(完整版)基于MATLAB的快速傅里叶的非线性薛定谔方程

合集下载

非线性薛定谔方程数值解的MATLAB仿真

admin[非线性薛定谔方程数值解的MATLAB仿真]——利用分步快速傅里叶变换对光纤中光信号的传输方程进行数值求解1、非线性薛定谔方程非线性薛定谔方程(nonlinear Schrodinger equation ，NLSE)是奥地利物理学家薛定谔于1926 年提出的，应用在量子力学系统中。

由于量子力学主要研究粒子的动力学运动状态，所以不能运用牛顿力学公式来表示。

通常在量子力学中，研究系统的状态一般通过波函数(x ，t)来表示。

而对波函数的研究主要是求解非线性薛定谔方程。

本文主要研究光脉冲在光纤中传输状态下的演变。

一般情况下，光脉冲信号在光纤中传输时，同时受到光纤的色散和非线性效应的影响。

通过Maxwell 方程，考虑到光纤的色散和非线性效应，可以推导出光信号在光纤中的传输方程，即非线性薛定谔方程。

NLSE 是非线性偏微分方程，一般很难直接求出解析解，于是通过数值方法进行求解。

具体分为两大类：(1)分布有限差分法(split-step finite differencemethod ，SSFD)；(2)分步傅里叶变换法(split-step Fourier transform method ，SSFT)。

一般情况，在达到相同精度，由于分步傅里叶变换法采用运算速度快的快速傅里叶变换，所以相比较有限差分法运算速度快一到两个数量级。

于是本文介绍分步傅里叶变换法来对光纤中光信号的传输方程，即非线性薛定谔方程进行数值求解。

并通过MATLAB 软件对结果数值仿真。

非线性薛定谔方程的基本形式为:22||t xx iu u u u =+其中u 是未知的复值函数.目前，采用分步傅立叶算法(Split step Fourier Method)求解非线性薛定谔方程的数值解应用比较多。

分步傅立叶方法最早是在1937年开始应用的，这种方法己经被证明是相同精度下数值求解非线性薛定愕方程最快的方法，部分原因是它采用了快速傅立叶变换算法(Fast Fourier Transform Algorithm)。

基于matlab求解非线性规划问题

计算结果为：
x =[ 3.0000 5.0000 0.0000 7.0000 0.0000 1.0000 0.0000 0.0000 4.0000 0.0000 6.0000 10.0000]’ fval = 136.2275
即由料场 A、 B 向 6 个工地运料方案为： 1 料场 A 料场 B 3 0 2 5 0 3 0 4 4 7 0 5 0 6 6 1 10
（二）使用临时料场的情形
使用两个临时料场A(5,1)，B(2,7).求从料场j向工地i的运送量为Xij，在各工地用量必须满足和各料场运送量不超过日储量的条件下，使总的吨千米数最小，这是线性规划问题. 线性规划模型为：
min f
aa ( i , j ) X
j 1 i 1
2
6
ij
2、先建立M-文件 fun3.m: function f=fun3(x); f=-x(1)-2*x(2)+(1/2)*x(1)^2+(1/2)*x(2)^2
3、再建立主程序youh2.m： x0=[1;1]; A=[2 3 ;1 4]; b=[6;5]; Aeq=[];beq=[]; VLB=[0;0]; VUB=[]; [x,fval]=fmincon('fun3',x0,A,b,Aeq,beq,VLB,VUB) 4、运算结果为： x = 0.7647 1.0588 fval = -2.0294
工地位置（ a， b）及水泥日用量 d 1 a b d 1 .2 5 1 .2 5 3 2 8 .7 5 0 .7 5 5 3 0 .5 4 .7 5 4 4 5 .7 5 5 7 5 3 6 .5 6 6 7 .2 5 7 .2 5 11

