基于FDTD法的电磁仿真的优化算法

在对研究对象所在空间进行电磁仿真的过程中,如果采用经典的均匀网格划分法处理具有复杂结构的物体(例如在同一物体上,某些部位之间的尺寸差别很大),势必造成网格数量巨大,计算成本过大的问题.为解决这个问题,提出了一种基于FDTD算法的渐变非均匀网格划分技术,在保证计算精度的基础上比均匀网格划分法占用更少内存和计算时间.仿真结果表明,该改进方法明显提高了计算效率.     

基于FDTD的三维全波电磁分析软件及工程应用

介绍三维全波电磁分析软件的算法实现和主要功能,软件包含电磁建模和FDTD数值求解两大模块,可用于射频微波等系统的电磁场分析和设计。自动进行满足FDTD算法条件的均匀和非均匀网格划分,生成描述介质、网格、边界条件、激励源设置等所需的数据文件。通过对目标物体进行平移、旋转、缩放等操作可以进行实时观察与修改,具有较强的电磁建模效率和三维可视化效果,实现了计算区间内电磁场的动态变化演示。通过在实际工程中的应用,以及和商用软件HFSS的对比,验证了软件的功能和应用价值。     

基于MATLAB的FDTD两种常见吸收边界条件的编程

本文介绍了时域有限差分法的基本原理。结合两种常见的吸收边界条件，以具体模型为例，阐述了基于MATLAB编程的基本流程，并给出了用MATLAB绘制的场图。     

一种基于PETSc的热传导方程大规模并行求解策略

提出了一种大规模热传导方程并行求解的策略,采用了分布式内存和压缩矩阵技术解决超大规模稀疏矩阵的存储及其计算,整合了多种Krylov子空间方法和预条件子技术来并行求解大规模线性方程组,基于面向对象设计实现了具体应用与算法的低耦合.在Linux机群系统上进行了性能测试,程序具有良好的加速比和计算性能.     

薄膜体声波谐振器的FDTD数值分析

提出了基于时域有限差分方法对薄膜体声波谐振器进行数值分析的新方法。利用时域有限差分法理论对压电材料的控制方程,牛顿方程和电学方程在空间和时间进行了离散化,通过得到的差分方程直接得出了声场传播的时域数值解。使用该数值方法对薄膜体声波谐振器的电学特性阻抗进行了分析,并将结果与一维Mason模型的解析解进行了比较验证。     

基于GPU的真实感毛发快速绘制

提出一种基于图形处理器(GPU)加速的真实感毛发快速绘制方法.方法通过混合绘制多层次的半透明纹理层来表示物体表面的毛发效果,并在绘制过程充分运用了GPU的可编程功能.其中采用GPU的顶点绘制器来完成多层网格层顶点位置的计算;采用像素绘制器来实现毛发特殊光照效果的计算.实验表明,通过采用GPU可编程计算,毛发的绘制速度得到了明显提高.方法对中等规模的模型达到了实时的毛发绘制速度,并具有逼真的仿真效果.     

基于FDTD的机载短波天线辐射特性分析

机载天线辐射特性的研究对于机载天线的设计与布局具有重要的意义。机载天线在机身的影响下会改变其原有辐射特性,针对上述问题采用时域有限差分法(FDTD)对机载短波天线的辐射特性进行了分析,并应用FDTD对某型号机载短波天线进行了仿真:使用软件建立整机模型,应用自适应网格对其进行了剖分,设置了PML吸收边界,添加激励并计算得出增益方向图,最后将仿真结果与实测结果进行了比较,二者在天线工作频带内吻合,验证了FDTD对机载天线辐射特性进行分析的有效性与实用性。     

基于FDTD二维光子晶体器件设计软件的开发

介绍了一个基于时域有限差分法（FDTD）的二维光子晶体器件设计软件PCCAD,所用的核心算法是时域有限差分法。与同类FDTD商业软件相比,特点在于其具有多种光子晶体结构编辑模板,多种点源、线源,先进的边界吸收技术及多种参数优化扫描等功能。快速傅里叶变换及Pade算法在软件设计中的应用使模拟更加精确、快速。软件适用于各种平面光子晶体的仿真设计,探索新的器件结构。最后,利用此软件设计了直波导、T型波导等二维平面光子晶体器件。     

FDTD方法吸收边界条件的研究及应用

用时域有限差分法(FDTD)求解电磁散射问题中,吸收边界条件的设置起着关键性作用.通过时间和空间上的递推算法对时域有限差分法中的两种吸收边界条件:Mur吸收边界条件和完全匹配层(PML)的吸收效果进行了比较和分析.同时,引入参数对PML的差分方程进行了优化,避免了将电磁场分裂为两个分量进行计算,进而降低了计算内存开销.实验结果证明PML具有更优越的吸收性能.最后,在FDTD算法中应用PML吸收层对一圆柱形导体的雷达散射截面积(RCS)进行数值仿真,验证了FDTD算法在计算雷达散射截面积(RCS)上的有效性.     

一种基于面元模型的FDTD自动网格产生技术

针对复杂三维空间物体网格分解难题,提出一种基于面元模型的FDTD自动网格产生方法,使用该方法可以轻松实现对复杂面元目标的剖分.实验证明,这是一种易于实现、高效的自动网格产生方法.     

