企业官网建设流程全解析

简介：基于PQ分解法的MATLAB潮流计算源码，面向电力系统分析学习者与工程技术人员，用于求解电网各节点电压、有功无功分布。PQ分解法将负荷节点（PQ）与发电机节点（PV）分类处理，通过线性化方程加快收敛，在实际电网计算中兼顾精度与效率。资源包为rar压缩格式，共1个m文件，大小仅2KB，代码结构紧凑，涵盖网络拓扑定义、节点类型设置、基于基尔霍夫定律的方程组构建以及牛顿-拉弗森迭代求解等核心环节，并带有计算结果输出逻辑。目前已有160人学习下载。通过研读与调试该程序，可直观理解潮流计算中节点分类思想与迭代收敛过程，掌握MATLAB矩阵运算、循环迭代等数值计算技巧；该代码也可作为进一步扩展牛顿法、高斯-塞德尔法等电力系统算法的起点，适合本科课程设计、研究生科研入门或实际工程中原型算法的快速验证。

1. 相位量化光路程序源码：你下载的是参数而不是魔法

同样一段光路，有人用 MATLAB 重建出来的焦平面是一个干净的目标图案，有人跑出来的却是中心一团亮斑加一圈噪声。区别往往不在物理模型，而在一个叫 PQ 的参数上。PQ 在光路仿真里绝大多数情况指 phase quantization，也就是把连续的相位分布切成有限个离散台阶。SLM 的灰阶是 8 bit，实际相位调制只有 256 级甚至更少，仿真里如果不做量化，算出来的光强分布就和实验对不上。这套 MATLAB 光路程序源码解决的就是从目标光场到相位分布、再从量化相位到重建光斑的完整链路，适合做计算全息、激光整形、涡旋光束、成像系统仿真的工程师和研究生。读这套源码时要盯住三个量：量化电平数 M、像素尺寸 dx、传播距离 z，它们决定了仿真结果离实验有多远。

2. 量化台阶如何进入光路传播模型：PQ 的数学位置

2.1 从复振幅到量化相位：先搞清楚程序在哪一步做 PQ

光路仿真程序的第一步不是算传播，而是定义输入平面上的复振幅分布。常见的目标光场是振幅已知、相位待求，比如一个目标图像A_target(x, y)，程序通过 GS 算法或直接相位恢复得到连续相位phi(x, y)，再把它交给 SLM 的相位调制函数。到这里为止没出现 PQ，量化发生在生成 SLM 相位图之前：

% phi: 连续相位, 范围 [-pi, pi) % M: 量化电平数, SLM 8bit 时 M = 256, 实验常见 M = 16 或 32 phase_q = round((phi + pi) / (2 * pi / M)) * (2 * pi / M) - pi;

这段代码把连续相位分成 M 个均匀台阶。round之后乘回台阶宽度，得到的就是量化相位。注意phi + pi再归一化，是为了让 round 的输入落在正区间，避免负数取整时的边界误差。

量化之后的相位面在程序中以exp(1i * phase_q)参与后续传播。这一步直接改变了频谱分布：量化是把理想相位加了一个锯齿状误差，等效于在频域引入高阶衍射级。所以源码里如果只在最后显示目标图像、不检查频谱，量化误差会被完全掩盖。

2.2 角谱法里决定精度的三个数：dx、λ、z

传播过程在绝大多数开源光路程序里用角谱法实现。角谱法把输入场拆成平面波分量，每个分量乘以一个传播因子，再做逆傅里叶变换：

function U_out = angular_spectrum_prop(U_in, dx, lambda, z) [Ny, Nx] = size(U_in); fx = (-Nx/2 : Nx/2-1) / (Nx * dx); fy = (-Ny/2 : Ny/2-1) / (Ny * dx); [FX, FY] = meshgrid(fx, fy); H = exp(1i * 2 * pi * z / lambda .* sqrt(1 - (lambda * FX).^2 - (lambda * FY).^2)); U_out = ifft2(ifftshift(fftshift(fft2(U_in)) .* H)); end

这里H是角谱传递函数，FX和FY是频域坐标。这段代码在采样满足奈奎斯特条件时是精确的，但sqrt里出现负数时意味着倏逝波，程序不会报错，只会给你一个指数衰减的错误结果。检查这一项是否越界是源码下载后第一个要看的点。

数值上更隐蔽的是采样率。角谱法要求频域间隔足够小，否则重建面的观察范围不够。经验判据是z <= N * dx^2 / lambda，N 是单边像素数。这个关系在源码里通常写成注释，但很少有人解释含义：传播距离超过这个值时，输出平面的采样间隔lambda * z / (N * dx)会变得比输入平面的物理尺寸还大，结果就是重建图像明显缩小甚至折叠。