基于MATLAB的FFT算法的设计

基于MATLAB的FFT算法的设计FFT（快速傅里叶变换）是一种用于计算离散傅里叶变换（DFT）的高效算法。

在信号处理和图像处理领域，FFT广泛应用于频域分析、滤波、相关性分析等。

MATLAB提供了方便且高效的FFT算法实现，使得用户可以轻松地进行信号处理和频谱分析。

本文将从基本概念、算法原理和实例应用三个方面介绍MATLAB中的FFT算法设计。

一、基本概念1.傅里叶变换：傅里叶变换是一种将信号从时域（时序）转换到频域（频率）的方法，它将信号表示成一系列正弦和余弦函数的叠加。

2.离散傅里叶变换（DFT）：DFT是傅里叶变换在离散时序中的应用，将离散的时域信号转换到离散的频域。

3.快速傅里叶变换（FFT）：FFT是一种使用分治法思想的DFT算法，通过将DFT的计算任务分解成更小的子任务并递归计算，以大幅度提高计算效率。

二、算法原理FFT算法基于分治法思想，将DFT计算任务分解成多个规模更小的DFT计算，然后通过递归计算子任务并合并结果得到最终的DFT结果。

MATLAB中的FFT算法可以通过fft函数实现。

具体来说，fft函数基于Cooley-Tukey算法，它使用了以下两个策略来提高计算效率：1.奇偶分解：将序列分解为奇数位置和偶数位置上的序列，分别进行DFT计算，然后合并结果。

2.蝶形运算：通过两个复数的乘法和加法运算，计算DFT的结果。

三、实例应用下面通过一个MATLAB实例应用来展示FFT算法的设计和使用过程。

假设我们有一个采样频率为Fs的音频信号，并且我们想要计算其频谱。

首先，我们读取音频文件并绘制其时域波形：```matlabfilename = 'audio.wav';[x, Fs] = audioread(filename);t = (0:length(x)-1)/Fs;plot(t, x);xlabel('Time (s)');ylabel('Amplitude');title('Audio Signal in Time Domain');```接下来，我们使用FFT算法计算音频信号的频谱，并绘制频谱图：```matlabN = length(x);X = fft(x);f=(0:N-1)*(Fs/N);plot(f, abs(X));xlabel('Frequency (Hz)');ylabel('Magnitude');title('Audio Signal Spectrum');```以上代码中，我们使用fft函数计算信号的频谱，并使用abs函数计算频谱的幅度。

(最新整理)基于Matlab的牛顿迭代法解非线性方程组

(完整)基于Matlab的牛顿迭代法解非线性方程组编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整)基于Matlab的牛顿迭代法解非线性方程组）的内容能够给您的工作和学习带来便利。

同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。

本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为(完整)基于Matlab的牛顿迭代法解非线性方程组的全部内容。

基于Matlab 实现牛顿迭代法解非线性方程组已知非线性方程组如下221122121210801080x x x x x x x ⎧-++=⎪⎨+-+=⎪⎩ 给定初值0(0,0)T x =，要求求解精度达到0.00001首先建立函数F(x)，方程组编程如下，将F 。

m 保存到工作路径中：function f=F （x ）f （1）=x(1)^2—10＊x(1)+x （2)^2+8；f （2)=x(1）*x （2)^2+x(1)-10＊x(2)+8;f=[f(1) f （2）]；建立函数DF （x),用于求方程组的Jacobi 矩阵,将DF.m 保存到工作路径中:function df=DF(x)df=[2＊x （1)—10，2＊x （2）；x （2）^2+1,2＊x(1）＊x （2）-10］；编程牛顿迭代法解非线性方程组,将newton 。

m 保存到工作路径中：clear ；clcx=[0，0]'；f=F （x);df=DF(x);fprintf （'％d ％。

7f ％.7f\n’,0，x （1），x （2）);N=4；for i=1:Ny=df\f'；x=x —y;f=F （x);df=DF （x ）;fprintf （'％d ％.7f ％。

