绿光泵浦的克尔透镜锁模翠绿宝石激光器研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:happysanban
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
翠绿宝石晶体是一种宽带可调谐激光晶体,具有硬度高、热导率高、抗光学损伤能力强的优异光学性质。该晶体的发射光谱位于700-900 nm之间,在超短脉冲的产生与波长调谐等方面具有极大的优势,可被广泛应用于遥感雷达、光电对抗、激光美容、激光精密加工等领域。同时,翠绿宝石晶体的吸收光谱覆盖400-700 nm,蓝光、绿光、黄光和红光波段的光源均可选作翠绿宝石激光器的泵浦源。不同波段的泵浦源有不同的优势,选用蓝光作为泵浦源时,激光器可以获得更宽的发射光谱;选用黄光或红光作为泵浦源时,激光器量子效率更高,有望获得高平均功率输出;光束质量好、输出功率高的绿光光源更适合作为翠绿宝石锁模激光器的泵浦光源,尤其是作为克尔透镜锁模激光器的泵浦光源。本论文探究了翠绿宝石晶体的物理与光学性质,以超短脉冲产生的理论基础,对克尔透镜锁模翠绿宝石全固态激光器开展理论与实验研究,主要工作与创新点如下:1.探究了翠绿宝石晶体的物理与光学特性。研究了晶体的物理特性、光谱特性和折射率、晶体色散曲线和温度特性等相关的光学性质。根据晶体的基态吸收与激发态吸收特性,建立了翠绿宝石激光器激光理论模型。基于激光器的理论模型考虑能级速率方程适配性,计算了谐振腔斜效率、内部损耗等参数;2.开展了翠绿宝石激光器连续激光特性研究。泵浦源使用最高输出功率为10 W,中心波长为532 nm的绿光激光器;增益介质选择0.2 at.%掺杂浓度,10 mm长的翠绿宝石晶体;腔型结构选用X型折叠腔。在10 W泵浦功率下,获得了平均功率1.4 W的连续激光输出,斜效率为17%。谐振腔内插入熔石英材质的三棱镜进行波长调谐,实现了731-789 nm波长范围内连续调谐,最大调谐宽度为58 nm;3.设计了克尔透镜锁模翠绿宝石激光器。选用掺杂浓度为0.22 at.%、长度为3mm的翠绿宝石晶体作为增益介质,通过棱镜对补偿腔内色散的方式,在泵浦光功率10 W时,在中心波长749 nm处,实现了稳定的锁模脉冲输出,平均功率为369 m W,脉冲宽度为105 fs,光谱半高全宽为6.3 nm,相应的时间带宽积为0.354,输出脉冲的重复频率为92 MHz。这是目前国内首次报道的绿光泵浦的克尔透镜锁模翠绿宝石飞秒激光器。
其他文献
工业作为立国之本、强国之基。随着科学技术的稳步前进促使工业自动化逐步实现,在提高了生产力的同时,也使人力资源得到了高效利用。工业仪表作为机械运作的性能检测设备,已在各个领域普遍应用。监测工业仪表数据是保障机械安全、正规运作的必要环节。然而,大量企业及大小型工厂中均采用人为检测记录数据。这对企业来说,不仅带来高额的人力成本、造成生产效率较低,并且有时会在特殊环境下可能为人员带来意外安全隐患。因此在当
学位
目标跟踪技术在军用和民用领域都有很重要的研究意义,如军事领域中对敌机群的实时跟踪技术、对敌方导弹的跟踪拦截技术等,在民用领域中的无人驾驶技术、人脸识别技术等。本文主要针对目标跟踪领域中的多目标跟踪、航迹关联、航迹预测和航迹中断补全问题进行了研究,具体的研究内容如下所述:首先,研究了基于随机有限集(Random Finite Set,RFS)的多目标跟踪问题,阐述了目标运动模型和卡尔曼滤波算法,接下
学位