2.3 量化误差的解析边界：衍射效率和 M 的关系

量化不是越细越好，M 到一定程度后继续增加，实验上根本看不到区别。原因是量化噪声功率随 M 平方下降，而像素化、SLM 的 gamma 非线性、环境振动带来的误差远大于它。理论上一阶衍射效率随 M 的变化满足：

eta_M = sinc(1/M)^2

M = 2 时效率约 40.5%，M = 4 时约 81%，M = 8 时约 95%，M = 16 时约 98.7%。把这个趋势和实验系统噪声放在一起看，就能判断 8 bit 的 SLM 在上限上几乎不会成为瓶颈。很多源码把默认 M 设为 256，这时量化噪声已经不是限制因素，真正限制重建质量的是采样率和像素化本身。下面第 3 章直接给出可运行的源码结构和跑通方式。

3. 在 MATLAB 里跑通 PQ 光路程序源码：最小实现与文件组织

3.1 源码下载后第一步：确认入口文件和路径

一套标准的 PQ 光路程序源码，文件组织大致是：main_quant_bench.m为主入口，angular_spectrum_prop.m为传播函数，quant_phase.m为量化函数，utils/下放显示和评估工具。首次运行时很多问题出在路径和 MATLAB 版本兼容性上，比如代码用了tiledlayout但你的 2026b 版本没问题，而老版本会报错。下载后先在 MATLAB 里运行：

cd('你的源码目录'); addpath(genpath(pwd)); % 检查当前 MATLAB 版本是否满足源码最低要求 disp(version);

用genpath加所有子目录是为了避免util、lib这类目录没有被自动加入搜索路径。版本检查的意义在于，源码如果用了arguments块或gpuArray相关的 API，在 2023a 以下版本会出现运行时错误，而不是解析错误。

3.2 量化函数：通用版本和 SLM 对齐版本

前面给过一个简单量化实现，但实际光路程序通常要求量化边界不是从-pi开始的，而是和 SLM 的相位-灰阶曲线对齐。更通用的量化函数可以写成：

function phase_q = quant_phase(phi, M, phase_min) % phase_min: SLM 最小相位, 默认 -pi if nargin < 3 phase_min = -pi; end L = 2 * pi; % 相位区间宽度, 默认 2pi step = L / M; phase_norm = (phi - phase_min) / step; phase_q = phase_min + round(phase_norm) * step; % 归一到 [-pi, pi), 避免相位跳变点落在目标区域 phase_q = mod(phase_q + pi, 2 * pi) - pi; end

nargin判断允许第二级调用方只传两个参数时走默认值。mod这一步很关键：如果没有最后一行，round可能把靠近+pi的相位映射到+pi之外，导致重建相位面上出现一条人为的跳变线。这种跳变不会报错，但会在重建图像里表现为一条暗线。

参数上要注意M不一定是 2 的幂才能工作。SLM 的驱动灰阶是 8 bit，但实际有效电平数可能只有 4 bit 左右，这受制于液晶的电光曲线。仿真时设 M = 16 是常见折中；M = 32 以上和 M = 256 的结果差异在图像上几乎不可见，但耗时增加有限，因为量化本身是逐元素运算，瓶颈永远在 FFT 上。

3.3 主程序：生成目标、量化、传播到焦平面

完整的最小主程序如下，它生成一个环形目标，相位恢复后做 PQ，再角谱传播到焦平面：

clear; clc; % 物理参数 lambda = 532e-9; % 波长 532nm dx = 8e-6; % 像素尺寸 8um, 接近常见 SLM 像素 N = 1024; % 网格点数, 1024 在内存和速度上均衡 z = 8e-3; % 传播距离 8mm % 目标场: 半径 100 像素的环 [x, y] = meshgrid((1:N)-N/2, (1:N)-N/2); r = sqrt(x.^2 + y.^2); A_target = double((r > 90) & (r < 110)); % 随机相位作为初始猜测, 加一个小常数避免全零 phi0 = 2 * pi * rand(N, N); U0 = A_target .* exp(1i * phi0); % 连续相位: 这里用简单的傅里叶约束迭代, 3 次就够看趋势 for iter = 1:3 U_forward = angular_spectrum_prop(U0, dx, lambda, z); % 保持振幅, 替换相位 U_forward = A_target .* exp(1i * angle(U_forward)); U_back = angular_spectrum_prop(U_forward, dx, lambda, -z); U0 = A_target .* exp(1i * angle(U_back)); end % 取输入面相位并量化 phi_cont = angle(U0); M_levels = 16; phi_q = quant_phase(phi_cont, M_levels, -pi); % 传播量化相位到输出面 U_q_out = angular_spectrum_prop(exp(1i * phi_q), dx, lambda, z); I_out = abs(U_q_out).^2; % 显示 figure('Name', 'PQ 光路仿真结果'); subplot(1, 2, 1); imagesc(phi_q); axis image; colorbar; title('量化相位'); subplot(1, 2, 2); imagesc(I_out); axis image; colorbar; title('焦平面光强');

