FMM结合改进自适应MBPE技术快速求解单站RCS

电大目标单站RCS的计算效率已成为积分方程法求解电磁散射问题的关键技术之一.为了快速而准确求解,对已有自适应采样算法进行了改进,不仅适合并行计算,而且提高了搜索效率.最后,将基于改进自适应采样算法的Pade有理逼近与采用快速多极子加速方法的MoM结合求解几个典型实例的单站RCS,数值结果表明了该方法的有效性.     

MOM/Lanczos-AWE算法快速求解良导体柱的RCS宽带与宽角响应

考虑导体柱的电磁散射 ,由于一般实际导体为良导体 ,若利用表面阻抗的边界条件 ,则良导体柱的电场积分方程 (EFIE)为第二类Fredholm积分方程 ;将矩量法 (MOM )应用到该积分方程时 ,该积分方程转化为第二类Fredholm矩阵方程。本文提出了一种求解第二类Fredholm矩阵方程的Lanczos AWE递归迭代快速算法 ,首先采用Lanczos技术快速求解在某一给定频率或角度时第二类Fredholm矩阵方程 ,得到在该频率或角度时良导体的表面电流分布 ;然后采用渐近波形估计 (AWE)技术求取所考虑的频段内任意频率或角度范围内任意角度时良导体的表面电流分布。根据表面电流分布预测了任意形状良导体柱的单站雷达散射截面 (RCS)的宽带与宽角响应。计算结果表明Lanczos AWE技术可大大加快MOM法的计算速度。     

基于混合ACA的缺陷钢轨高效电磁建模

提出了一种基于矩量法(MoM)结合多层快速多极子(MLFMA)和自适应交叉近似(ACA)算法计算目标电磁特性的算法,该算法实现了对电大尺寸复合目标散射计算的加速和内存的降低。对于目标自作用的近场区域,多层快速多极子加速矩量法中的矩阵矢量乘运算,降低了计算的存储和复杂度;对于远场区域,根据阻抗矩阵的低秩特性,采用ACA对其压缩,加速矩阵的填充。矩阵填充按照树形结构划分的单元块间的相互作用依次进行存储,对每一块与块之间的求解采用ACA算法,对矩阵做压缩处理。提出的基于ACA的混合算法能够对2个目标耦合作用的阻抗矩阵进行压缩,缩短矩阵的填充时间并降低内存需求,同时也能够减少迭代求解过程中矩阵向量的计算时间,从而极大缩短电磁散射计算的总时间。数值仿真实验表明该算法比传统方法计算更高效,且计算精确度保持一致。     

自适应交叉近似压缩的高阶矩量法的并行实现

高阶矩量法在计算电磁学中的应用越来越广泛, 为了进一步提高其计算规模, 引入并行的自适应交叉近似压缩算法(Adaptive Cross Approximation algorithm, ACA).该算法首先采用非均匀有理B样条建模(Non-Uniform Rational B-Splines, NURBS)的方法进行面片分组; 然后利用矩量法中远区阻抗矩阵的低秩特性进行ACA压缩; 最后采用稀疏近似逆预条件(Sparse Pattern Approximate Inverse preconditioning, SPAI)的共轭梯度法(Conjugate Gradient method, CG)快速求解矩阵方程.该算法中的ACA压缩过程和迭代求解过程都特别适合并行计算.数值实验表明, 对于电大尺寸问题, ACA压缩后的矩阵占用的内存远远低于原矩阵, 而预条件的共轭梯度法可以很快收敛.此外该算法在大规模并行时的效率较高.     

MLSSM算法实现网格离散复杂目标的优化设计

为改进三维大尺寸复杂物体电磁建模精确求解的效率,采用了自适应交叉算法(ACA)基础上的多层简易矩阵稀疏算法(MLSSM)改进的方式,通过算法的理论及实现过程分析在实验验证中表明:应用的改进ACA算法计算效率比矩量法逐点计算显著提高;改进的MLSSM的内存需求减少了一半左右,矩阵构造过程速度有了明显提高;改进的MLSSM降低了计算复杂度,迭代求解过程速度有了明显提高。从算法对比结果可以看出,改进的MLSSM在降低计算复杂度方面占据优势,在分析半空间上大目标复杂物体优势明显。这一研究对复杂物体的电磁建模优化具有一定的理论和应用意义。     