matlab数值薛定谔方程

matlab数值薛定谔方程薛定谔方程是描述量子力学中粒子的行为的基本方程。

在数值计算中，我们可以使用数值方法来求解薛定谔方程。

下面我将从多个角度来回答关于在MATLAB中数值求解薛定谔方程的问题。

1. 数值方法的选择：在MATLAB中，我们可以采用多种数值方法来求解薛定谔方程，其中常用的方法包括有限差分法、有限元法和谱方法等。

选择合适的数值方法取决于问题的特点和计算资源的可用性。

2. 离散化：在数值计算中，我们需要将薛定谔方程离散化为有限个点上的代数方程。

通常，我们会将空间离散化为网格，并在每个网格点上计算波函数的值。

时间离散化则是通过迭代的方式逐步求解时间演化。

3. 有限差分法：有限差分法是一种常见的数值方法，它将导数近似为有限差分。

在薛定谔方程中，我们可以将二阶导数近似为中心差分，然后使用差分方程来求解离散化的薛定谔方程。

4. 有限元法：有限元法是一种广泛应用于偏微分方程求解的数值方法。

在薛定谔方程中，我们可以使用有限元法将波函数表示为一组基函数的线性组合，并通过求解线性方程组来确定系数。

5. 谱方法：谱方法是一种基于函数展开的数值方法，它使用一组特定的基函数来表示波函数。

在薛定谔方程中，我们可以使用傅里叶级数或其他正交多项式作为基函数，并通过求解线性方程组来确定系数。

6. 边界条件：在数值求解薛定谔方程时，我们需要指定合适的边界条件。

常见的边界条件包括固定边界条件和周期性边界条件，具体取决于问题的物理背景。

7. 算法实现：在MATLAB中，我们可以使用内置的数值计算函数和工具箱来实现数值求解薛定谔方程。

例如，可以使用MATLAB的PDE Toolbox来求解偏微分方程，或者使用MATLAB的FFT函数来进行傅里叶变换。

总结起来，数值求解薛定谔方程是一个复杂而重要的问题，需要根据具体情况选择合适的数值方法并进行适当的离散化和边界条件处理。

MATLAB提供了丰富的数值计算工具和函数，可以帮助我们实现数值求解薛定谔方程的算法。

基于MATLAB的FFT算法的设计

基于MATLAB的FFT算法的设计基于MATLAB的FFT（快速傅立叶变换）算法是一种用于将信号从时域转换到频域的常用方法。

FFT算法通过将复杂的离散傅立叶变换（DFT）问题转化为一个递归计算的过程，大大提高了计算效率。

本文将对基于MATLAB的FFT算法的设计进行详细介绍。

首先，我们需要了解MATLAB中FFT算法的基本原理。

FFT算法是一种将DFT计算复杂度从O(N^2)降低到O(NlogN)的算法。

它基于一种分治的思想，将输入信号分解成两个子问题，然后分别进行计算，最后合并结果。

这种分治的过程可以使用递归的方式实现。

在MATLAB中，可以使用fft函数来实现FFT算法。

该函数接受一个向量作为输入，并返回该向量的FFT结果。

具体而言，fft函数将输入信号分解成两个子问题，然后递归地调用fft函数计算子问题的FFT结果，最后将两个子问题的结果合并起来。

这个过程重复进行，直到最后得到整个信号的FFT结果。

以下是一个基于MATLAB的FFT算法的设计示例：```MATLABfunction Y = myFFT(X)N = length(X); % 输入信号长度if N == 1Y=X;%递归终止条件elseeven = myFFT(X(1:2:N)); % 分解成偶数点快odd = myFFT(X(2:2:N)); % 分解成奇数点快%合并步骤W = exp(-1i * 2 * pi / N * (0:N/2-1));temp = W .* odd;Y = [even + temp, even - temp];endend```在这个设计示例中，myFFT函数实现了基于MATLAB的FFT算法。

它接受一个向量X作为输入，并返回该向量的FFT结果Y。

在函数的内部，首先获取输入信号的长度N。

然后，使用递归的方式将输入信号分解成两个子问题。

接下来，分别调用myFFT函数计算子问题的FFT结果。

最后，在合并步骤中，我们使用旋转因子W将奇数点子问题的结果与偶数点子问题的结果合并起来。

利用MATLAB编写FFT快速傅里叶变换

一、实验目的1.利用MATLAB 编写FFT 快速傅里叶变换。

2.比较编写的myfft 程序运算结果与MATLAB 中的FFT 的有无误差。

二、实验条件PC 机，MATLAB7.0三、实验原理1. FFT （快速傅里叶变换）原理：将一个N 点的计算分解为两个N/2点的计算，每个N/2点的计算再进一步分解为N/4点的计算，以此类推。