这段代码里，angular_spectrum_prop在迭代中反向传播一个-z，这是相位恢复的标准做法。三个迭代足够让环形目标成形，但不会达到收敛。参数上注意A_target是逻辑数组，直接和复数场相乘会隐式转为 double，不影响结果但会增加内存拷贝，在 N = 2048 时要留意。

exp(1i * phi_q)构造量化后的透射函数，这一步在程序里是必须的。直接传播phi_q本身是错误的常见来源，因为角谱传播假设输入是复振幅，不是相位值本身。传导到subplot两张图时，左右对比就能直观看到量化噪声。

3.4 结果检查：三级判断法

程序跑完先做三级检查，比直接看imagesc靠谱得多。

第一级：检查量化相位图上有没有从-pi到pi的锯齿线。正常的相位面允许跳变，但跳变位置应该随机且细碎，如果出现大面积平滑渐变，说明quant_phase的mod处理有问题。

第二级：检查焦平面光强的中心区域。量化后出现中心亮斑是正常现象，它对应零级衍射，但亮斑能量占比超过 10% 就说明 M 太小或填充因子效应没处理。

第三级：用下面这段代码对比量化前后的衍射效率：

I_before = abs(angular_spectrum_prop(exp(1i * phi_cont), dx, lambda, z)).^2; I_after = abs(angular_spectrum_prop(exp(1i * phi_q), dx, lambda, z)).^2; target_mask = (r > 90) & (r < 110); eff_before = sum(I_before(target_mask)) / sum(I_before(:)); eff_after = sum(I_after(target_mask)) / sum(I_after(:)); fprintf('M=%d, 连续相位效率=%.3f, 量化后效率=%.3f\n', M_levels, eff_before, eff_after);

这两行fprintf输出的数值直接告诉你 M 的选取是否合理。连续相位效率一般能做到 80% 以上，量化后如果掉到 50% 以下，优先怀疑量化台阶和相位恢复迭代次数不够，而不是 SLM 参数设错。

4. 源码下载后必调的 4 个参数：从仿真对齐到实验

4.1 dx 和 N 的组合：奈奎斯特判据与内存上限

dx和N不能单独调。dx决定空间频率范围，N决定频率分辨率，两者乘积决定观察范围。常见错误是只把dx改小来对齐 SLM 的像素尺寸，却忘了几何尺寸N * dx也随之缩小，导致目标环的半径显得巨大，传播到焦平面时直接出界。

建议先用表格式对照确认三组数的关系：

z <= N * dx^2 / lambda这个判据决定角谱法能否直接用。超出时不要急着用 Fresnel 近似，先把N翻倍把观察范围扩大，或者把传播分成多段做分步传播。分段时的每段距离满足判据即可，但要多做一次 FFT，耗时大概增加一倍。

4.2 量化电平数 M 和 SLM 灰阶之间的换算

SLM 标称 8 bit 灰阶（256 级）不意味着相位调制就有 256 个有效电平。液晶的电压-相位曲线通常只在某段电压范围近似线性，实际有效电平数是 32 到 64 的常见水平。对应到仿真里，M = 16到M = 32就足够贴近实验。有人直接把M = 256跑仿真得出漂亮结果，实验却复现不了，就是这个原因。

如果源码里有 gamma 校正模块，把M设成 SLM 厂商给的有效电平数，而不是灰阶级数。没有 gamma 校正时，在量化前加一个非线性映射更接近实验：

% gamma 校正近似: 将均匀量化映射到非均匀分布 phi_nonlinear = sign(phi_cont) .* abs(phi_cont).^1.2; phi_q_nonlin = quant_phase(phi_nonlinear, M_levels, -pi);

abs(phi_cont).^1.2模拟液晶在中段过饱和的响应特性。这个近似只适用于定性评估，定量对标还是要用厂商实测的相位响应曲线。

4.3 填充因子和零级衍射的仿真化处理

真实 SLM 像素间有死区，填充因子通常在 0.9 到 0.97 之间。死区的相位不变化，等价于一个恒定背景光，在焦平面形成零级亮斑。源码里如果完全没有这个环节，仿真会把零级理想化地压制掉。