基于多层简易矩阵稀疏算法的复杂物体建模优化的研究

为了提高三维大尺寸复杂物体电磁建模的精确求解的效率,改进了自适应交叉算法(ACA)基础上的多层简易矩阵稀疏算法(MLSSM),通过对算法的理论及实现过程分析,并在实验验证中表明:应用的改进ACA算法计算效率比矩量法逐点计算显著提高;改进的MLSSM的内存需求减少了1 2左右,矩阵构造过程速度有了明显提高;改进的MLSSM降低了计算复杂度,迭代求解过程速度有了明显提高。算法对比结果看出改进的MLSSM在降低计算复杂度方面占据的优势,在分析半空间上大目标复杂物体优势明显。这一研究对于复杂物体的电磁建模的优化有一定的理论和应用意义。     

渐近波形估计技术在三维电磁散射问题快速分析中的应用

本文将渐近波形估计技术应用到矩量法中,计算了三维理想导体目标的宽带雷达散射截面(RCS)和单站RCS方向图.用矩量法求解电场积分方程,得到给定频率点、给定方向入射波照射下的导体表面电流密度,应用渐近波形估计技术分别得到频带内任意频率点以及任意角度入射波照射下的导体表面电流密度,进而计算出宽带RCS和单站RCS方向图.计算结果表明渐近波形估计技术与矩量法结合可以逼近矩量法逐点计算的结果,且计算效率大大提高.     

预处理结合AWE技术求解导体目标RCS

采用渐近波形估计技术(AWE)和预处理技术求解导体目标的宽带雷达散射截面(RCS)。应用矩量法求解导体目标的电场积分方程,通过构造预条件算子,使由矩量法得到的阻抗矩阵稀疏化,从而计算导体表面电流时变得简便,再结合渐近波形估计(AWE)技术计算导体目标的宽带雷达散射截面(RCS)。实例结果表明,该方法在计算电大导体目标时具有较高的计算效率和很好的精度。     

磁化等离子体的并行三维JEC-FDTD算法及其应用

 给出了三维磁化等离子体的电流密度卷积－时域有限差分(JEC-FDTD)算法的迭代公式,指出该算法与一般FDTD算法实现并行时的不同:增加了电流密度的迭代,以及并行计算时在子域交界面上增加了一些数据的交换.并实现了基于MPI (Message Passing Interface)的并行JEC-FDTD算法.然后用计算涂覆等离子体的金属球的雷达散射截面(RCS)的算例验证了并行程序的可靠性,并测试了并行程序在某集群上的并行效率.最后计算了涂敷磁化等离子体的全尺寸飞机的单站RCS.结果表明并行JEC-FDTD算法是可靠的,而且并行效率高,能计算各向异性磁化等离子体的电大尺寸目标的散射.     

求解多尺度目标电磁散射的积分方程快速算法

多层快速卡特森展开算法(Multilevel Accelerated Cartesian Expansion Algorithm,MLACEA)可用于加速电小尺寸结构积分方程矩量法,且矩阵与矢量乘积运算计算复杂度为O(N)量级;MLACEA和多层快速多级子算法(Multilevel Fast MultipoleAlgorithm,MLFMA)均基于八叉树分组结构,便于实现它们的混合快速算法MLA-CEA-MLFMA.该混合算法可大幅度降低模拟合精细结构的电大尺寸目标宽带电磁散射问题的计算复杂度.还详细阐述了求解电场积分方程的MLACEA算法及其与MLFMA算法的混合快速算法MLACEA-MLFMA算法;并通过计算实例对比分析了MLFMA算法与MLACEA-MLFMA混合算法的计算效率.     

