可以清楚地看到，光纤纤芯内的泵浦和信号模式强度变化很大。假设掺杂剂均匀地分布在纤芯上，则对于任何给定的光功率，the 离子将“看到”相应不同的光强度。然而，也显示出的 excitation 激发密度（橙色曲线）变化不大。（对于975 nm的泵浦波长，相关性甚至会更弱。）事实证明，输入处的激励主要由泵浦强度决定，但与强饱和度（具有激励密度）不成正比。80％以上！）。类似地，主要由那里的信号功率确定的输出端的激励曲线相对平坦。使用我们的软件 RP Fiber Power建立了一个准确的放大器模型，在该模型中，我们将光纤纤芯分为30个径向段。然后，该软件分别为每个径向线段计算任何 z 位置在任何 z 位置的光强度，并从中获得与径向相关的 Yb 激发。然后，它可以计算出本地信号增益和泵浦吸收。图2显示了泵浦和信号功率的变化，以及沿光纤的（横向平均）Yb 激励：
显示的结果表明、在其他情况下的经验一致，只要泵浦和信号波具有相似的横向强度分布，就可以相当安全地忽略放大器或激光模型中的横向相关性（仅使用重叠因子）。对于基本上不同的横向轮廓，情况可能并非如此。为了获得准确的结果，需要一个更复杂的模型，该模型可以正确处理横向相关性。当然，所提到的重叠因素不应该被删除；即使它们通常不远低于1，它们通常也会显着影响结果。使用适当的软件（例如我们的产品 RP Fibre Power），可以正确地处理横向相关性，这不仅是光强度方面的问题，而且还涉及掺杂分布方面的问题。只是用户随后必须提供更多详细信息，并且计算时间变长了。后者通常可以忽略不计，因为在普通 PC 上许多计算反而是如此之快。顺便说一句，在上面的演示中有30个径向线段实在是太过分了，但是我选择这样做是为了获得横向依存关系的图。在许多情况下，为了查看真正需要多少横向分辨率，可能只看几个横向分辨率较高的测试用例。还要提及的是，活性纤维的光谱数据通常是基于忽略横向依赖性的计算来计算的。例如，即使该假设不是真的有效，也假设整个芯上的激光活性掺杂剂浓度均匀。当将此类数据与更复杂的模型一起使用时，可能无法获得更高的结果准确性。