基于CUDA架构的三维CPML-FDTD并行方法

为解决时域有限差分（FDTD）算法应用于电大尺寸目标仿真的巨大耗时问题,应用FDTD算法的并行特性和通用图形处理器（GPGPU）技术,实现了一种基于计算统一设备架构（CUDA）的三维FDTD并行计算方法,采用了时域卷积完全匹配层（CPML）吸收边界条件模拟开域空间,对不同网格数目标仿真计算。进一步结合FDTD算法和CUDA的特点进行了优化,当计算空间元胞数在十万数量级及以上时,优化前后GPU运算相对于同时期的CPU分别可获得10和25倍以上的加速,结果表明该方法较适合用于实际电磁问题的仿真。     

On optimization of finite-difference time-domain (FDTD) computation on heterogeneous and GPU clusters

A model for the computational cost of the finite-difference time-domain (FDTD) method irrespective of implementation details or the application domain is given. The model is used to formalize the problem of optimal distribution of computational load to an arbitrary set of resources across a heterogeneous cluster. We show that the problem can be formulated as a minimax optimization problem and derive analytic lower bounds for the computational cost. The work provides insight into optimal design of FDTD parallel software. Our formulation of the load distribution problem takes simultaneously into account the computational and communication costs. We demonstrate that significant performance gains, as much as 75%, can be achieved by proper load distribution.     

基于GPU的多层次并行QR分解算法研究

QR分解作为一个基本计算模块,广泛应用在图像处理、信号处理、通信工程等众多领域.传统的并行QR分解算法只能挖掘计算过程中的数据级并行.在分析快速Givens Rotation分解特征的基础上,提出了一种多层次并行算法,能够同时挖掘计算过程中的任务级并行和数据级并行,非常适合于以图形处理器(GPU)为代表的大规模并行处理器.同时,采用GPU的并行QR分解算法可以作为基本运算模块被GPU平台上的众多应用程序直接调用.实验结果显示,与CPU平台上使用OpenMP实现的算法相比,基于GPU的多层次并行算法能够获得5倍以上的性能提升,而调用QR分解模块的奇异值分解(SVD)应用可以获得3倍以上的性能提升.     

改进的硅各向异性腐蚀GPU并行模拟

硅各向异性腐蚀过程复杂,采用元胞自动机模拟硅各向异性腐蚀非常耗时。为了加速腐蚀模拟过程,研究了基于图形处理器(GPU)进行硅的各向异性腐蚀模拟。针对串行算法直接并行化方法存在加速效率低等问题,提出了一个改进的并行模拟方法。该方法增加了并行部分的负载,减少了内存管理的开销,从而提高了加速性能。实验证明该方法能够获得较理想的加速比。     

基于GPU的遥感影像数据融合IHS变换算法

提出基于图形处理单元（GPU）的遥感影像IHS融合算法,利用图形硬件的可编程渲染器和其处理数据的并行性,把IHS的正反变换映射到GPU中进行计算。应用RTT和MRT技术实现IHS正反变换中3个分量的并行渲染输出,加速计算过程。实验结果表明,在数据量较大时,该算法的处理速度比基于CPU的算法速度更快。     

雅可比迭代法在图形处理器上实现的研究

雅可比迭代法是求解大型线性方程组的基本方法。利用GPU（Graphics Processing Unit,图形处理器）的并行处理能力,将雅可比迭代求解线性方程组过程中运算量较大的部分移植到GPU上执行,以提高运算速度。并分析了影响运算速度的两个因素：CPU-GPU数据交换和共享变量的访问;实验结果表明采用单个thread访问共享变量判断迭代是否收敛时,线性方程组的阶数为500,速度可以提高45倍以上。     

基于图形处理器的层次聚类算法效率研究

鉴于Larsen等人利用图形处理器（GPU）的多纹理技术做矩阵运算操作,以实现GPU在矩阵相乘方面的通用计算,提出一种利用GPU和CPU的协同处理模式,应用在基于层次聚类的动态近邻选择模型的聚类算法（DNNS）中,将算法中比较耗时的邻接度矩阵计算步骤交由GPU完成,而算法其余步骤由CPU执行,从而使算法的聚类效率得到显著提高。在配有Pentium IV 3.4 G CPU和NVIDIA GeForce 7800GT显卡的硬件环境下经过实验测试,证明这种协同处理模式下的运算速度比完全采用CPU计算速度要快25%左右。这种改进的层次聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。     

基于GPU的K-近邻算法实现

K-近邻计算在数据集规模较大时计算复杂度较高,因此,利用图形处理器( GPU )强大的并行计算能力对K-近邻算法进行加速。在分析现有K-近邻算法的基础上,针对该算法时间开销过大的问题,结合GPU的体系结构特征实现基于GPU的K-近邻算法。利用全局存储器的合并访问特性,提高GPU全局存储器访问数据的效率,通过事先过滤数据的方法来减少参与排序的数据量,进而减少排序阶段的线程串行化时间。在 KDD, Poker, Covertype 3个数据集上进行实验,结果表明,该实现方法在距离计算阶段每秒执行的浮点运算次数为266.37×109次,而排序阶段为26.47×109次,优于已有方法。     

基于互TK能量算子的到达时间差估计

借鉴TK算子的优点,提出一种基于互TK能量算子的信号到达时间差(TDOA)的估计方法。该方法通过相似度的峰值可以直接获得一个统计独立的TDOA估计。采用超宽带信号进行仿真实验,结果表明,该方法适用于无线定位中TDOA参数的估计,性能优于互相关估计算法。     

基于综合LOD因子的自适应GPU地形渲染

根据四叉树的地形分块数据组织形式,提出一种面向图形处理器(GPU)的自适应地形渲染算法。将综合细节层次因子作为地形块节点评价函数,对静态地形块误差、动态视点依赖误差和视点移动速度进行量化,在顶点着色器上实现高程值的平滑过渡,消除突跃现象,并通过添加“裙”遮盖裂缝。实验结果表明,该算法的地形自适应性较好,具有较高的帧率和GPU利用率。