相位畸变光倍频转换的统计光学处理方法

相位畸变光倍频转换的统计光学处理方法(（精选4篇））由网友“Vita”投稿提供，下面就是小编给大家带来的相位畸变光倍频转换的统计光学处理方法，希望能帮助到大家!

篇1：相位畸变光倍频转换的统计光学处理方法

相位畸变光倍频转换的统计光学处理方法

从统计光学观点出发,针对高斯型随机相位畸变,在薄晶体近似下,分析相位畸变光束的倍频转换过程,给出了基波、倍频波随相位畸变特征量变化的理论模型和数值计算结果,介绍了一种对相位畸变光倍频的描述方法.

作 者：高艳霞 范滇元  作者单位：高艳霞(深圳大学理学院,深圳,518060)

范滇元(中国科学院上海光机所高功率激光物理国家实验室,上海,00)

刊 名：深圳大学学报（理工版）  ISTIC EI PKU英文刊名：JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING 年，卷(期)： 21(1) 分类号：O437 关键词：相位畸变   倍频转换   统计光学方法  

篇2：控制三维光场的纯相位衍射光学元件优化设计

控制三维光场的纯相位衍射光学元件优化设计

为提高纯相位衍射光学元件的设计效果,实现高衍射效率的三维光场衍射传播控制,在原有GS迭代算法的'基础上提出了新的相位加权迭代优化设计算法.此算法的特点是,建立多衍射输出平面迭代加权算法模型,并通过反馈各个设计输出平面在迭代计算过程中的设计误差,引入一定的相位动态加权整调策略,以达到更加优化的设计效果.以此算法设计一个纯相位衍射光学元件,将输入的高斯光束在距离输入面300mm～400mm内的每个平面上变换为2×2等强度光束阵列.通过对比实验发现此方法在原有算法基础上能进一步改善算法的收敛效果,提高整体设计质量,实现更加优化的运算.

作 者：胡晓军 郑子文 戴一帆 李圣怡 HU Xiao-jun ZHENG Zi-wen DAI Yi-fan LI Sheng-yi  作者单位：国防科技大学,机电工程与自动化学院,湖南,长沙,410073 刊 名：应用光学  ISTIC PKU英文刊名：JOURNAL OF APPLIED OPTICS 年，卷(期)： 28(6) 分类号：O436 关键词：衍射光学器件   光场传播   GS算法   纯相位光学元件   三维空间  

篇3：三维转换波地震资料处理方法

三维转换波地震资料处理方法

纵波震源激发、三分量检波器接收的.三分量地震勘探,因在岩性、裂隙和流体识别等方面获得成功,而备受关注.在三维三分量地震勘探资料处理中,对于反射纵波资料可以采用常规方法进行处理;而对于反射转换波资料,由于其传播路径的非对称性,转换波共中心道集不再是共反射点道集,转换波时距方程也不是双曲方程,因此不能采用常规纵波处理方法来处理转换波资料.基于三维转换波传播特点,对三维转换波资料处理方法进行了研究,包括水平分量旋转、三维转换点计算、三维转换波双曲速度分析与动校正、三维转换波非双曲速度比分析与动校正等.三维转换波非双曲动校正和常规双曲动校正结果对比表明,非双曲方法优于双曲方法.应用所建立的三维三分量地震资料处理流程,对某实际地震资料进行了处理,得到了较高质量的三维转换波速度比谱,转换波非双曲动校正和叠加取得了较好效果.

作 者：刘洋 魏修成 Liu Yang Wei Xiucheng  作者单位：刘洋,Liu Yang(CNPC物探重点实验室・中国石油大学)

魏修成,Wei Xiucheng(中国石化石油勘探开发研究院)

刊 名：天然气工业  ISTIC PKU英文刊名：NATURAL GAS INDUSTRY 年，卷(期)： 26(12) 分类号：P61 关键词：三维地震勘探   三分量记录   转换波   动校正   速度谱  

篇4：自增长键列统计信息的处理方法

在这篇文章展示了SQL Server的查询优化器如何使用自增长键列统计信息,大家都知道SQLServer里每个统计信息对象都有关联的直方图直方图用多个步长描述指定列数据分布情况,需要的朋友可以参考下

这篇文章通过文字代码的形式讲解了如何处理用自增长键列的统计信息，我们都知道，在SQL Server里每个统计信息对象都有关联的直方图。直方图用多个步长描述指定列数据分布情况。在一个直方图里，SQL Server最大支持200的步长，但当你查询的数据范围在直方图最后步长后，这是个问题。我们来看下面的代码，重现这个情形：

-- Create a simple orders table CREATE TABLE Orders ( OrderDate DATE NOT NULL, Col2 INT NOT NULL, Col3 INT NOT NULL ) GO -- Create a Non-Unique Clustered Index on the table CREATE CLUSTERED INDEX idx_CI ON Orders(OrderDate) GO -- Insert 31465 rows from the AdventureWorks2008r2 database INSERT INTO Orders (OrderDate, Col2, Col3) SELECT OrderDate, CustomerID, TerritoryID FROM AdventureWorks2008R2.Sales.SalesOrderHeader GO -- Rebuild the Clustered Index, so that we get fresh statistics. -- The last value in the Histogram is 2008-07-31. ALTER INDEX idx_CI ON Orders REBUILD GO -- Insert 200 additional rows *after* the last step in the Histogram INSERT INTO Orders (OrderDate, Col2, Col3) VALUES (‘20100101‘, 1, 1) GO 200

在索引重建后，我们再看下直方图，我们发现最后步进的值是2008-07-31。

代码如下:

