Optoelectronics

Matrix Optics 「矩阵光学」

光学元件的传播矩阵

小坑待填.

光线在周期系统的位置轨迹

其中 为周期系统的传播矩阵。

进而得到

整理得

其中 .

尝试解 , 可得

其中 满足 .

可见，传递矩阵的 带来幅值增益，其 带来相位增益。

3D Holography

This is a project that I have spent at least three months. I learnt a lot from it, and is digging deeper.

Big thanks to my seniors Zhongyuan Guo and Zhaoyu Gong for their guidance. Thanks to my teacher Xing Chen for his careful instructions.

Course

I finally made a Matlab application and we can get a stereo view of an object after encoding it and put on an SLM. I have put the code on Github here.

Some thoughts about holography are put here.

Below is a brief course article:

Competition

We competed in Zhejiang Physics Innovation Competition. Below are the research article and speech powerpoint.

光电材料笔记

记录一些在光学材料与元件制造课程中的整理和总结。

光学玻璃

• 无规网络学说

  • 网络形成体
  • 网络中间体
  • 网络外体

• 命名与化学成分

  • 折射率
  • 阿贝数
  • 相对部分色散

物理光学笔记

记录一下自己在学习物理光学过程中的思考和总结。

光的电磁理论基础

光波的傅立叶分析

实际光波是一个波列。波的单色性和波列长度有关。

有效空间频率范围

有效波长范围

时间频率范围

随机过程复习总结

随机过程课程的复习总结笔记。

1. Markov 过程

状态转移矩阵

CK方程：

常返和暂留

常返：状态 出发有限次可回

常见考点：求出所有互达等价类，各状态的周期和常返性，计算所有正常返态的平均回转时，计算极限概率

是否常返：

• 有限马尔可夫链可以利用闭互达等价类直接判断：如果状态空间 有限，则状态 常返当且仅当 的互达等价类是闭的，且这时 一定是正常返

• 利用互达等价类减少计算：若状态 和 互达，则 （周期相等）， 常返/正常返当且仅当 常返/正常返

• 通过计算来判断：计算 , 常返， 暂留。其中 是 出发在第 步首次击中 的概率。对于非封闭的互达等价类，通过计算 说明暂留性。

• 是否正常返：计算平均回转时 , 看是否有限, 若无限则为零常返

极限概率：

• 利用平稳分布
• 若状态 为暂留或零常返，则对所有 ,

平稳分布

初始分布与一步分布相同：。

比如： , 是指从初始状态 一步后到 再从 以 概率回到 ， 一步后到 再从 以 概率回到 。

对互达等价类（不可约状态集）的计算：

• 闭的 正常返 平稳分布存在且唯一，
• 若为非周期正常返，则任何状态

吸收概率和平均吸收时间

用递推的思想。

设 表示从状态 出发在有限时间内能访问状态 的概率，其中 为首次访问状态 的时间，有 .

设 表示从 出发首次访问 的平均步数，有 .

2. 独立增量过程

泊松过程

定义

• 独立增量过程

• 

• 

• 

数字特征

• 均值
• 方差
• 自协方差函数
• 自相关函数

推广

• 合成、分解后依旧是泊松过程

• 非齐次：

• 为强度 的泊松过程 时间间隔 相互独立，且服从均值为 的指数分布

布朗运动

特殊的正态过程

定义

• 独立增量过程

• 

• 

数字特征

对标准布朗运动

推广

是标准布朗运动，则：

• 也是
• 也是
• $\widetilde B(t)=t\displaystyle B(\frac 1 t) $ 也是 （定义 处为 ）

布朗桥过程：

• 
• 
• 
• 对

首中时间相关

3. 平稳过程

宽平稳过程

• 均值为常数
• 自相关函数只和时间差有关

各态历经性

记

• 均值各态历经性：
• 自相关函数各态历经性：
• （宽）各态历经过程：均值函数和自相关函数都有各态历经性

重要推论：

若 $\lim\limits_{\tau\to\infty} R_X(\tau) $ 存在，则 对均值具有各态历经性当且仅当

频率域表述

• 平均功率

• 维纳-辛钦公式： 和 互为傅立叶变换对

常用变换：

TP-LINK电子设计竞赛校赛总结

日记

2020.8.24–25 和国学长还有王晓雯一起参加电赛校赛，刚刚结束了电子设计小学期，趁热打铁一波。光电还有一组，是谢昊、雷学姐和沈学姐，大家一起，真的很开心。

这是电子系统设计课程的项目。

C代码及部分说明我放到了GitHub （时间太紧张了，来不及整理）

关于PCB设计原理的思考直接写到了报告中：

C++ Notes

C++学习笔记，主要是华为海思的动作识别项目中用到C++，边用边学边用边记笔记。

代码风格

This is a note for my work in holography field.

全息

什么是全息？

一种信息的记录方式罢了。

1971年拿了诺奖。

Laser Holography

I started doing semi-conductor holography with my roommates and Jiahao Jiang who has graduated now in our Sophomore year.

Here is the link to that project.

I have to say that I forget most of the details, but configuring my own fixer and developer (显影液和定影液) and building the optic path and finally seeing the results is a procedure that has no technical content but somehow a sense of accomplishment.

全息的路艰难而漫长，但是充满有趣与理想。我想，还是不写蹩脚的英文了，用中文回顾一下我的所思所想。

This is a note for image-matching things in the deep learning field.

Started this in 2020’s summer and it is a part of an SRTP project regarding an AR app with Haojie He and Lingming Zhang.

SuperPoint & SuperGlue

Overview

SuperPoint is a great feature extractor.

SuperGlue is a good image-matching network based on features extracted from images.

It is a really nice project by Magic Leap.

I did a little simplification and put the code here.

Experience and thoughts

For SuperPoint, I think it is a mature network and can be used as a helpful feature extracting tool. (And there are some wonderful tricks in the code! )

For SuperGlue, I didn’t quite get the key to it, such as the Attention Network and the Encoding Method.

In addition, it is quite hard to transfer models from SuperGlue. I have already transferred SuperPoint into Libtorch code, which can be used in C++. It is also easy to transfer to ONNX or other frameworks. However, I suffered greatly in transferring SuperGlue into libtorch code or ONNX. Hence the SuperGlue can work fine on Python but has some difficulty ( for me ) to be deployed.

So I think, later on, I will find a more simple ( hopefully, also more powerful ) matching network so that it can be easily deployed. Or maybe I can create my own networks and do some training.