随着信息时代的不断发展,各类应用软件的问世给人类的日常生活带来了巨大的便利。但是随着软件需求的不断增长,软件开发的迭代次数也日益增加,在迭代过程中无法避免地会产生各式各样的缺陷。进行软件测试有可以重现和记录缺陷,进而改正缺陷,但是过度的测试工作会导致大量时间和人力成本的浪费。研究者们提出利用软件缺陷预测技术,通过软件的特征属性和缺陷数据构建预测模型来预测软件缺陷,它有助于合理分配人力和时间成本,提
学位
强大的军事实力是国家安全的坚实保障,在和平年代通常采用军事演习的方式来提升部队的作战能力,然而军事演习的成本较高,且无法重演作战方案,灵活度较低。在仿真技术不断发展的背景下,人们逐渐倾向于通过对抗仿真来进行演习,与传统的演习相比它的优势是成本低、安全以及可重复。仅需构建对抗仿真系统,即可模拟战场对抗环境,对作战过程、指挥决策过程进行仿真推演,并且能够实时地评估战场,比较各种作战方案的优劣,提高指战
学位
在现实生活中,多元时间序列数据存在于各个领域,在各行各业的分析预测中都起到了重要作用。这些研究领域涉及到了天气预测,以帮助农业种植和航空窗口预测;涉及到金融领域,以帮助股票分析和宏观政策制定等等。在过去,已经提出了很多的多元时间序列预测算法。最初应用于多元时间序列预测的方法是基于统计学的,而后随着深度学习的快速发展,很多深度学习算法也被应用到了这一领域。在众多的深度学习算法在多元时间序列预测领域的
学位
随着信息技术的日益发展,网络上的信息数据在迅猛增长的同时,也产生大量垃圾信息,导致人们无法及时有效的发现他们感兴趣的信息。推荐系统基于用户交互记录过滤无关信息,并向用户推送他感兴趣的信息,能够有效解决信息过载问题。但是传统推荐方法存在数据稀疏问题,而知识图谱能够结构化的组织和管理互联网中海量的实体信息和实体间的关系信息。因而,基于知识图谱的推荐方法成为研究热点。然而,现有使用知识图谱进行推荐的研究
学位
小样本学习期望构建一个仅训练少量带标签样本即可完成相应任务的网络模型,从而避免一般深度学习算法的大量数据收集与标记问题。细粒度图像分类意为对图像进行子类细分,由于其类内差异大而类间差异小的特点,采用传统强监督抑或弱监督的深度学习算法均成本高昂且效果不理想。而小样本学习算法无需大量样本与额外标注信息,能够在细粒度图像样本数量极少情况下,达到可观的分类性能。本文的主要工作内容如下:深入研究了现有基于度
学位
遥感图像语义分割作为重要的计算机视觉任务,其任务是在高维特征图上提取语义信息,在像素级别上对汽车、建筑、道路、树木等物体进行密集预测,常应用于地质探勘、辅助地图绘图等现实场景。在过去几年,基于CNN(Convolutional Neural Network)的遥感图像语义分割方法提升不大,其问题可以归纳如下:首先,CNN会在卷积、池化过程中丢失部分细节,导致深层特征图缺乏足够信息恢复图像信息;其次
学位
群智感知作为一种新型的物联网感知模式,能够将数以万计的零散感知设备整合成一个感知网络,并在该网络上进行大规模的感知任务,以低成本的方式实现数据的收集,在环境检测、健康医疗、交通监管、应急救险等领域发挥着重要的作用。然而,感知数据通常与个人信息相关联,任务请求者通过感知数据容易推测出个人的兴趣爱好、行为习惯等,造成严重的个人隐私泄露,影响数据收集的积极性。此外,在海量感知数据中,有相当一部分数据是重
学位
无人机的民用普及性给生产生活方式带来巨大变化,同时导致一些隐私安全问题,为实现对黑飞无人机的智能化管控与反制,急需开展对无人机目标的智能分析与监视技术研究。与可见光相比,红外传感器对光照变化不敏感,可以完成无人机长时监控任务。同时,红外图像只包含灰度信息,可以保护一些私密场景中的敏感信息。然而,远距离感知无人机红外视频图像存在复杂背景干扰、目标像素有限、特征点少等问题,相似度判别困难,导致现有算法
学位