混合ACA和MLFMA方法计算复合目标电磁散射

采用矩量法(MoM)计算电大尺寸的复合目标的电磁散射。为了能够高效快速地计算电大尺寸三维复合目标的电磁散射,提出一种新的混合方法,将自适应交叉近似(ACA)算法和多层快速多级子(MLFMA)算法相结合,共同加速矩量法的计算。其中,MLFMA用于加速目标与自身的作用,ACA用于加速目标与其他目标的相互作用。提出的混合算法在计算复合目标电磁散射时,可降低运算存储,缩短阻抗矩阵填充时间,并且能够加快矩阵矢量乘,且不影响计算精确度。数值算例表明,所提快速算法能够在保证电磁散射计算精确度前提下,比传统方法更高效。     

基于压缩感知结合HFSS 软件求解目标单站RCS 问题

针对传统数值算法处理多角度入射目标电磁散射问题计算量大的劣势,根据压缩感知理论设计了一种含有丰富入射角度信息的激励源,结合Ansys HFSS 商业软件的建模功能,形成一种快速处理目标单站RCS 分析方法,通过对理想导电立方体和微带阵列天线等算例的分析,验证了新算法与传统方法相比具有计算效率高、处理复杂目标能力强等优点。     

The adaptive cross approximation algorithm for accelerated method of moments computations of EMC problems

This paper presents the adaptive cross approximation (ACA) algorithm to reduce memory and CPU time overhead in the method of moments (MoM) solution of surface integral equations. The present algorithm is purely algebraic; hence, its formulation and implementation are integral equation kernel (Green's function) independent. The algorithm starts with a multilevel partitioning of the computational domain. The interactions of well-separated partitioning clusters are accounted through a rank-revealing LU decomposition. The acceleration and memory savings of ACA come from the partial assembly of the rank-deficient interaction submatrices. It has been demonstrated that the ACA algorithm results in O(NlogN) complexity (where N is the number of unknowns) when applied to static and electrically small electromagnetic problems. In this paper the ACA algorithm is extended to electromagnetic compatibility-related problems of moderate electrical size. Specifically, the ACA algorithm is used to study compact-range ground planes and electromagnetic interference and shielding in vehicles. Through numerical experiments, it is concluded that for moderate electrical size problems the memory and CPU time requirements for the ACA algorithm scale as N/sup 4/3/logN.     

含复杂细节结构的金属目标电磁散射ACE-MLFMA 分析

多层快速多极子算法(MLFMA)在计算含复杂细节结构目标的散射问题时,求解效率会迅速下降。本文介绍了快 速笛卡尔展开(ACE)算法及其与MLFMA 的结合,使得原先MLFMA 的最细层能够再局部细分,加速了阻抗矩阵的填充 和迭代求解。本文将该混合算法应用于求解含复杂细节结构目标的电磁散射问题,包括具有尖端的杏仁核和由复杂带线 结构构成的频率选择表面,计算实例验证了该方法求解效率的提高和内存开销的减少,以及算法的可靠性和高效性。     

波形相关矩阵未知情况下单基地MIMO雷达中一种改进MUSIC的DOA估计算法

该文研究了波形相关矩阵未知情况下多输入多输出(MIMO)雷达中的角度估计问题,提出了一种单基地MIMO雷达中改进多重信号分类(MUSIC)的到达角(DOA )估计算法。该算法可以在波形相关矩阵未知的情况下工作且性能优于传统的传播算子(PM)和借助旋转不变技术估计信号参数(ESPRIT)算法以及基于接收信号重构的MUSIC算法。该文算法可以扩展到任意阵列结构的MIMO雷达中进行角度估计。该文还给出了单基地MIMO雷达中DOA估计的克拉美罗界(CRB)。仿真结果验证了该算法的有效性。     

矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计

该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。     

Spectral Two-Step Preconditioning of Multilevel Fast Multipole Algorithm for the Fast Monostatic RCS Calculation

A new spectral two-step preconditioning of multilevel fast multipole algorithm (MLFMA) is proposed to solve large dense linear systems with multiple right-hand sides arising in monostatic radar cross section (RCS) calculations. The first system is solved with a deflated generalized minimal residual (GMRES) method and the eigenvector information is generated at the same time. Based on this eigenvector information, a spectral preconditioner is defined and combined with a previously constructed sparse approximate inverse (SAI) preconditioner in a two-step manner, resulting in the proposed spectral two-step preconditioner. Restarted GMRES with the newly constructed spectral two-step preconditioner is considered as the iterative method for solving subsequent systems and the MLFMA is used to speed up the matrix-vector product operations. Numerical experiments indicate that the new preconditioner is very effective with the MLFMA and can reduce both the iteration number and the computational time significantly.