可以清楚地看到,光纤纤芯内的泵浦和信号模式强度变化很大。假设掺杂剂均匀地分布在纤芯上,则对于任何给定的光功率,the 离子将“看到”相应不同的光强度。然而,也显示出的 excitation 激发密度(橙色曲线)变化不大。(对于975 nm的泵浦波长,相关性甚至会更弱。)事实证明,输入处的激励主要由泵浦强度决定,但与强饱和度(具有激励密度)不成正比。80%以上!)。类似地,主要由那里的信号功率确定的输出端的激励曲线相对平坦。
使用我们的软件 RP Fiber Power 建立了一个准确的放大器模型,在该模型中,我们将光纤纤芯分为30个径向段。然后,该软件分别为每个径向线段计算任何 z 位置在任何 z 位置的光强度,并从中获得与径向相关的 Yb 激发。然后,它可以计算出本地信号增益和泵浦吸收。图2显示了泵浦和信号功率的变化,以及沿光纤的(横向平均)Yb 激励:
图2: 放大器中泵浦和信号功率的演变以及 Yb 激励。
可以看到,大部分泵浦功率被吸收,并且许多输入泵浦功率被转换为信号输出功率。然后,我对原始模型进行了相同的模拟,完全忽略了横向依赖性。有效地,它通过礼帽功能代替了信号和泵浦分布,在整个光纤纤芯中具有均匀的强度,而在外部则没有强度。这样就不必区分纤维芯的不同径向段。为了考虑模场与掺杂光纤纤芯的有限重叠,该软件还计算了每种模的重叠因子,从而略微减少了与 Yb 掺杂剂的耦合。您可能会感到惊讶,但结果几乎与以前一样!信号输出功率仅下降≈0.37%,
如果考虑某种程度上是人为的情况,则这种差异会变得更大,在这种情况下,我们现在将泵浦光注入 LP 11 模式,从而获得一个环形的泵浦轮廓。然后,横向依存关系就很明显了:
功率转换现在比以前明显差了,主要是因为现在可以不太有效地吸收泵浦功率,并且 Yb 激励是较大的径向位置,因此信号不能很好地利用它:
如果现在忽略横向依存关系(仅对两个场使用重叠因子),结果将发生很大变化;例如,信号输出功率从 417 mW 上升到 467 mW。本质上,这种简化消除了有害的(但现实的)方面,即泵浦优先在信号波没有那么大强度的径向位置激发 Yb 离子,因此在增益方面获利较少。
一些结论和评论
显示的结果表明、在其他情况下的经验一致,只要泵浦和信号波具有相似的横向强度分布,就可以相当安全地忽略放大器或激光模型中的横向相关性(仅使用重叠因子)。对于基本上不同的横向轮廓,情况可能并非如此。为了获得准确的结果,需要一个更复杂的模型,该模型可以正确处理横向相关性。
当然,所提到的重叠因素不应该被删除;即使它们通常不远低于1,它们通常也会显着影响结果。
使用适当的软件(例如我们的产品 RP Fibre Power),可以正确地处理横向相关性,这不仅是光强度方面的问题,而且还涉及掺杂分布方面的问题。只是用户随后必须提供更多详细信息,并且计算时间变长了。后者通常可以忽略不计,因为在普通 PC 上许多计算反而是如此之快。顺便说一句,在上面的演示中有30个径向线段实在是太过分了,但是我选择这样做是为了获得横向依存关系的图。在许多情况下,为了查看真正需要多少横向分辨率,可能只看几个横向分辨率较高的测试用例。
还要提及的是,活性纤维的光谱数据通常是基于忽略横向依赖性的计算来计算的。例如,即使该假设不是真的有效,也假设整个芯上的激光活性掺杂剂浓度均匀。当将此类数据与更复杂的模型一起使用时,可能无法获得更高的结果准确性。