采用分部外推BCGS-FFT方法快速求解电磁散射问题

为了快速求解电磁散射问题中具有震荡性、奇异性、慢收敛性的索末菲积分,提出了一种利用分部外推算法加速索末菲尾部积分计算,并结合稳定双共轭快速傅里叶变换(stabilized biconjugate gradient fast Fourier transform,BCGS-FFT)算法求解电磁散射问题场分布情况的新方法.首先给出电场积分方程(electric field integral equation, EFIE)的表达形式,且在求解过程的索末菲积分中应用一种便捷的椭圆积分路径来最小化索末菲积分的震荡性与奇异性,在索末菲尾部积分使用Levin分部外推法来提高积分收敛速度,以此来快速填充并矢格林函数矩阵.然后对新方法进行了多种数值实验,验证算法的精确度,并对比了新方法与传统BCGS-FFT方法的计算效率,发现在保持相同计算精度的条件下,新方法可节省20%~37%的计算时间.该方法能应用于复杂散射体嵌入多层空间的电磁散射计算,为快速求解目标区域的电磁散射场提供了一种新的方法.

BCGs-FFT结合BP神经网络反演金属介质复合柱体目标参数

利用双共轭梯度-快速傅里叶变换方法(BCGs-FFT)结合BP神经网络技术研究了金属介质复合结构柱体目标的电磁逆散射问题.先用BCGs-FFT方法计算了复合结构目标的正散射问题,得到不同目标参数下的多个观测点上的散射电场,以此作为训练样本提供给BP网络,经过适当的离线训练,再以新的散射电场作为网络的输入,实时重构了金属介质复合结构目标的几何、电磁参数.数值结果显示了该方法的有效性.

基于支持向量机的复合柱体目标参数反演

用支持向量机(support vector machine,SVM)结合双共轭梯度-快速傅里叶变换方法(BCG-FFT)重构二维金属/介质复合结构柱体目标参数。采用BCG-FFT方法数值模拟复合结构目标的散射特性,以散射电场作为训练样本提供给支持向量机学习,经过适当的离线训练,建立支持向量机逆散射模型,实时重构了复合柱体目标的几何、电磁参数;在相同的条件下,采用人工神经网络(artificial neural net-works,ANN)方法对复合目标参数也进行了重构;比较分析了训练样本信息的差异对支持向量机重构精度的影响。与ANN方法的结果比较表明:支持向量机方法能有效地用于复合结构目标参数反演,且具有较高的精度。

平面分层媒质中电大尺寸埋入体的电磁散射研究

对基于稳定的双共轭梯度-快速傅里叶变换(BCGS-FFT)和改进的离散复镜像方法的平面分层媒质电大尺寸埋入体的电磁散射计算进行了研究。给出了理论推导过程。数值计算结果表明:改进的离散复镜像法在不提取准静态项和表面波项的条件下,可拟合获得准确的近区和远区空域格林函数结果,并加快了分层媒质中电大尺寸埋入体空域格林函数的计算速度。

基于FFT-BCG的微带天线研究

将全波分析与快速傅里叶变换及双共轭梯度相结合,对微带天线进行分析计算,结果表明,计算结果同实测结果吻合较好,说明了该分析方法的正确性和有效性。同时,该方法提高了计算速度,为微带天线的快速分析和计算提供了良好的借鉴。