根据DFT 的定义式，将信号x[n]根据采样号n 分解为偶采样点和奇采样点。

设偶采样序列为y[n]=x[2n]，奇采样序列为z[n]=x[2n+1]。

上式中的k N W -为旋转因子N k j e /2π-。

下式则为y[n]与z[n]的表达式：2.蝶形变换的原理：下图给出了蝶形变换的运算流图，可由两个N/2点的FFT（Y[k]和Z[k]得出N点FFT X[k]）。

同理，每个N/2点的FFT可以由两个N/4点的FFT求得。

按这种方法，该过程可延迟后推到2点的FFT。

下图为N=8的分解过程。

图中最右边的为8个时域采样点的8点FFTX[k]，由偶编号采样点的4点FFT和奇编号采样点的4点得到。

这4点偶编号又由偶编号的偶采样点的2点FFT和奇编号的偶采样点的2点FFT产生。

相同的4点奇编号也是如此。

依次往左都可以用相同的方法算出，最后由偶编号的奇采样点和奇编号的偶采样点的2点FFT算出。

图中没2点FFT成为蝶形，第一级需要每组一个蝶形的4组，第二级有每组两个蝶形的两组，最后一级需要一组4个蝶形。

四、实验内容1.定义函数disbutterfly ，程序根据FFT 的定义：]2[][][N n x n x n y ++=、n N W N n x n x n z -+-=])2[][(][，将序列x 分解为偶采样点y 和奇采样点z 。

function [y,z]=disbutterfly(x)N=length(x);n=0:N/2-1;w=exp(-2*1i*pi/N).^n;x1=x(n+1);x2=x(n+1+N/2);y=x1+x2;z=(x1-x2).*w;2.定义函数rader ，纠正输出序列的输出顺序。

非线性薛定谔方程形式

非线性薛定谔方程形式
非线性薛定谔方程形式
非线性薛定谔方程形式，简称NLSE，是一类众多物理模型和理论框架
的基础之一，它提供了连续的描述与研究特定物理系统的方法。

它的
发展源于19世纪末罗素以及拉普拉斯的探究，主要用来研究电子在复
杂结构中的行为。

NLSE的几何形式如下：i*（∂/∂z）ψ（z，t）+ (1/2)*(∂^2/∂t^2)ψ（z，t） + f（|ψ（z，t）|^2）ψ（z，t）= 0。

其中，ψ（z，t）
是时间和空间变量之和，z是空间变量，t是时间变量，f（|ψ（z，t）|^2）表示非线性因素，它使得研究者无法解决NLSE，即找到其固定的解决方案。

