你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)

这篇具有很好参考价值的文章主要介绍了你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文讲述了光学加工和检测过程中,元件面形误差PV和RMS的计算方法RMS与方差、标准差有什么区别,以及Zemax中的波前RMS是怎么计算的、与上述RMS有什么差异等。属于光学检测必看的知识点。

1. 面形误差PV怎么计算?

PV是英文单词Peak-to-Veally(从峰到谷)的缩写,表示元件面形误差矩阵  中元素的最大值(面形最高点)与最小值(面形最低点)之差,即:

其中, 和  分别代表面形矩阵中元素的最大值与最小值, 和  分别为面形矩阵的行和列有效元素的序号。

你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)

图1 PV

2. 面形误差RMS怎么计算?RMS与方差、标准差有什么区别?

首先,我们需要知道均方根(root-mean-square,RMS)、方差(Variance,Var)和标准差(Standard deviation,STD)之间的区别,它们的计算公式分别如下:

,其中

在以上式子中, 是面形矩阵,  和  分别为面形矩阵的行和列有效元素的序号,  为面形矩阵中所有有效元素的平均值, 为面形矩阵中的有效元素个数。注意,某些方差的归一化因子也会使用 ,而不是 。

可见,RMS与方差、标准差之间的区别在于:

  1. RMS在计算过程中,没有与面形矩阵中所有有效元素的平均值  作差,所以数据的平均值对RMS值的大小有影响:同一元件面形在去Piston(活塞)之前和之后,面形误差的RMS值不一样。我们将在另一篇原创文章《去Piston前后的面形误差RMS值为什么不一样?》里讲到这个结论;

  2. STD和Var在计算过程中都与面形矩阵中所有有效元素的平均值 作差了,所以数据的平均值对STD和Var值的大小无影响,它们反映了样本与平均值之间的离散程度:STD或Var值越小,面形越平整;

  3. STD是Var的算术平方根。

你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)

图2 RMS

(注意:在SCI文章中,RMS应写为小写英文字母“rms”!)

3. Zemax中的波前RMS怎么计算?与上述RMS有差异吗?

Zemax官方提到了3种RMS,分别是:

(1)“参考零RMS”,即上文中的 RMS ;

(2)“参考平均值RMS”,或称“去Piston后的RMS”,即下文中的 ;

(3)“参考质心RMS”,或称“去Piston和倾斜后的RMS”。

,其中

一般情况, Zemax Opticstudio中的波前RMS 为“参考平均值RMS”(如图3所示):

你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)

​图3 参考平均值RMS

如果勾选了“除去倾斜”(如图4所示),则Zemax Opticstudio计算“参考质心 RMS”,它是以上三种RMS中最小的:

你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)

​图4 参考质心 RMS

有任何问题,请留言或私聊。

感谢关注!

记得点赞收藏本文!

(本文未经允许,不得转载!)文章来源地址https://www.toymoban.com/news/detail-441039.html

到了这里,关于你真的懂面形误差PV和RMS的计算方法吗?均方根(RMS)与方差、标准差有什么区别?Zemax中的波前RMS是什么?(光学测量、光学设计必看)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Allan方差定义与计算方法简介

    Allan方差 最初由David W. Allan开发,用于测量精密仪器的频率稳定性。 它还可用于识别固定陀螺仪测量中存在的各种噪声源。 Allan 方差 主要可以辨识的噪声包括量化噪声、随机游走、零偏不稳定性、速率随机游走以及速率斜坡。 Allan方差 法是一种时域分析技术,对实际静态条

    2024年02月11日
    浏览(33)
  • 在嵌入式设备中用多项式快速计算三角函数和方根

    惯性传感器的倾角计算要用到三角函数. 在 MCS-51, Cortex M0, M3 之类的芯片上编程时, 能使用的资源是非常有限, 通常只有两位数KB的Flash, 个位数KB的RAM. 如果要使用三角函数和开方就要引入 math.h, 会消耗掉10KB以上的Flash空间. 在很多情况下受硬件资源限制无法使用 math.h, 这时候使

