2024通信保研-电磁场电磁波复习

标量场的梯度的旋度恒等于0,旋度的散度等于0。



旋度

rot ⁡ F = ( e x ∂ ∂ x + e y ∂ ∂ y + e z ∂ ∂ z ) × ( e x F x + e y F y + e z F z ) = e x ( ∂ F z ∂ y − ∂ F y ∂ z ) + e y ( ∂ F x ∂ z − ∂ F z ∂ x ) + e x ( ∂ F y ∂ x − ∂ F x ∂ y ) = ∇ × F \begin{aligned} \operatorname{rot} \boldsymbol{F} & =\left(\boldsymbol{e}_{x} \frac{\partial}{\partial x}+\boldsymbol{e}_{y} \frac{\partial}{\partial y}+\boldsymbol{e}_{z} \frac{\partial}{\partial z}\right) \times\left(\boldsymbol{e}_{x} F_{x}+\boldsymbol{e}_{y} F_{y}+\boldsymbol{e}_{z} F_{z}\right) \\ &=\boldsymbol{e}_{x}\left(\frac{\partial F_{z}}{\partial y}-\frac{\partial F_{y}}{\partial z}\right)+\boldsymbol{e}_{y}\left(\frac{\partial F_{x}}{\partial z}-\frac{\partial F_{z}}{\partial x}\right)+\boldsymbol{e}_{x}\left(\frac{\partial F_{y}}{\partial x}-\frac{\partial F_{x}}{\partial y}\right)\\ & =\boldsymbol{\nabla} \times \boldsymbol{F} \end{aligned} rotF=(exx+eyy+ezz)×(exFx+eyFy+ezFz)=ex(yFzzFy)+ey(zFxxFz)+ex(xFyyFx)=×F

∇ × F = ∣ e x e y e z ∂ ∂ x ∂ ∂ y ∂ ∂ z F x F y F z ∣ \nabla \times \boldsymbol{F}=\left|\begin{matrix} \boldsymbol{e}_{x} & \boldsymbol{e}_{y} & \boldsymbol{e}_{z} \\ \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\\\ F_{x} & F_{y} & F_{z} \end{matrix}\right| ×F= exxFxeyyFyezzFz

散度

div ⁡ F = ( e x ∂ ∂ x + e y ∂ ∂ y + e z ∂ ∂ z ) ⋅ ( e x F x + e y F y + e z F z ) = ∇ ⋅ F \begin{aligned} \operatorname{div} \boldsymbol{F} & =\left(\boldsymbol{e}_{x} \frac{\partial}{\partial x}+\boldsymbol{e}_{y} \frac{\partial}{\partial y}+\boldsymbol{e}_{z} \frac{\partial}{\partial z}\right) \cdot\left(\boldsymbol{e}_{x} F_{x}+\boldsymbol{e}_{y} F_{y}+\boldsymbol{e}_{z} F_{z}\right) \\ & =\boldsymbol{\nabla} \cdot \boldsymbol{F} \end{aligned} divF=(exx+eyy+ezz)(exFx+eyFy+ezFz)=F

梯度

grad ⁡ u = ( e x ∂ ∂ x + e y ∂ ∂ y + e z ∂ ∂ z ) u = ∇ u \operatorname{grad} u=\left(\boldsymbol{e}_{x} \frac{\partial}{\partial x}+\boldsymbol{e}_{y} \frac{\partial}{\partial y}+\boldsymbol{e}_{z} \frac{\partial}{\partial z}\right) u=\nabla u gradu=(exx+eyy+ezz)u=u

亥姆霍兹定理:任一矢量场由它的散度、旋度和边界条件唯一确定。

对于一个在有界域 V V V 上的矢量场 F ( r ) \boldsymbol{F}(\boldsymbol{r}) F(r) ,其在满足二阶连续可微的情况下可以描述为一个无旋场和一个无散场的叠加,公式表述为:

F ( r ) = − ∇ u ( r ) + ∇ × A ( r ) \boldsymbol{F}(\boldsymbol{r})=-\nabla u(\boldsymbol{\boldsymbol{r}})+\nabla \times \boldsymbol{A}(\boldsymbol{r}) F(r)=u(r)+×A(r)