因此，研究者只能求出NLSE的近似解决方案。

NLSE可以应用于许多研究领域，如电磁场理论、光子学、激光技术、
量子力学、量子电动力学以及凝聚态物理学等。

许多物理学家认为，NLSE提供了一种统一的研究框架，可以帮助我们理解许多复杂的物理
系统。

NLSE也可以用于解决量子物理学中许多热力学问题，如量子热力学、
量子统计力学、量子热力学、量子流体力学等。

它可以用来解释由原
子和分子的行为引起的复杂的热力学行为，也可以用来研究量子系统
中的质量和能量的流动。

NLSE的最新发展，如超几何光学，还提供了一种新的模型来描述复杂
的光学系统，能够准确预测复杂的介质中的光学响应，并提供新的计
算技术。

总之，NLSE是一种综合框架，它提供了一种可以描述物理系统和量子
热力学行为的方法，并可以用来解决许多复杂的物理问题。

它是许多
研究领域的基础，有助于我们更加深入地理解物理系统和量子热力学。

基于分步傅里叶变换法对非线性薛定谔方程的数值仿真

ＡｂｔａｔＴｉｐｐｒｔｏｕｅｉｄｏｕｒａｔｏｏｏｖｎｏｌｅｒａｔｌｉｅｅｔｌｑａｉｎ：ｐｉｓｐｓｒｃ：ｈｓａｅｒｄｃｓａｋｎｆｍｅｉｌｎｉｎｃｍｅｈｄｆｒｓｌｉｇｎｎｉａｒｉｆｒｎｉｕｔｓｓｌ－ｔｎｐａｄａｅｏｔｅ
第３卷第１４期２１年３０１月
长春理工大学学报（自然科学版）
ＪｕｎｌｆｈｎｃｔｎｖｒｉＳｉｎｅｎｅｈｏｏｙＮｔｒｌｃｅｃｄｔｎｏｒａｏＣａｇｈｍＵｉｓｔｏｃｃｄＴｃｎｌ（ａａＳｉｎｅｉｏｅｙｆｅａｇｕＥｉＪ
以及非线性效应对光脉冲的影响。
关键词：分步傅里叶变换法；非线性薛定谔方程；ＭＡＬ；快速傅里叶变换ＴＡＢ中图分类号：Ｔ２．１Ｎ９９１文献标识码：Ａ文章编号：１７ — ８０（０ｌ０ —０４ — ３６２９７２１】１０３０
ｔｙｄｓａｃｉｉｔｎｅቤተ መጻሕፍቲ ባይዱｔｏｇｔｃｌｕａｉｇｔｅｄｓｅｓｏｆｅｔｎｅｏｌｅｒｅｅｔｏｔｅｌｈｂｒａｄａｍｅｅａ — ｎｈｕｈａｃｌｔｉｒｉｎｅｃｄｔｎｎｎｉａｆｃｉｔｅ，ｎｉｔｇｔｈｐｎｈｐａｈｎｔｈｇｆｉｏｔ
ｐｏｉｔｍｅｃｌｏｕｉｎｏｎｎｉｅｒｃｒｄｎｅｑａｉｎＦｉａｌａｐｙｔｅＭＡＡＢｏｔｒｉｌｔｅｎ・ｒｘｍａｅＮｕｒａｌｔｆｏｌａｈｏｉｇｒｕｔｏ．ｎｌｉｓｏｎＳｅｙ，ｐｌＴＬｈｓｆｗａｅｔｓｍｕａｅｔｕｏｈｍｅｉａｏｕｉｎＶｉｏｔｅＭＡＡＢｅｕｔａｌａｌｅｉｅｓｏｆｅｔｏｐｌｅｗｉｅｉｇｏｐｉａｕｓ，ａｄｒｌｌｔ．ａｔＴＬｃｓｏｈｒｓｌｗｅｃｃｅｒｓｅｄｓｒｉｎｅｃｕｓｄｎｆｔｌｌｅｎｓｎｙｐｔｎｏｃｐ

如何使用Matlab进行快速傅里叶变换

如何使用Matlab进行快速傅里叶变换快速傅里叶变换（Fast Fourier Transform，简称FFT）是一种广泛应用于信号处理、图像处理、数字滤波等领域的重要算法。

而Matlab作为一种功能强大的工具，提供了便捷的FFT算法实现，使得使用FFT进行频域分析变得轻松且高效。

本文将介绍如何使用Matlab进行快速傅里叶变换。

## 1. FFT原理简介傅里叶级数展开是一种将任意函数分解为一系列正弦和余弦函数的方法。

而傅里叶变换则是将一个时域信号转换到频域的过程，通过分解信号的频率成分，我们可以对信号进行频谱分析。

FFT算法是快速傅里叶变换的一种实现方式，通过使用迭代的方法将传统的傅里叶变换的时间复杂度从O(n^2)降低到O(nlogn)，大大提高了计算效率。

此外，FFT算法还利用了信号的对称性质，使得计算过程更加简洁。

## 2. Matlab中的FFT函数在Matlab中，FFT函数可以通过使用fft()函数进行调用。

下面是函数的基本语法：```Y = fft(X)```其中X为输入信号，Y为变换后的频域信号。

## 3. 使用FFT进行频谱分析频谱分析是信号处理中常用的一种方法，它可以帮助我们了解信号的频率成分以及各个频率成分的强度。

下面以一个简单的例子来说明如何使用FFT进行频谱分析。

假设我们有一个包含多个频率成分的信号，我们希望找出信号中各个频率的强度。

首先，我们生成一个包含两个正弦波的信号：```matlabFs = 1000; % 采样率T = 1 / Fs; % 采样间隔L = 1000; % 信号长度t = (0:L-1) * T; % 时间向量x = sin(2*pi*50*t) + sin(2*pi*120*t); % 生成信号```上述代码中，我们假设采样率为1000Hz，信号长度为1000，生成了包含50Hz 和120Hz两个频率成分的信号。

