(A│B)(A∩B)P(A)P(…