DBCC SHOW_STATISTICS(‘dbo.Orders‘, ‘idx_CI‘) WITH HISTOGRAM

你已经看到，在最后步进到表里后，我们插入了200条额外记录。这样的话，直方图并没有真实反馈实际的数据分布情况，但SQL Server还是要进行基数计算。我们现在来看看在不同版本里SQL Server是如何处理这个问题的。

代码如下:

SQL Server 2005 SP1- SQL Server 2012

在SQL Server 2014之前，基数计算对此问题的处理非常简单：SQL Server估计行数为1，你可以从下面的图片里看到。

点击工具栏的显示包含实际的执行计划，并执行如下查询：

代码如下:

SELECT * FROM dbo.Orders WHERE rderDate=‘2010-01-01‘

自SQL Server 2005 SP1起，查询优化器可以标记1列为自增长（Ascending）来克服刚才介绍的限制。如果你用自增长列值更新了统计信息对象3次，那列就会被标记为自增长列。为了看有没有列标记为自增长，你可以使用跟踪标记2388。当你启用这个跟踪标记，DBCC SHOW_STATISTICS的输出就改变了，有额外列返回。

代码如下:

DBCC TRACEON(2388)

DBCC SHOW_STATISTICS(‘dbo.Orders‘, ‘idx_CI‘)

现在下面的代码更新统计信息3次，每次用自增长键列值在我们聚集索引末尾插入行。

-- => 1st update the Statistics on the table with a FULLSCAN UPDATE STATISTICS Orders WITH FULLSCAN GO -- Insert 200 additional rows *after* the last step in the Histogram INSERT INTO Orders (OrderDate, Col2, Col3) VALUES (‘20100201‘, 1, 1) GO 200 -- => 2nd update the Statistics on the table with a FULLSCAN UPDATE STATISTICS Orders WITH FULLSCAN GO -- Insert 200 additional rows *after* the last step in the Histogram INSERT INTO Orders (OrderDate, Col2, Col3) VALUES (‘20100301‘, 1, 1) GO 200 -- => 3rd update the Statistics on the table with a FULLSCAN UPDATE STATISTICS Orders WITH FULLSCAN GO

然后，当我们执行DBCC SHOW_STATISTICS命令，你会看到SQL Server已讲那列标记为Ascending，

代码如下:

DBCC TRACEON(2388)

DBCC SHOW_STATISTICS(‘dbo.Orders‘, ‘idx_CI‘)

现在当你再次执行查询不是直方图范围的数据时，没有任何改变。为了使用标记为自增长键列，你要启用另外一个跟踪标记-2389。如果你启用这个跟踪标记，查询优化器就是密度向量（Density Vector）来进行基数计算。

-- Now we query the newly inserted range which is currently not present in the Histogram.-- With Trace Flag 2389, the Query Optimizer uses the Density Vector to make the Cardinality Estimation.SELECT * FROM OrdersWHERE rderDate = ‘20100401‘OPTION (RECOMPILE, QUERYTRACEON 2389)GO

来看下现在的表密度：

代码如下:

DBCC TRACEOFF(2388)

DBCC SHOW_STATISTICS(‘dbo.Orders‘, ‘idx_CI‘)

现在的表密度是0.0008873115，因此查询优化器的估计行数是28.4516：0.0008873115*（32265-200）。

这虽然不是最好的结果，但比估计行数1好很多！

（这里有问题，我本地是SQL Server 2008r2，测试估计行数还是1，不知原因，望知道的朋友解释下，多谢！)

SQL Server 2014

在SQL Server 2014引入的一个新功能是新基数计算。新基数计算对于自增长键问题的处理非常简单：默认不使用任何跟踪标记，来使用统计信息对象的密度向量来进行基数计算。下面查询启用2312跟踪标记的基数计算来运行同个查询。

1 -- With the new Cardinality Estimator SQL Server estimates 28.4516 rows at the Clustered Index Seek operator.2 SELECT * FROM Orders3 WHERE rderDate = ‘20100401‘4 OPTION (RECOMPILE, QUERYTRACEON 2312)5 GO

我们来看这里的基数计算，你会看到查询优化器再次估计行数是28.4516，但这一次没表上自增长。这是SQL Server 2014的自带功能。

（SQL Server 2014测试失败，估计行数也是1……）

在这篇文章，我向你展示了SQL Server的查询优化器如何处理自增长键问题。在SQL Server 2014之前，你需要启用2389跟踪标记来获得更好的基数计算――这样的话那列会标记为自增长（ascending）。SQL Server 2014，查询优化器默认就使用密度向量来进行基数计算，这样就方便很多。我希望你对此有所收获，在SQL Server里如何处理自增长键列问题你会有更好的想法。

希望对大家有所启迪，谢谢。

★ 光电英语词汇(C3)

★ 电源跟踪技术

★ 浅谈惠州电力通信系统中SDH传输体系

★ 浅谈PDM系统中的图档批阅技术

★ F2摩托艇比赛

★ 基于软件无线电技术的数字调幅广播系统

★ AT89C控制LMX2332的频率合成器

★ 数码相机的摄像头作文

★ 视觉监控作业中信号间隔时间和双任务对信号觉察的影响

★ 计算机与网络英语词汇(C3)

《相位畸变光倍频转换的统计光学处理方法.doc》

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档

【相位畸变光倍频转换的统计光学处理方法（精选4篇）】相关文章：

学物理避雷针演示实验报告2022-10-11

配电网谐波的产生与危害治理论文2023-01-22

配电网谐波的治理论文2022-11-07

计算机与网络英语词汇(R1)2023-09-03

机械检测范文2022-07-27

物理实验报告2023-09-16

通信原理课程设计心得体会2022-10-10

初二物理实验报告的2023-05-03

应聘教师经常出现的面试题2023-06-26

队列与多线程技术在交通监控系统通信软件中的应用2023-11-20