基于JEC-FDTD等效循环神经网络的电磁建模和等离子体参数反演

磁化等离子体中的电磁波传播是重要的研究课题,针对特定场景下的电磁等离子耦合问题,进行有效且准确的方程建模与参数求解具有极强的研究价值和挑战性,这是探究电磁波与等离子体复杂非线性相互作用机制的关键。文中设计了一种可用于电磁等离子体正逆向建模的循环神经网络(recurrent neural network,RNN),该网络正向传播过程等价于任意磁倾角情况下的电流密度卷积时域有限差分(current density convolution finite-difference time-domain,JEC-FDTD)方法,因此可以求解给定的电磁建模问题,并易于大规模并行计算。通过构建前向可微模拟过程,JEC-FDTD方法可以使用自动微分技术准确且高效地计算梯度,然后通过训练网络来解决反问题。因此,该方法可以有效利用观测到的时域散射场信号反演重要的等离子体参数。JEC-FDTD方法和RNN相结合,形成了较强的协同效应,使得模型具有可解释性和高效的计算效率,受益于深度学习提供的优化策略和专用硬件支持,可以适用于不同仿真场景下的电磁建模和等离子体参数反演。

基于JEC-FDTD算法的等离子体天线雷达散射截面计算

采用电流密度卷积FDTD算法(JEC-FDTD)计算了等离子体天线的散射特性,分析了等离子体天线处于工作状态时等离子体参数(密度、碰撞频率)及天线外部约束腔体对天线雷达散射截面(RCS)的影响.数值结果表明,等离子体天线的RCS会随等离子体密度的减小及碰撞频率的增大而减小.而约束腔体只有在高频段时才会对等离子体天线的RCS值产生较大的影响,因此,在不影响天线性能的情况下,可以根据信号频率调节等离子体参数。

等离子体的分段线性电流密度递推卷积FDTD算法

给出了一种新的色散介质的时域有限差分 (FDTD)算法 ,称为分段线性电流密度递推卷积FDTD算法 .利用电流密度和电场强度的卷积关系 ,给出了该算法的计算公式 .通过计算碰撞冷均匀等离子体平板对电磁波的反射系数和透射系数 。

导体平面覆盖抛物线分布不均匀等离子体的FDTD分析

用一种新的色散介质的FDTD算法——分段线性电流密度递归卷积FDTD算法分析了不均匀等离子体的隐身技术.通过计算一维碰撞等离子体平板对电磁波的反射和透射系数验证了该算法的高效性和高精度.对电子密度抛物线分布的不均匀非磁化等离子体覆盖雷达目标的隐身效果进行了时域和频域分析.

修正的卷积完全匹配层技术

复频移的卷积完全匹配层(convolutional perfectly matched layer,CPML)与时域有限差分(finitedifference time-domain,FDTD)算法递推公式之间存在数值计算时间不同步的问题,诸多算例结果表明CPML的吸波效果并没有达到一些具有相同二阶精度的完全匹配层(perfectly matched layer,PML)的吸波效果。文章采用时间平均近似方法对CPML进行了修正,使其吸波性能与其他具有相同数值计算精度的PML的吸波性能相当;通过2个具有代表性的算例,验证了方法的有效性。该方法思路简单、清晰,只需在传统的CPML代码基础上进行简单的修改,计算时间大大缩减,该方法对于CPML在FDTD算法中的高效应用具有一定的意义。

各向异性磁等离子体的辅助方程FDTD算法

通过对辅助方程的差分迭代 ,给出了一种新的各向异性磁化等离子体的辅助方程时域有限差分 (FDTD)算法 .并与电流密度卷积 (JEC)算法进行了比较 .通过计算磁化等离子体平板对平行于磁场传播的电磁波的反射和透射系数 ,验证了该算法的精度与JEC算法基本相同 ,而计算效率提高数倍 .

各向异性磁化等离子体JEC-FDTD算法

将色散介质的电流密度卷积 时域有限差分 (JEC FDTD)算法推广到各向异性磁化等离子体色散介质 .该算法同时解决了电磁波在各向异性和频率色散介质中传播的难题 ,给出了各向异性磁化等离子体JEC FDTD算法的公式 .计算磁化等离子体平板对平行于磁场传播的电磁波的反射和透射系数 ,通过与解析结果的比较 。

FDTD中色散介电常数的时域离散表达方法

针对递归卷积方法只适合于随频率变化比较平滑的色散介电常数情况,提出一种可以把色散(频变)介电常数直接嵌入时域有限差分的算法(FDTD).将随频率变化的色散介电常数用Debye有理函数近似,修正后的离散冲激响应用非等步长的离散时域表达直接和FDTD算法进行卷积.结果表明:用此方法的仿真结果和用递归卷积方法仿真的结果进行比较后发现2种仿真结果吻合很好.表明该方法准确、稳定,适用于色散介电常数随着频率变化非常复杂的情况.