接下来，我们可以使用fft()函数对信号进行FFT变换，并计算频谱：```matlabY = fft(x); % 进行FFT变换P2 = abs(Y/L); % 计算双边频谱P1 = P2(1:L/2+1); % 截取单边频谱P1(2:end-1) = 2*P1(2:end-1); % 进行幅度修正f = Fs*(0:(L/2))/L; % 创建频率向量plot(f, P1); % 绘制频谱图title('单边频谱')xlabel('频率 (Hz)')ylabel('幅度')```上述代码中，我们首先计算出双边频谱，然后通过截取得到了单边频谱。

基于matlab的非线性薛定谔方程的数值算法研究

首先，可以将方程（41）归一化振幅：U A( z , T ) /
P0 ，P0 是入射脉冲的峰值功率，
此时方程(41)可改写为:
2

U i 2U U P0 i | U | 2 U 2 z 2 4 T
（42）
3. 分步傅立叶数值算法
目前，采用分步傅立叶算法(Split step Fourier Method)求解非线性薛定谔方程的数值解应用比较多。分步傅立叶方法最早是在1937年开始应用的，这种方法己经被证明是相同精度下数值求解非线性薛定愕方程最快的方法，部分原因是它采用了快速傅立叶变换算法 (Fast Fourier Transform Algorithm)。基于MATLAB科学计算软件以及MATLAB强大的符号计算功能，完全可以实现分步傅立叶数值算法来对脉冲形状和频谱进行仿真。
其中 F 和 F 分别表示傅立叶变换和反傅立叶变换运算。 Step2 非线性算符方程的求解
~
i z ~ U ( z , T ) F{exp[( 2 ) ] F [U (0, T )]} 2 2
Hale Waihona Puke （47）ˆ 的方程如下：非线性部分 N
U P0 i | U | 2 U z
为了使用分步傅立叶法求解方程(42)，将方程(42)写成以下形式:
U ˆN ˆ )U (D z
进一步，可以得出如下方程（43）：
i 2U 2 T 2 ˆ D 2 ˆ P i | U | 2 N 0
（43）
然后，按照步骤 step1 和步骤 step2，依次计算方程（43）的线性算符和非线性算符。最后在步骤 step3 中，运行步骤 step1 和步骤 step2 的 MATLAB 程序，得出线性算符和非线性算符的精确数值解及其仿真曲线。 Step1 线性算符方程的求解

matlab快速傅里叶变化

matlab快速傅里叶变化动词在MATLAB中进行快速傅里叶变换（FFT）的基本步骤如下：1. 输入要变换的信号数据，存储为一个向量或矩阵。

2. 根据输入数据长度，计算变换需要的点数N，通常选择2的幂次方。

3. 对输入数据进行窗函数处理（可选）。

4. 使用MATLAB自带的fft函数进行快速傅里叶变换，得到频谱数据。

5. 对频谱数据进行幅值谱和相位谱的分离并进行可视化。

以下是一个示例代码：```matlab% 生成输入信号Fs = 1000; % 采样率t = 0:1/Fs:1-1/Fs; % 时间轴f1 = 10; % 信号频率f2 = 70;x = cos(2*pi*f1*t) + cos(2*pi*f2*t);% 进行快速傅里叶变换N = 2^nextpow2(length(x)); % 点数选择2的幂次方X = fft(x,N); % 傅里叶变换% 可视化频谱f = (0:N-1)*(Fs/N); % 频率轴mag = abs(X); % 幅值谱phs = angle(X); % 相位谱subplot(211)plot(f,mag)title('Amplitude Spectrum')xlabel('Frequency (Hz)')ylabel('Magnitude')subplot(212)plot(f,phs)title('Phase Spectrum')xlabel('Frequency (Hz)')ylabel('Phase (radians)')```运行上述代码，将得到输入信号的幅值谱和相位谱的可视化结果。

MATLAB中的快速傅里叶变换（FFT）是一种用于高效计算信号频域表示的算法。

它利用了傅里叶变换的对称性和循环卷积定理，使得计算复杂度从$O(n^2)$降至$O(n\log n)$，在处理大量数据时表现出良好的效率。

非线性薛定谔方程

非线性薛定谔方程
非线性薛定谔方程（Nonlinear Schrödinger Equation，
简称NLSE）是描述一维量子力学中非线性光学现象的方程。

它可以用来描述具有波动性的物质或波动现象，比如光子
在非线性介质中传播、超导电子对的行为等。

一般情况下，非线性薛定谔方程可以写成如下形式：
i ∂ψ/∂t + (∇²/2m + V)ψ + g |ψ|²ψ = 0
其中，i是虚数单位，∂ψ/∂t表示波函数ψ对时间的导数，∇²是拉普拉斯算子，m是粒子的质量，V是势能函数，g
是非线性项。