其中,

u ( r ) = 1 4 π ∫ V ∇ ′ ⋅ F ( r ′ ) ∣ r − r ′ ∣ d V ′ − 1 4 π ∮ S e n ′ ⋅ F ( r ′ ) ∣ r − r ′ ∣ d S ′ u(\boldsymbol{r})=\frac{1}{4 \pi} \int_{V} \frac{\nabla^{\prime} \cdot \boldsymbol{F}\left(\boldsymbol{r}^{\prime}\right)}{\left|\boldsymbol{r}-\boldsymbol{r}^{\prime}\right|} \mathrm{d} V^{\prime}-\frac{1}{4 \pi} \oint_{S} \frac{\boldsymbol{e}_{\mathrm{n}}^{\prime} \cdot \boldsymbol{F}\left(\boldsymbol{r}^{\prime}\right)}{\left|\boldsymbol{r}-\boldsymbol{r}^{\prime}\right|} \mathrm{d} S^{\prime} u(r)=4π1VrrF(r)dV4π1SrrenF(r)dS

A ( r ) = 1 4 π ∫ V ∇ ′ × F ( r ′ ) ∣ r − r ′ ∣ d V ′ − 1 4 π ∮ S e n ′ × F ( r ′ ) ∣ r − r ′ ∣ d S ′ \boldsymbol{A}(\boldsymbol{r})=\frac{1}{4 \pi} \int_{V} \frac{\boldsymbol{\nabla}^{\prime} \times \boldsymbol{F}\left(\boldsymbol{r}^{\prime}\right)}{\left|\boldsymbol{r}-\boldsymbol{r}^{\prime}\right|} \mathrm{d} V^{\prime}-\frac{1}{4 \pi} \oint_{S} \frac{\boldsymbol{e}_{\mathrm{n}}^{\prime} \times \boldsymbol{F}\left(\boldsymbol{r}^{\prime}\right)}{\left|\boldsymbol{r}-\boldsymbol{r}^{\prime}\right|} \mathrm{d} S^{\prime} A(r)=4π1Vrr×F(r)dV4π1Srren×F(r)dS




媒质的电磁特性

电介质:电介质中的束缚电荷在外加电场的作用下发生位移的现象。产生许多的电偶极子,改变了电介质中的电场分布。


引入极化强度 P \boldsymbol{P} P 来描述电介质的极化程度,具体的物理意义为单位体积中的电偶极矩的矢量和,表示为

P = lim ⁡ Δ V → 0 ∑ i p i Δ V \boldsymbol{P}=\lim _{\Delta V \rightarrow 0} \frac{\sum_{i} \boldsymbol{p}_{i}}{\Delta V} P=ΔV0limΔVipi

对于线性和各向同性电介质,其极化强度 P \boldsymbol{P} P 与电介质中的合成电场强度 E \boldsymbol{E} E 成正比,表示为

P ( r ) = χ e ε 0 E ( r ) \boldsymbol{P}(\boldsymbol{r})=\chi_{\mathrm{e}} \varepsilon_{0} \boldsymbol{E}(\boldsymbol{r}) P(r)=χeε0E(r)

式中 χ e \chi_e χe 称为电介质的电极化率,是一个正实数。


极化电荷的体密度为: ρ P = − ∇ ⋅ P \rho_{P}=-\boldsymbol{\nabla} \cdot \boldsymbol{P} ρP=P

电介质表面的极化电荷面密度为: ρ S P = P ⋅ e n \rho_{SP}=\boldsymbol{P} \cdot \boldsymbol{e}_{\mathrm{n}} ρSP=Pen



磁介质

具有磁效应的物质称为磁介质,其主要特征是电子的轨道运动和自旋形成的小环形电流,在磁场力的作用下,这些小环形电流会转动而有序排列,这种现象称为介质磁化。


对于线性和各向同性磁介质,磁化强度 M \boldsymbol{M} M 与磁场强度 H \boldsymbol{H} H 成正比,表示为

M = χ m H \boldsymbol{M}=\chi _m\boldsymbol{H} M=χmH

磁介质内磁化电流体密度,磁化强度之间的关系式是

J M = ∇ × M \boldsymbol{J}_M=\boldsymbol{\nabla} \times \boldsymbol{M} JM=×M

磁介质表面,磁化面电流体密度,磁化强度之间的关系式是

J S M = M × e n \boldsymbol{J}_{SM}=\boldsymbol{M} \times \boldsymbol{e}_n JSM=M×en




