从面内同偏振光散射数据非参数重建可穿透各向同性随机粗糙表面的统计特性：在计算机生成与实验散射数据上的应用
光学
2021-10-13 v1 应用物理
经典物理
摘要
本文引入一种从面内同偏振光散射数据非参数重建可穿透各向同性随机粗糙表面统计特性的方法。从基尔霍夫近似下二维随机粗糙表面漫散射光的表达式出发，通过对面内同偏振散射数据积分，并仅引入少数额外近似，获得了归一化表面高度关联函数的解析表达式。该反演方法包含两个主要步骤。第一步估计表面粗糙度。接下来，利用该值获得表面高度关联函数的函数形式，而无需事先假设该函数的任何特定形式(非参数反演)。验证该反演方法所用的输入数据，是由计算机模拟或针对二维随机粗糙电介质或金属表面通过实验获得的、对应不同关联函数形式的面内同偏振散射数据。重建所得关联函数与表面粗糙度，与生成输入散射数据时假定的相应量之间取得了良好一致；这对于电介质和金属表面、p 和 s 偏振光以及不同入射极角均成立。所提出的反演方法提供了一种基于面内同偏振散射数据的准确、高效、稳健且非接触的方法，用于各向同性二维随机粗糙电介质和金属表面统计特性的非参数表征。
引用
@article{arxiv.2105.02745,
title = {Non-parametric reconstruction of the statistical properties of penetrable, isotropic randomly rough surfaces from in-plane, co-polarized light scattering data: Application to computer generated and experimental scattering data},
author = {Verónica P. Simonsen and Dick Bedeaux and Ingve Simonsen},
journal= {arXiv preprint arXiv:2105.02745},
year = {2021}
}
备注
23 pages, 9 figures