共计 1812 个字符,预计需要花费 5 分钟才能阅读完成。
从 Maxwell 方程组到相干波
理解驻波需要先掌握波动光学的基础。根据 Maxwell 方程组,电场和磁场在空间中传播满足波动方程:

$$\nabla^2 \mathbf{E} – \mu_0\epsilon_0\frac{\partial^2 \mathbf{E}}{\partial t^2} = 0$$
两列波要形成稳定的干涉(即产生驻波),必须满足相干条件:
- 频率相同
- 振动方向一致
- 相位差恒定
驻波形成的数学推导
基础波函数表达式
考虑两列沿 z 轴反向传播的平面波:
正向波:$E_1(z,t) = E_0 \cos(kz – \omega t + \phi_1)$
反向波:$E_2(z,t) = E_0 \cos(kz + \omega t + \phi_2)$
干涉合成公式
利用三角函数和角公式,合成波场强为:
$$E_{total} = 2E_0 \cos\left(kz + \frac{\phi_1+\phi_2}{2}\right)\cos\left(\omega t + \frac{\phi_1-\phi_2}{2}\right)$$
这个结果表明:
- 空间分布项:$\cos(kz + \frac{\phi_1+\phi_2}{2})$ 决定波节 / 波腹位置
- 时间振荡项:$\cos(\omega t + \frac{\phi_1-\phi_2}{2})$ 保持原有频率振动
Python 可视化实现
import numpy as np
import matplotlib.pyplot as plt
# 参数设置
wavelength = 632.8e-9 # He-Ne 激光波长 (m)
k = 2*np.pi/wavelength
E0 = 1.0 # 归一化场强
# 空间坐标
z = np.linspace(0, 3*wavelength, 1000)
# 计算正向波和反向波(相位差设为 0 简化演示)E_forward = E0 * np.cos(k*z)
E_backward = E0 * np.cos(k*z)
# 合成驻波
E_standing = 2*E0 * np.cos(k*z) # 时间项已省略
# 绘图
plt.figure(figsize=(10,6))
plt.plot(z/wavelength, E_forward, '--', label='正向波')
plt.plot(z/wavelength, E_backward, '--', label='反向波')
plt.plot(z/wavelength, E_standing, 'r-', linewidth=2, label='合成驻波')
# 标记波节位置
nodes = [i/2 for i in range(7)]
plt.scatter(nodes, [0]*len(nodes), c='k', marker='o', label='波节')
plt.xlabel('位置 (z/λ)')
plt.ylabel('电场强度')
plt.legend()
plt.grid(True)
plt.title('两列相干波形成的驻波')
plt.show()
激光谐振腔中的驻波
腔长与驻波条件
在激光谐振腔中,满足驻波条件要求腔长 L 是半波长的整数倍:
$$L = n\cdot\frac{\lambda}{2}, \quad n=1,2,3…$$
这解释了为何激光器需要精确的腔长控制。例如在氦氖激光器中,典型腔长设计为 15-50cm,对应约 10^5-10^6 个半波长。
模式竞争现象
当多个纵模满足驻波条件时,会出现模式竞争:
- 增益介质对不同频率的光增益不同(增益曲线)
- 空间烧孔效应导致功率在腔内的不均匀分布
- 最终通常只有 1 - 2 个最强模式能稳定振荡
实验注意事项
相干性保持要点
- 使用单模光纤传输可避免模式混合
- 温度波动需控制在±0.1℃以内(热膨胀会改变光程)
- 机械振动隔离需达到 10Hz 以下隔振频率
干涉仪校准技巧
- 分光镜角度误差补偿:
- 使用剪切干涉法检测
-
调整角度直到条纹对称
-
常见误差源:
- 反射镜面形误差(λ/10 以内)
- 光束准直偏差(<0.1mrad)
- 偏振态失配(需加 λ / 2 波片调节)
进阶思考
对于激光谐振腔设计,调整腔镜曲率会影响:
- 横模光斑尺寸(高斯光束参数变化)
- 模式体积(影响增益介质利用率)
- 衍射损耗(不同横模的损耗差异)
建议尝试用 ABCD 矩阵法计算不同曲率组合下的模式分布,这是《Principles of Lasers》(Orazio Svelto)第 5 章介绍的经典方法。
理解驻波不仅是波动光学的关键概念,更是掌握激光技术的基石。通过本文的数学推导和可视化演示,希望你能建立起清晰的物理图像,在实践中更好地应用这些原理。