矢量磁位

利用磁场的无散度特征,即 ∇ ⋅ B = 0 \nabla \cdot \boldsymbol{B}=0 B=0,我们可以利用一矢量的旋度 ∇ × A \nabla \times \boldsymbol{A} ×A 来计算磁感应强度 B \boldsymbol{B} B

B = ∇ × A \boldsymbol{B}=\boldsymbol{\nabla} \times \boldsymbol{A} B=×A

式中 A \boldsymbol{A} A 为矢量磁位,是一个辅助矢量。

标量磁位:如果研究的空间中不存在自由电流,则磁感应强度的旋度为0,此时可以用一个标量函数的梯度来表达该磁感应强度,该标量函数被称为标量磁位




理想介质中的均匀平面波特点

讨论的区域是无源区,即 ρ = 0 \rho=0 ρ=0 J = 0 \boldsymbol{J}=0 J=0,且充满线性、均匀、同向介质。

  • 电场 E \boldsymbol{E} E、磁场 H \boldsymbol{H} H 与传播方向 e z \boldsymbol{e}_z ez 互相垂直,是横电磁波(TEM波)
  • 电场与磁场之比,具有阻抗的量纲。在理想介质中,波阻抗为实数,因此电场与磁场同相位
    η = μ ε ( Ω ) \eta=\sqrt{\frac{\mu}{\varepsilon}}(\Omega) η=εμ (Ω)
  • 电磁波等相位面在空间中移动速度称为相位速度,理想介质中与电磁波频率无关。
  • 电场能量密度等于磁场能量密度,即
    1 2 ε ∣ E ∣ 2 = 1 2 μ ∣ H ∣ 2 \frac{1}{2} \varepsilon|\boldsymbol{E}|^{2}=\frac{1}{2} \mu|\boldsymbol{H}|^{2} 21εE2=21μH2



趋肤深度:电磁波在良导体中衰减很快,故在传播很短的一段距离后就几乎衰减完了,频率越高,磁导率增加,磁感应强度越高衰减越快。

δ = 2 ω μ σ \delta=\sqrt{\frac{2}{\omega\mu\sigma}} δ=ωμσ2




电磁波的极化:电磁波的极化是电磁理论中的一个重要概念,它表征在空间给顶点上电场强度矢量的方向随时间变化的特性,并用电场强度矢量的端点随时间变化的轨迹来描述。

若轨迹是直线,则称为直线极化;若轨迹是椭圆,则称为椭圆极化




对理想导体平面的垂直入射

E 1 ( z , t ) = Re ⁡ [ E 1 ( z ) e j ω t ] = e x 2 E i m sin ⁡ β 1 z sin ⁡ ω t H 1 ( z , t ) = Re ⁡ [ H 1 ( z ) e j ω t ] = e y 2 η 1 E i m cos ⁡ β 1 z cos ⁡ ω t \begin{aligned} \boldsymbol{E}_{1}(z, t) &=\operatorname{Re}\left[\boldsymbol{E}_{1}(z) \mathrm{e}^{\mathrm{j} \omega t}\right]=\boldsymbol{e}_{x} 2 E_{\mathrm{im}} \sin \beta_{1} z \sin \omega t \\ \boldsymbol{H}_{1}(z, t)&=\operatorname{Re}\left[\boldsymbol{H}_{1}(z) \mathrm{e}^{\mathrm{j} \omega t}\right]=\boldsymbol{e}_{y} \frac{2}{\eta_{1}} E_{\mathrm{im}} \cos \beta_{1} z \cos \omega t \end{aligned} E1(z,t)H1(z,t)=Re[E1(z)ejωt]=ex2Eimsinβ1zsinωt=Re[H1(z)ejωt]=eyη12Eimcosβ1zcosωt