该方程的第一项描述了波函数随时间的演化，第二项描述
了波函数的动能和势能，第三项描述了非线性效应。

非线性薛定谔方程的解通常是表示波的幅度和相位的波函数ψ。

在求解非线性薛定谔方程时，常会采用数值方法，如有限差分法、有限元法等。

基于MATLAB的快速傅里叶的非线性薛定谔方程

虚时演化算符劈裂：
ˆ ˆ ˆB ˆ )t exp( At ) exp( B ˆ t ) exp( At ) exp ( A 2 2
it
可以发现，虚时演化初始波函数总是随着时间的演化指数衰减，最后得到是一个实数解。 ˆ ˆ exp T ˆ r, 0 r, exp T exp V
非线性项
G-P方程是非线性薛定谔(Nonlinear Schrö dinger)方程的一种，这类方程大多都只能通过数值办法求解。
2014-12-1
理论物理
7/50
Outline
玻色-爱因斯坦凝聚 (BECs)
Gross-Pitaevskii (G-P) 方程
算符劈裂算法 (Operator-Splitting methods)
对于求解定态的情况(基态)：
ˆ V ˆ it r, t H T ext non r, t E r, t
定态解总可以写成：虚时演化：

r, t eiEt r,0 eiEt cn E r
n
能量E对应的本征态
ˆ V ˆ i T ext non

r, 0
同样我们需要先利用傅里叶变换先把波函数变换到动量空间。
2014-12-1
理论物理
15/50
III. 2. 实时演化
对于定态的实时演化情况(基态)：
ˆ V ˆ it r, t H T ext non r, t E r, t
2
r, e
ˆ V ˆ T ext non

r, 0

快速傅里叶变换MATLAB

快速傅里叶变换（MATLAB 版）DFT 是信号分析与处理中的一种重要变换。

但直接计算DFT 的计算量与变换区间长度N 的平方成正比，当N 较大时，计算量太大，直接用DFT 算法进行谱分析和信号的实时处理是不切实际的。

1965年库利和图基发现了DFT 的一种快速算法，使DFT 的运算效率提高1－2个数量级，为数字信号处理技术应用于各种信号的实时处理创造了条件，推动了数字处理技术的发展。

它的思想是不断地把长序列的DFT 分解成几个短序列的DFT ，并利用旋转因子的周期性和对称性来减少DFT 的运算次数。

假设2MN =，全部计算分解为M 级，利用旋转因子W Nk 的周期性、对称性进行合并、归类处理，以减少DFT 的运算次数。

周期性：m m lN N NW W += 对称性：[]*m m N N W W -=，/2m N m N N W W +=- FFT 算法基本上分为两大类：时域抽取法FFT(简称DIT-FFT)和频域抽取法FFT(简称DIF―FFT)。

下面略去推导和证明，仅以长度为8的序列为例子说明这两种算法。

1. DIT-FFTN=8点DIT-FFT 运算流图x(0)x(4)x(2)x(6)x(1)x(5) x(3)(0)(1)(2)(3)(4)(5)(6)x(7)N L=1级L=2L=3X (7)相应的MA TLAB 程序：% 自编FFT% 基2时域抽取DIT-FFT% 输入x ，输出X 均为行向量function X = myfft1(x)if length(x) ~= 2^fix(log2(length(x))) % 如果长度超出，补足下一个幂的0。

