针对TE极化下粗糙面上方的目标散射问题,提出了粗糙面的基尔霍夫近似(Kirchh off Approximation,KA)计算与目标的共轭梯度法(Conjugate Gradient,CG)求解相结合的混合算法,无需数值求解粗糙面的EFIE,节省了大量的计算时间。提出目标与...针对TE极化下粗糙面上方的目标散射问题,提出了粗糙面的基尔霍夫近似(Kirchh off Approximation,KA)计算与目标的共轭梯度法(Conjugate Gradient,CG)求解相结合的混合算法,无需数值求解粗糙面的EFIE,节省了大量的计算时间。提出目标与粗糙面的快速互耦迭代算法:每一次迭代中,首先用上次求得的目标表面场计算粗糙面的差值感应场,代入目标积分方程求解右端激励项,再用CG方法求解目标的EFIE获得新的目标表面场。多次迭代直至目标的表面感应场收敛。结合Monte-Carlo方法迭代计算了二维Gauss粗糙面上柱状目标的散射,数值分析其散射峰值的角度性分布。展开更多
文摘针对TE极化下粗糙面上方的目标散射问题,提出了粗糙面的基尔霍夫近似(Kirchh off Approximation,KA)计算与目标的共轭梯度法(Conjugate Gradient,CG)求解相结合的混合算法,无需数值求解粗糙面的EFIE,节省了大量的计算时间。提出目标与粗糙面的快速互耦迭代算法:每一次迭代中,首先用上次求得的目标表面场计算粗糙面的差值感应场,代入目标积分方程求解右端激励项,再用CG方法求解目标的EFIE获得新的目标表面场。多次迭代直至目标的表面感应场收敛。结合Monte-Carlo方法迭代计算了二维Gauss粗糙面上柱状目标的散射,数值分析其散射峰值的角度性分布。