可以看到合成波在空间没有移动,只是在原来的位置振动,因此这种波称为驻波。

驻波系数:在工程中,常用驻波系数来描述合成波的特性,其定义是合成波电场强度最大值和最小值之比

S = ∣ E 1 ∣ max ⁡ ∣ E 1 ∣ min ⁡ = 1 + ∣ Γ ∣ 1 − ∣ Γ ∣ S=\frac{\left|\boldsymbol{E}_{1}\right|_{\max }}{\left|\boldsymbol{E}_{1}\right|_{\min }}=\frac{1+|\Gamma|}{1-|\Gamma|} S=E1minE1max=1∣Γ∣1+∣Γ∣


四分之一波长匹配:在两种不同媒质之间插入一层厚度为四分之一波长的介质,媒质2的本征阻抗为根号下1和3的阻抗的乘积,则1和2的分界面上反射系数为0,常见于照相机的镜头。取媒质2的本征阻抗为

η 2 = η 1 η 3 \eta_{2}=\sqrt{\eta_{1} \eta_{3}} η2=η1η3

在这里插入图片描述


半波长介质窗户(雷达天线罩):两介质面的透射系数相乘为-1;可以通过使夹层媒质的相对介电常数等于相对磁导率来实现。




全反射和全透射

  • 全反射:从光密介质入射到光疏介质,使得反射系数为
  • 全透射:入射角等于布儒斯特角,可以使得水平极化波全为0,无法使得垂直极化波全为0。

到这里所讨论的波都是横电磁波(TEM),电场强度 E \boldsymbol{E} E 和磁场强度 H \boldsymbol{H} H 都与波的传播方向垂直

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/119101.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MS COCO数据集的评价标准以及不同指标的选择推荐(AP、mAP、MS COCO、AR、@、0.5、0.75、1、目标检测、评价指标)

目标检测模型性能衡量指标、MS COCO 数据集的评价标准以及不同指标的选择推荐 0. 引言 0.1 COCO 数据集评价指标 目标检测模型通过 pycocotools 在验证集上会得到 COCO 的评价列表,具体参数的含义是什么呢? 0.2 目标检测领域常用的公开数据集 PASCAL …

网络基础知识

1.什么是链接? 链接是指两个设备之间的连接。它包括用于一个设备能够与另一个设备通信的电缆类型和协议。 2.OSI 参考模型的层次是什么? 有 7 个 OSI 层:物理层,数据链路层,网络层,传输层,会话层,表示层和…

04 文件管理

文件管理 文件和目录的创建 删除文件和目录 文件查找命令 文件的拷贝和移动 打包和压缩

Macos文件图像比较工具:Kaleidoscope for Mac

Kaleidoscope是一款文件图像比较工具,它可以方便地比较两个文本或者图片文件的差异。这个工具可以在Mac系统上使用,并且支持多种文件格式,包括文本文件、图片文件、PDF文件等等。 Kaleidoscope有一个直观的用户界面,可以让用户轻…

【蓝牙协议】简介:蓝牙芯片、蓝牙协议架构

文章目录 蓝牙芯片架构另一个视角由下到上看:Controller-->Host由上到下看:Host-->Controller 蓝牙协议架构视角HW层——蓝牙芯片层Transport——数据传输层HOST——协议层 总结 参考:https://zhuanlan.zhihu.com/p/585248998 参考&…

OpenCV官方教程中文版 —— 图像金字塔

OpenCV官方教程中文版 —— 图像金字塔 前言一、原理二、使用金字塔进行图像融合 前言 • 学习图像金字塔 • 使用图像创建一个新水果:“橘子苹果” • 将要学习的函数有:cv2.pyrUp(),cv2.pyrDown()。 一、原理 一般情况下,我…

全连接层是什么,有什么作用?

大家好啊,我是董董灿。 如果你是搞AI算法的同学,相信你在很多地方都见过全连接层。 无论是处理图片的卷积神经网络(CNN),还是处理文本的自然语言处理(NLP)网络,在网络的结尾做分类…

竞赛选题 深度学习动物识别 - 卷积神经网络 机器视觉 图像识别

文章目录 0 前言1 背景2 算法原理2.1 动物识别方法概况2.2 常用的网络模型2.2.1 B-CNN2.2.2 SSD 3 SSD动物目标检测流程4 实现效果5 部分相关代码5.1 数据预处理5.2 构建卷积神经网络5.3 tensorflow计算图可视化5.4 网络模型训练5.5 对猫狗图像进行2分类 6 最后 0 前言 &#…