x=[x,zeros(1,2^ceil(log2(length(x)))-length(x))];end% 时域序列倒序x=x(invertorder([0:length(x)-1]));N=length(x);K=log2(N);X2=zeros(1,N);X1=x;W_n=exp(-1j*2*pi/N); % 旋转因子for k=1:Kfor i=0:2^(K-k)-1for j=0:2^(k-1)-1if mod(k,2)==1 % 奇数X2(j+i*2^k+1) = X1(j+i*2^k+1) + W_n^(j*2^(K-k))*X1(j+i*2^k+2^(k-1)+1);X2(j+i*2^k+2^(k-1)+1) = X1(j+i*2^k+1) - W_n^(j*2^(K-k))*X1(j+i*2^k+2^(k-1)+1);else % 偶数X1(j+i*2^k+1) = X2(j+i*2^k+1) + W_n^(j*2^(K-k))*X2(j+i*2^k+2^(k-1)+1);X1(j+i*2^k+2^(k-1)+1) = X2(j+i*2^k+1) - W_n^(j*2^(K-k))*X2(j+i*2^k+2^(k-1)+1);endendendendif(mod(K,2) == 1)X=X2;elseX=X1;end2. DIF―FFTx(0) x(1) x(2) x(3) x(4) x(5) x(6) x(7)x(0)(0)(4)(2)(6)X(1)X(5)X(3)X(7)x(0)N相应的MA TLAB程序：% 自编FFT% 基2频域抽取DIF-FFT% 输入x，输出X均为行向量function X = myfft2(x)if length(x) ~= 2^fix(log2(length(x))) % 如果长度超出，补足下一个幂的0。

matlab快速傅里叶变换ppt课件

xlabel('Real Axis');
ylabel('Imaginary Axis');
傅里叶系数Y在
复平面上的分布
最新课件
17

画振幅相对于频率的周期
图
n=length(Y);
power = abs(Y(1:floor(n/2))).^2;
freq = (1:n/2)/n;
plot(freq,power)
f = 1000/256*(0:127);
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')
最新课件
13
例
t = 0:1/100:10-1/100;
x = sin(2*pi*15*t) +sin(2*pi*40*t);
§4.5 快速傅里叶变换
1
§4.5.1 离散傅里叶变换
最新课件
2
利用
得
最新课件
3
F4的逆矩阵为
以此类推，傅里叶变换的逆变换为
即

最新课件
4
说明
最新课件
§4.5.2 傅里叶级数与傅里叶积分（阅读）
5
傅里叶级数：将变量范围为无限的连续的周期函数变换成无限的离散的傅里叶频
谱序列。
傅里叶积分：对变量范围为无限的连续的非周期函数变换成无限的连续的傅里叶
最新课件
22
第四章完
最新课件
感谢亲观看此幻灯片，此课件部分内容来源于网络，
如有侵权请及时联系我们删除，谢谢配合！
最新课件
23

Matlab求解非线性超定方程组-恰定方程组-欠定方程组

Matlab求解非线性超定方程组3x+2/(5+y)=6，4x+4/（5+y）=7，9x+4/(8+y）=1211x+2/(4+y)=15x，y是未知数—-—————---—----—--—-clc;clear;%其实楼主的问题可以等效为求最小值的问题，我使用的指标是典型的平方和最小xtt=［1，1］；f=＠（x）(3*x(1）+2/(5+x（2））—6）^2+（4＊x（1）+4/(5+x(2）)-7）^2+(9*x （1)+4/（8+x(2)）—12)^2+(11*x（1）+2/（4+x（2）)-15）^2;[x，fval］=fminsearch(f,xtt）============================================================================== 求解线性方程组solve，linsolve例：A=[5 0 4 2;1 —1 2 1;4 1 2 0；1 1 1 1]；％矩阵的行之间用分号隔开，元素之间用逗号或空格B=［3;1;1；0]X=zeros（4，1）；%建立一个4元列向量X=linsolve(A，B)diff(fun，var，n）：对表达式fun中的变量var求n阶导数。

例如:F=sym（'u（x，y)＊v（x,y）’）; %sym（）用来定义一个符号表达式diff(F）；%matlab区分大小写pretty（ans) %pretty()：用习惯书写方式显示变量；ans是答案表达式非线性方程求解fsolve(fun,x0，options）其中fun为待解方程或方程组的文件名;x0位求解方程的初始向量或矩阵；option为设置命令参数建立文件fun.m：function y=fun(x）y=[x（1)-0。

5*sin（x（1）)—0.3*cos(x（2）)， .。

.x（2）- 0。

5＊cos(x（1))+0。

3＊sin（x（2））］;〉>clear;x0=[0。