Guided-mode resonant grating filter with an antireflective surface for the multiple channels

In this paper, a new type of guided-mode resonant grating (GMRG) filter with an antireflective surface called the 'moth-eye structure' for the multiple channels is presented by using rigorous coupled-wave analysis (RCWA) and the S-matrix method. Long range, low sidebands and multiple channels are found when the GMRG filters with antireflective surface are illuminated with incident polarization light. It is calculated that the multiple channel phenomenon can be shown when the depth of antireflective surface is increased. Moreover, the wavelengths of the multiple channels can be easily shifted by changing the depth of the homogenous layer which is under the antireflective surface, and the optical properties of GMRG filters such as low sideband reflection and narrow band are not badly spoiled when the depth is changed.

Nonpolarizing guided-mode resonance filter

A normal-incidence nonpolarizing guided-mode resonance filter is designed. There are two waveguide layers and one grating layer in the filter. By adjusting the distance between the two waveguide layers, the same resonance wavelength for both TE and TM polarization can be achieved. An antireflection design method is also used to decrease the sideband reflection of the filter. The results show that the filter has high reflection, more than 99.9% at 500 nm, and the FW-HMs of TE- and TM-polarized light are 2.16 and 0.15 nm, respectively. (C) 2009 Optical Society of America

Filtragem adaptativa aplicada à redução de desvios em séries temporais de previsão numérica climática.

Esta dissertação apresenta resultados da aplicação de filtros adaptativos, utilizando os algoritmos NLMS (Normalized Least Mean Square) e RLS (Recursive Least Square), para a redução de desvios em previsões climáticas. As discrepâncias existentes entre o estado real da atmosfera e o previsto por um modelo numérico tendem a aumentar ao longo do período de integração. O modelo atmosférico Eta é utilizado operacionalmente para previsão numérica no CPTEC/INPE e como outros modelos atmosféricos, apresenta imprecisão nas previsões climáticas. Existem pesquisas que visam introduzir melhorias no modelo atmosférico Eta e outras que avaliam as previsões e identificam os erros do modelo para que seus produtos sejam utilizados de forma adequada. Dessa forma, neste trabalho pretende-se filtrar os dados provenientes do modelo Eta e ajustá-los, de modo a minimizar os erros entre os resultados fornecidos pelo modelo Eta e as reanálises do NCEP. Assim, empregamos técnicas de processamento digital de sinais e imagens com o intuito de reduzir os erros das previsões climáticas do modelo Eta. Os filtros adaptativos nesta dissertação ajustarão as séries ao longo do tempo de previsão. Para treinar os filtros foram utilizadas técnicas de agrupamento de regiões, como por exemplo o algoritmo de clusterização k-means, de modo a selecionar séries climáticas que apresentem comportamentos semelhantes entre si. As variáveis climáticas estudadas são o vento meridional e a altura geopotencial na região coberta pelo modelo de previsão atmosférica Eta com resolução de 40 km, a um nível de pressão de 250 hPa. Por fim, os resultados obtidos mostram que o filtro com 4 coeficientes, adaptado pelo algoritmo RLS em conjunto com o critério de seleção de regiões por meio do algoritmo k-means apresenta o melhor desempenho ao reduzir o erro médio e a dispersão do erro, tanto para a variável vento meridional quanto para a variável altura geopotencial.