    2024年03月09日
    浏览(69)
  • 自动驾驶控制算法——横纵向误差计算

    首先要建立车辆质心相对于车道中心线的误差模型,示意图如下所示: 参考:https://mp.weixin.qq.com/s/VrbvIdoqFu6EBFZOwdaKUA 自动驾驶规控混乱源头:Frenet坐标系 在 C a r t e s i a n Cartesian C a r t es ian 坐标系下,车辆运动状态可以描述为 ( x , y , θ , v , a , k ) (x, y, theta, v, a, k) ( x , y , θ

    2024年02月09日
    浏览(37)
  • 为什么计算机对浮点型数字计算存在误差

    我们输入的十进制小数在计算机中都是以二进制进行存储。比如: 由此可见0.3在计算机中存储的值永远小于0.3,所以当使用0.3计算时,就会产生误差。 在计算机中浮点型不能直接使用等号比较也是同一个道理。举个李子: 执行结果: 可以看出当涉及到0.3的运算超出一定的精

    2023年04月11日
    浏览(35)
  • MATLAB中均值、方差、标准差、协方差、相关性的计算

    xmean = 2 ans = 2 xvar = 0.6667 ans = 0.6667 xvar_1 = 0.8000 ans = 0.8000 ans = 0.6667 xstd = 0.8165 ans = 0.8165 ans = 0.8165 xstd_1 = 0.8944 ans = 0.8944 ans = 0.8944 xcov = 0.6667 xycov = 0.6667 0.5000 0.5000 0.6667 ans = 0.5000 xcov_1 = 0.8000 xycov_1 = 0.8000 0.6000 0.6000 0.8000 ans = 0.6000 xycorrcoef = 1.0000 0.7500 0.7500 1.0000 xzcorrcoef = 1.0000

    2024年02月21日
    浏览(32)
  • 详解PV、UV、VV、IP及其关系与计算

    PV 即 Page View ,网站浏览量,指页面浏览的次数,用以衡量网站用户访问的网页数量。 用户每次打开一个页面便记录1次 PV ,多次打开同一页面则浏览量累计。一般来说, PV 与来访者的数量成正比,但是 PV 并不直接决定页面的真实来访者数量,如同一个来访者通过不断的刷新

    2024年02月04日
    浏览(41)
  • 样本方差的简化计算公式

    涉及到样本方差的计算的时候,一般题中会给很多数据,用定义式计算会很麻烦,整理了两个常用计算式,以及回归问题涉及到求 S x x S_{xx} S xx ​ , S x y S_{xy} S x y ​ , S y y S_{yy} S yy ​ 的总结 定义式 s 2 = 1 n − 1 ∑ i = 1 n ( x i − x ˉ ) 2 s^2=frac{1}{n-1} sum_{i=1}^{n} (x_{i}-bar{x})^2

    2024年02月12日
    浏览(60)
  • matlab 方差计算

    代码如下: 三种方法计算结果: 三种计算方式的结果是一样的。

    2024年02月16日
    浏览(29)
  • 矩阵的低秩逼近以及逼近后的误差计算——matlab实现

    A A A 为 m × n m×n m × n 大小的矩阵,则 s v d svd s v d 分解以后 [ U S V ] = s v d ( A ) [U S V] = svd(A) [ U S V ] = s v d ( A ) 里面, U U U 为 m × m m×m m × m , S S S 为 m × n m×n m × n , V V V 为 n × n n×n n × n 1.1表述的低秩逼近写的是用秩为k的矩阵去逼近原矩阵A。 但是其实可以在细分一点。矩

    2023年04月23日
    浏览(31)
  • 蒙特卡洛方法的收敛性和误差

    目录 1.收敛性 2.误差 3.减少方差的各种技巧 4.效率 5.优缺点 蒙特卡罗方法作为一种计算方法,其收敛性与误差是普遍关心的一个重要问题。由此可以总结出蒙特卡洛方法的优缺点。

    2024年02月06日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包