波在匹配介质间的传播

 1 %1D FDTD simulation with a simple absorbing boundary condition
 2 % and a TFSF boundary between hy[49] and ez[50].
 3 % dielectric material located ez[100]
 4 SIZE = 400;
 5 LOSS = 0.01;
 6 LOSS_LAYER =250;
 7 ez = zeros(1,SIZE);
 8 hy = zeros(1,SIZE-1);
 9 ceze = zeros(1,SIZE);
10 cezh = zeros(1,SIZE);
11 chyh = zeros(1,SIZE-1);
12 chye = zeros(1,SIZE-1);
13 imp0=377.0;
14 maxTime = 10000;
15 % initialize update coefficient
16 for mm = 1 : 1 : SIZE -1
17     if mm < 100
18         ceze(mm) =  1.0;
19         cezh(mm) = imp0;
20     else if mm < LOSS_LAYER
21         ceze(mm) =  1.0;
22         cezh(mm) = imp0/9.0;
23         else
24        ceze(mm) =  (1-LOSS)/(1+LOSS);
25        cezh(mm) = imp0 /9/(1+LOSS);
26         end
27
28     end
29 end
30 for mm = 1 : 1 : SIZE -1
31      if mm < LOSS_LAYER
32        chyh(mm) = 1.0;
33        chye(mm) = 1.0/imp0;
34     else
35         chyh(mm) = (1-LOSS)/(1+LOSS);
36        chye(mm) = 1.0/imp0/(1+LOSS);
37
38     end
39 end
40 for qTime = 0 : 1 : maxTime
41     % hy(SIZE)=hy(SIZE-1);%
42
43     % update magnetic field
44     for mm = 1 : 1 : SIZE -1
45         hy(mm) = hy(mm)*chyh(mm) + (ez(mm+1)- ez(mm))*chye(mm);
46     end
47 % correction for Hy adjacent to TFSF boundary */
48  hy(50)=hy(50)-exp(-(qTime - 30)*(qTime - 30) / 100) / imp0;
49
50     figure(1);
51     subplot(211);t_hy = plot(hy);
52     title(‘Magnetic Field‘);
53
54     % ABC
55     ez(1)=ez(2);%
56 %      ez(SIZE)=ez(SIZE-1);%
57
58     for mm = 2 : 1 : SIZE-1
59          ez(mm) = ez(mm)*ceze(mm) + (hy(mm)- hy(mm-1))*cezh(mm);
60     end
61 %     figure(2);
62     subplot(212);
63     t_ez = plot(ez);
64     title(‘Electric Field‘)
65     ez(51) = ez(51) + exp(-(qTime+0.5-(-0.5)-30.0)*(qTime+0.5-(-0.5)-30.0)/100.0);
66
67 %     pause(0.01);
68 % %     refreshdata(t_hy);
69 %     refreshdata(t_ez);
70 %     drawnow;
71 end
时间: 2024-08-04 15:43:47

波在匹配介质间的传播的相关文章

有耗介质中波的传播

Python(2.7.6) glob - 匹配指定模式的文件

Python 标准库的 glob 模块支持查询匹配指定模式的文件或目录.这里的模式使用的并不是正则表达式,而是通过通配符来匹配的 Unix 风格的路径名扩展. 支持的通配符: 通配符 说明 *  匹配任意个字符 ?  匹配一个字符 []  匹配括号间的任一字符,可以使用 - 表示范围  \  转义字符,如用 \? 匹配 ? 假设现在有一个名为 dir 的目录,该目录及其子目录的结构如下: ├── dir │   ├── db.conf │   ├── dir1 │   │   ├── hello

天梯匹配系统 - 简单实现

最近利用业余时间开发一个支持多人对战游戏的天梯匹配系统,纯粹练手之用.该天梯系统需要满足以下要求 1. 有单人对战和多人对战模式,例如从1v1到5v5 2. 每个人都有两个天梯分,分别是1v1的天梯分,和2v2或以上对战的天梯分 3. 每局匹配的最高分和最低分玩家分差不能超过设定值 4. 每局匹配双方间分差不能超过设定值 5. 每个人可和一名或多名好友组队共同参与天梯匹配,组队后系统将计算组内天梯值平均分并适量加成作为匹配依据 6. 成功的匹配必须在对战双方同时包含相同的黑店数量. 7. 玩家选

AR系列路由器域间防火墙实施ACL

先简单说下华为路由器域间防火墙的一些基本特性: 状态化防火墙(简单说就是高级别访问低级别会记录状态) AR系列可以设置16种区域安全级别0-15,15保留给Loca区域使用 位于两个不同级别的安全区域,低级别的默认不能主动访问高级别区域 如果高级别区域主动访问低级别的区域,防火墙会记录一个状态,通常由五元组(协议.源目端口和IP)构成 收到的数据先匹配域间防火墙安全策略,安全策略没有匹配的,再匹配状态 由于这种状态化的机制实现A能随时访问B,B却需要A主动访问时才能访问 高级别流向低级别区域的数

hdu-4185.loiol_skimming(简单二分匹配模型)

1 /************************************************************************* 2 > File Name: hdu-4185.oil_skimming.cpp 3 > Author: CruelKing 4 > Mail: [email protected] 5 > Created Time: 2019年09月03日 星期二 09时12分12秒 6 本题思路:简单分析过后就可以知道如果一点a被另一个点b匹配

无线通信中的那些专业术语

香农定理 类比:城市道路上的汽车的车速和什么有关系?和道路的宽度有关系,和自己车的动力有关系,也其他干扰因素有关系(如:车量的多少和红灯的数量). 香农定理是所有通信制式最基本的原理. C=Blog2(1+S/N): 其中C是可得到的链路速度,B是链路的带宽,S是平均信号功率,N是平均噪声功率,S/N即信噪比.香农定理给出了链路速度上限(比特每秒(bps))和 链路信噪比及带宽的关系.香农定理可以解释3G各种制式由于带宽不同,所支持的单载波最大吞吐量的不同 趋肤效应 类比:下大雨后,农村的土路上

as3 公式

AS3缓动公式:sprite.x += (targetX - sprite.x) * easing;//easing为缓动系数变量sprite.y += (targetY - sprite.y) * easing;AS3弹性公式:vx += (targetX - sprite.x) * spring;//spring为弹性系数vy += (targetY - sprite.y) * spring;sprite.x += (vx *= friction);//friction为摩擦力sprite.

IEEE802.11 学习笔记

一.概论 1.1.简介 IEEE802家族是由一系列局域网络(Local Area Network,LAN)技术规格所组成,802.11属于其中一员. 载波检测多重访问/碰撞检测(Carrier Sense Multiple Access network with Collision Detection,简称CSMA/CD)规格,与(通常误称的)Ethernet有关,802.5则是Token Ring 规格.此外,802协议堆叠还包括其他成员.802.2所规范的链路层(link layer),称

卷积在深度学习中的作用(转自http://timdettmers.com/2015/03/26/convolution-deep-learning/)

卷积可能是现在深入学习中最重要的概念.卷积网络和卷积网络将深度学习推向了几乎所有机器学习任务的最前沿.但是,卷积如此强大呢?它是如何工作的?在这篇博客文章中,我将解释卷积并将其与其他概念联系起来,以帮助您彻底理解卷积. 已经有一些关于深度学习卷积的博客文章,但我发现他们都对不必要的数学细节高度混淆,这些细节没有以任何有意义的方式进一步理解.这篇博客文章也会有很多数学细节,但我会从概念的角度来看待他们,在这里我用每个人都应该能够理解的图像表示底层数学.这篇博文的第一部分是针对任何想要了解深度学习中