循环队列c语言版

一、循环队列结构体 typedef int QueueDataType; #define CQ_MAX_SIZE 10typedef struct CircularQueue {QueueDataType data[CQ_MAX_SIZE];/**标记队列首*/QueueDataType head;/**标记队列尾部*/QueueDataType rear;} CircularQueue; 二、循环队列操作函数声明 /**创建队…

软件工程——期末复习知识点汇总

本帖的资料来源于某国内顶流高校的期末考试资料,仅包含核心的简答题,大家结合个人情况,按需复习~ 总的来说,大层面重点包括如下几个方面: 软件过程需求工程 设计工程软件测试软件项目管理软件过程管理 1.掌握软件生命…

Creaform形创HandySCAN MAX l Elite三维扫描仪便携式3D测量解决方案

CASAIM中科院广州电子智能制造事业部连续多年荣获形创Creaform战略级代理商证书。战略级代理商是形创Creaform最高级别的合作伙伴。 2023年CASAIM中科院广州电子智能制造事业部的形创Creaform战略级代理商证书: Creaform 形创是便携式三维测量解决方案和工程服务领…

[Python进阶] 消息框、弹窗:tkinter库

6.16 消息框、弹窗:tkinter 6.16.1 前言 应用程序中的提示信息处理程序是非常重要的部分,用户要知道他输入的资料到底正不正确,或者是应用程序有一些提示信息要告诉用户,都必须通过提示信息处理程序来显示适当的信息&#xff0c…

NPDP产品经理证书是什么行业的证书?

NPDP是一个跨行业的证书,它适用于各种不同类型和规模的组织。无论是制造业、服务业还是科技领域,都可以从NPDP认证中获益。 1. 制造业: 制造业涉及大量的产品开发和创新活动。从汽车制造到电子设备制造,从家居用品到航天航空&…

idea + Docker-Compose 实现自动化打包部署(仅限测试环境)

一、修改docker.service文件,添加监听端口 vi /usr/lib/systemd/system/docker.service ExecStart/usr/bin/dockerd -H fd:// --containerd/run/containerd/containerd.sock -H tcp://0.0.0.0:2375 -H unix://var/run/docker.sock重启docker服务 systemctl daemo…

Shopee、Lazada卖家不得不看的提升销量技巧,自养号测评打造权重

近年来,大部分虾皮、Lazada卖家开始通过测评补单的方式来提升店铺权重和产品排名,以吸引更多流量。这种方式可以有效提高产品的销售转化率,对店铺的运营起到推动作用。然而,测评补单并非简单的购买过程,其中涉及到许多…

干洗店预约下单管理系统收衣开单拍照必备软件

随着生活水平的提高和节奏的加快,商务人士的衣物越来越多,但精力和时间却越来越少。于是,干洗店应运而生,在中国,几乎所有的中心城市干洗店都门庭若市。若每人每月需要干洗一套服装,一个城市每月则需干洗50…

HTML5语义化标签 header 的详解

🌟🌟🌟 专栏详解 🎉 🎉 🎉 欢迎来到前端开发之旅专栏! 不管你是完全小白,还是有一点经验的开发者,在这里你会了解到最简单易懂的语言,与你分享有关前端技术和…

idea使用Alibaba Cloud Toolkit实现自动部署

在日常开发过程中,经常会使用到jenkins进行项目部署,但对一些小项目来说,这就过于复杂,就可以使用Alibaba Cloud Toolkit插件配合shell脚本进行项目的远程部署工作。 一、下载Alibaba Cloud Toolkit插件 二、服务器安装nohup 1.…

Kafka - 消息队列的两种模式

文章目录 消息队列的两种模式点对点模式(Point-to-Point,P2P)发布/订阅模式(Publish/Subscribe,Pub/Sub) 小结 消息队列的两种模式 消息队列确实可以根据消息传递的模式分为 点对点模式发布/订阅模式 这两…

Power BI 实现日历图,在一张图中展示天、周、月数据变化规律

《数据可视化》这本书里介绍了一个时间可视化的案例(如下图所示),以日历图的形式展示数据的变化,可以在一张图上同时观察到:(1)每一天的数据变化;(2)随周变化…