一个折中做法是在输入面叠加一个低振幅平面波：

fill_factor = 0.93; % 常见 LCOS 填充因子 U_slm = fill_factor * exp(1i * phi_q) + (1 - fill_factor) * ones(N, N); U_out = angular_spectrum_prop(U_slm, dx, lambda, z);

这里的fill_factor * exp(1i * phi_q)表示有效调制区域，(1 - fill_factor) * ones(N, N)表达死区反射的背景。两个分量相干叠加，在焦平面中心产生的亮斑强度大约是(1 - fill_factor)^2的量级。对应到实验里要把中心亮斑挡住或用离轴设计避开。

4.4 用 MATLAB 优化工具箱自动寻找最优参数

手动改M、dx验证效率太低。源码下载后可以直接用fminsearch包一层标量目标函数，自动扫描 M 和 z。

% 目标函数: 给定 M 和 z, 返回量化后效率 function neg_eff = target_func(params) M_t = round(params(1)); z_t = params(2); phi_t = quant_phase(phi_cont, M_t, -pi); U_t = angular_spectrum_prop(exp(1i * phi_t), dx, lambda, z_t); I_t = abs(U_t).^2; neg_eff = -sum(I_t(target_mask)) / sum(I_t(:)); end % 从 M=16, z=8mm 开始 opt_params = fminsearch(@(p) target_func(p), [16, 8e-3]);

fminsearch不要求梯度，适合这个离散和连续混合的小规模问题。注意M_t用round后数值不连续，优化器可能收敛到局部极值，所以要多试几组初始值。结果里z如果明显偏离判据，比如超出N * dx^2 / lambda，说明优化器在补偿采样不足，这不是物理上的最优传播距离。

5. 验证 PQ 光路仿真结果的三个可执行技巧

5.1 零级能量占比：一眼看出量化噪声的严重程度

零级能量占比是判断 PQ 仿真是否可信的最快指标。取输出面中心半径 5 个像素的区域，计算这部分能量占全平面的比例：

center_region = zeros(N, N); center_region(N/2-2:N/2+2, N/2-2:N/2+2) = 1; zero_order_ratio = sum(I_out(center_region == 1)) / sum(I_out(:));

占比小于 5% 时，量化噪声处于可接受范围；超过 10%，优先把 M 翻倍再看变化。注意这个指标对目标图案的复杂度不敏感，即使目标环半径再大，零级亮斑始终在中心，不会因为你把目标移出中轴就消失。

5.2 用一个数值确认 M 的边际收益

把 M 从 2 依次按 2 倍往上取，算出每个 M 下的重建相关度，看曲线的拐点。这个技巧能直接告诉你源码里 M 该设多少：

M_list = [2, 4, 8, 16, 32, 64, 256]; corr_list = zeros(size(M_list)); for k = 1:length(M_list) phi_k = quant_phase(phi_cont, M_list(k), -pi); I_k = abs(angular_spectrum_prop(exp(1i * phi_k), dx, lambda, z)).^2; corr_list(k) = corr2(A_target, I_k / max(I_k(:))); end semilogx(M_list, corr_list, 'o-');

corr2直接比较目标振幅和归一化光强，数值在 0 到 1 之间。曲线在 M = 16 到 32 之间的抬升幅度通常已经很小，再往上增加 M，相关度提升不到 0.5%，但源码里的内存开销和计算时间并没有明显变化。用这条曲线作为实验前的依据，比直接套 8 bit 灰阶更有说服力。

5.3 把量化误差可视化为差异图

最后把量化和未量化的输出光强放在同一坐标系下做差，能定位噪声的分布规律，而不是只看一个相关性数值：

I_before_norm = I_before / max(I_before(:)); I_after_norm = I_after / max(I_after(:)); diff_map = I_after_norm - I_before_norm; imagesc(diff_map, [-0.2 0.2]); axis image; colorbar;

差异图里如果噪声呈规则网格状，说明是像素化效应主导；如果是随机散斑状，说明是量化台阶带来的频谱泄漏。这两种噪声的压制手段不同：前者需要减小像素尺寸或增大死区补偿，后者只需要提高 M。跑完这组对比，再回到源头检查量化函数的mod边界，确定最终 M 后，整套源码在实验和仿真之间的衔接就具备可复现的基础了。

本文还有配套的精品资源，点击获取