Inferencia Bayesiana aplicada a simulaciones numéricas de polarimetría Mueller Full Poincaré

• Juan Carlos Suárez ^[1] ; Javier Gorgas ^[2] ; Sergio Pascual ^[2] ; Juan Carlos G. de Sande ^[1] ; Massimo Santarsiero ^[3] ; Gemma Piquero ^[2]
  1. [1] Universidad Politécnica de Madrid

     Universidad Politécnica de Madrid

     Madrid, España

     
  2. [2] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
  3. [3] Dipartimento di Ingegneria Industriale, Elettronica e Meccanica, Università Roma

  Mostrar afiliaciones +
• Localización: Conectando la academia y la industria: Libro de actas OPTOEL 2023 / coord. por Alejandro Carballar Rincón, María del Rosario Fernández Ruiz, 2024
• Idioma: español
• Títulos paralelos:
  • Bayesian inference applied to numerical simulations of Full Poincaré Mueller polarimetry
• Enlaces
  • Texto Completo Libro
• Resumen
  • español

    La polarimetría Mueller Full Poincaré es una nueva técnica que se basa en el uso, como generador de estados de polarización, de haces que presentan en su sección transversal todos los posibles estados de polarización. Para determinar la matriz de Mueller de una muestra, se obtienen los parámetros de Stokes, tanto a la entrada como a la salida de la muestra, a partir de valores de irradiancia en cada píxel de una cámara CCD. En este trabajo proponemos utilizar la inferencia Bayesiana para obtener de cada muestra su matriz de Mueller, junto con las incertidumbres en los elementos de la matriz. Este nuevo enfoque se pone a prueba con medidas simuladas numéricamente, proporcionando los parámetros de Stokes de diferentes muestras, a las que se les introduce un cierto nivel de ruido Gaussiano y se les compara con las matrices de Mueller teóricas reales. Se observa una excelente concordancia entre los resultados numéricos y los teóricos en todas las muestras.

  • English

    Mueller Full Poincaré polarimetry is a new technique based on the use, as a generator of polarization states, of beams with all possible polarization states in their cross section. To determine the Mueller matrix of a sample, the Stokes parameters are obtained, both at the input and output of the sample, from irradiance values at each pixel of a CCD camera. In this work we propose to use Bayesian inference to obtain for each sample its Mueller matrix, together with the uncertainties in the matrix elements. This new approach is tested with numerically simulated measurements, providing the Stokes parameters of different samples, to which a certain level of Gaussian noise is introduced and compared with the actual theoretical Mueller matrices. Excellent agreement between numerical and theoretical results is observed for all samples.