✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
一、承载轨道角动量的涡流束:光学领域的 “螺旋使者”
在现代光学研究中,承载轨道角动量(Orbital Angular Momentum, OAM)的涡流束是具有特殊相位分布与传播特性的光束,其独特的 “螺旋形波前” 结构打破了传统高斯光束的球面波前局限,为光通信、量子计算、微观操控等领域提供了全新技术路径。
1.1 涡流束的基本特性与相位分布
涡流束的核心特征是波前螺旋性与相位奇点:
- 相位奇点:在光束中心(光轴处),相位呈现 “不确定性”,即相位值无法定义,此处光强为零,形成一个黑色 “暗核”,这是涡流束与普通光束的最直观区别;
- 螺旋相位分布:其相位随方位角 θ 的变化满足 φ(θ) = lθ,其中 l 为整数或半整数,描述了波前绕光轴旋转的 “圈数”,也是后续将重点探讨的拓扑电荷。例如,当 l=1 时,光束传播一周(θ 从 0 到 2π),相位变化 2π,波前形成 1 圈螺旋;当 l=2 时,相位变化 4π,波前形成 2 圈螺旋。

1.2 轨道角动量的物理本质
光的角动量分为自旋角动量(Spin Angular Momentum, SAM) 与轨道角动量(OAM):
- 自旋角动量与光的偏振状态相关,仅存在 ±ħ(ħ为约化普朗克常数)两个取值,对应左旋圆偏振与右旋圆偏振;
- 轨道角动量则与光束的空间相位分布(螺旋波前)相关,其取值为 lħ,l 即为拓扑电荷。理论上,l 可取值为任意整数(或半整数,对应非整数涡旋),这意味着涡流束的轨道角动量具有 “无限维” 特性 —— 不同 l 值对应相互正交的 OAM 模式,为高密度光通信(如 “复用传输”)提供了关键基础。
例如,在光通信中,可将不同信息编码到 l=0、l=1、l=2 等不同 OAM 模式的涡流束中,在同一光通道内实现多路信号并行传输,大幅提升通信容量。
二、涡流束的拓扑电荷:定义、特性与测量
拓扑电荷(Topological Charge, TC)是描述涡流束螺旋波前 “旋转程度” 的核心物理量,其取值与符号直接决定了涡流束的传播特性、相位分布及应用场景,是理解涡流束光学行为的关键。
2.1 拓扑电荷的定义与物理意义
拓扑电荷 l 的本质是波前绕光轴旋转的拓扑不变量:
- 从拓扑学角度看,涡流束的波前可视为 “缠绕在光轴上的螺旋面”,拓扑电荷 l 表示螺旋面的 “缠绕数”—— 沿光轴方向观察,l 为正时,波前顺时针旋转;l 为负时,波前逆时针旋转;
- 从角动量角度看,单个光子携带的轨道角动量为 lħ,因此拓扑电荷 l 直接决定了光子 OAM 的大小与方向。例如,l=3 的涡流束中,每个光子携带 3ħ的轨道角动量,可用于驱动微观粒子旋转(如 “光学扳手”)。
需特别注意的是,拓扑电荷具有拓扑不变性—— 在不破坏相位奇点(即不使暗核消失或分裂)的前提下,即使光束经过透镜、棱镜等光学元件,拓扑电荷的数值与符号也不会改变。这一特性是涡流束在复杂光学系统中稳定应用的重要保障。
2.2 拓扑电荷的取值范围与分类
根据取值的不同,拓扑电荷可分为整数拓扑电荷与非整数拓扑电荷:
- 整数拓扑电荷(l∈Z):最常见的涡流束类型,波前为 “连续螺旋面”,相位奇点为 “点奇点”(光轴处一个暗核)。例如,l=0 对应高斯光束(无螺旋波前,可视为特殊的涡流束),l=±1、±2 等对应标准涡流束,广泛应用于光通信、粒子操控;
- 非整数拓扑电荷(l∉Z):也称为 “分数涡旋”,波前为 “不连续螺旋面”,相位奇点会分裂为多个 “分数奇点”,形成多个暗核。例如,l=1/2 的涡流束,波前绕光轴一周后相位变化 π,暗核会分裂为两个对称分布的点。非整数涡旋在量子光学(如量子纠缠态制备)中具有特殊应用,但由于波前不连续,传播稳定性较差,实际应用场景较少。
2.3 拓扑电荷的测量方法
准确测量拓扑电荷是涡流束应用的前提,目前主流方法基于 “相位分布提取” 或 “远场衍射图案分析”,以下介绍两种典型方法:
2.3.1 干涉法:通过干涉条纹判断拓扑电荷
利用涡流束与参考光束(如平面波、高斯光束)的干涉,产生具有特定条纹结构的干涉图案,通过条纹的 “旋转方向” 与 “条纹数” 计算拓扑电荷:
- 实验原理:将涡流束与平面波沿同一方向传播并叠加,干涉条纹的相位分布为 φ_total = lθ + kx(x 为平面波传播方向的横向坐标),条纹形状为 “旋转的直线”;
- 判断方法:沿光轴方向观察,若条纹顺时针旋转,l 为正;若逆时针旋转,l 为负。条纹的旋转周期与 l 的绝对值相关 ——l 的绝对值越大,条纹旋转越密集,通过计数条纹旋转的 “周期数” 可直接得到 | l|。例如,l=2 的涡流束与平面波干涉,条纹会形成 2 个完整的旋转周期。
⛳️ 运行结果



📣 部分代码
mber
Z=120*pi; % wave impedance
Volume=1;
an=(Volume/(pi*4/3)).^(1/3);
TL=3; % Topological charge
%% number and position of source points
N=12; % *** number
% radius and angle
radius= 0.5; % *** radius
theta=linspace(0,2*pi-2*pi/(N),N);
[x00,y00]=pol2cart(theta,radius);
%% sampling the observation area at xoy plane
delta=0.2; % step ***
size=8; % xoy range ***
% xoy plane
xo=-size:delta:size-delta;
yo=-size:delta:size-delta;
zo=2; % z coordinate of observation plane
% size
🔗 参考文献
1. Wei E.I. Sha, Zhihao Lan, Menglin L.N. Chen, Yongpin P. Chen, and Sheng Sun, “[Spin and Orbital Angular Momenta of Electromagnetic Waves: From Classical to Quantum Forms](https://doi.org/10.1109/JMMCT.2024.3370729),” IEEE Journal on Multiscale and Multiphysics Computational Techniques, vol. 9, pp. 113-117, Mar. 2024.
2. Ling-Jun Yang, Sheng Sun, and Wei E.I. Sha, “[Manipulation of Orbital Angular Momentum Spectrum Using Shape-Tailored Metasurfaces](https://doi.org/10.1002/adom.202001711),” Advanced Optical Materials, vol. 9, pp. 2001711, Jan. 2021.
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌟 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化
🌟 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌟 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化
🌟 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、
🌟 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统(BMS)SOC/SOH估算(粒子滤波/卡尔曼滤波)、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进(扰动观察法/电导增量法)、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
711

被折叠的 条评论
为什么被折叠?



