完全涂敷目标电磁散射高阶矩量法求解

针对传统矩量法(method of moment, MoM)几何建模复杂、计算量大等缺点,采用高阶矩量法和双线性表面技术对涂敷目标的电磁散射问题进行了研究。建立目标的双线性表面几何模型,基于等效原理建立表面电磁积分方程,以典型的完全涂敷目标为例,采用高阶矩量法进行仿真计算。计算结果表明,该方法不仅与传统MoM结果吻合,而且减少计算量和节省计算机内存。     

介质体电磁散射的矩量法快速求解

针对传统低阶矩量法(MoM)几何建模复杂、计算量大等缺点,采用高阶矩量法和双线性表面技术对介质体电磁散射问题进行了研究。首先建立散射体的双线性表面几何模型,然后基于等效原理建立表面电磁积分方程,最后以典型散射体为例,采用高阶矩量法进行了仿真计算。计算结果表明,高阶矩量法结果不仅与MoM结果吻合很好,而且至少减少了50%的未知量,同时也节省了计算机内存。因此该算法在快速求解介质体的电磁散射问题时有一定的理论和应用价值。     

曲面微带天线电磁散射特性分析

使用矩量法分析研究了有限曲面微带天线的结构散射特性。运用等效原理,建立了一般曲面微带天线的体面耦合电场积分方程,在积分方程中由于采用的是自由空间格林函数,从而避免涉及微带天线分层介质格林函数的解析表示和精确计算。在伽略金法中,介质部分采用SWG基函数,金属表面部分采用RWG基函数,通过金属表面与介质基片交界面处施加电流连续性方程,有效地减少了待求未知量数目,明显改善了阻抗矩阵条件数。     

曲面轮廓矩不变量及其应用

传统三维矩不变量的计算方法基于区域特征,计算量较大.将基于区域的三维矩不变量计算转化到三维物体曲面轮廓上,构造了一种的新的曲面轮廓矩不变量.此不变量减小了计算复杂度,不仅具有平移、尺度和旋转不变性,而且独立于三维物体本身的颜色和灰度级.仿真实验表明,基于曲面轮廓矩不变量的识别算法对于三维目标具有良好的识别率,减小了计算复杂度.另外,对这种矩不变量在基于颜色、灰度等识别场合的应用做了推广.     

任意理想导电目标的NURBS曲面建模与RCS预估

少量的NURBS参数曲面足够描述任意目标的几何形状,通过Cox-De Boor变换算法可将任意NURBS曲面拆分为Bezier曲面。针对NURBS曲面目标模型,提出了非常适合于工程应用的目标电磁散射建模方法。该方法使用CAD软件(如UG等)进行复杂目标几何建模,通过其IGES接口传递模型数据;应用驻相法计算Bezier曲面上的物理光学(PO)散射场积分,快速、准确地获得任意复杂目标的RCS;讨论了NURBS曲面目标几何建模及其RCS计算中的关键技术。最后通过算例验证了理论算法和计算程序的有效性。     

一种新的混合基函数在电磁散射问题中的应用

三维电磁散射问题通常采用电场积分方程(electric field integral equation,EFIE)结合矩量法(meth-od of moment,MoM)求解,而基函数是决定矩量法计算精度和效率的重要因素。采用具有降维效果的双线性四边形模型来模拟实际物体表面,提出了一种基于该四边形的混合域基函数,应用于金属物体的电磁散射特性的计算仿真中。该混合域基函数集成了分域基和全域基的优点,结果表明,相比于基于三角形剖分的RWG函数(rao,wilton and glisson,RWG),混合基函数能够在减少未知数个数的同时获得较高的计算精度,具有计算精度高、速度快、内存要求低的特点。     

基于PO和EEC的特征基函数快速构造方法

特征基函数的构造是特征基函数方法(characteristic basis function method, CBFM)的关键步骤之一，传统的CBF构造方法(construction of characteristic basis functions, CBFs)是在子区域上应用矩量法(method of moment, MoM)，因此需要消耗大量的计算时间。为降低构造过程的计算量，提高电大目标电磁散射的计算效率，提出了基于高频近似方法的特征基函数快速构造方法，针对边缘效应引入了等效边缘流(equivalent edge currents, EEC)修正，可以在保持算法通用性的同时显著提高包含边缘结构的目标散射计算精度。数值结果验证了方法的正确性及高效性。     

改进的特征基函数法分析电磁散射问题

目标电磁散射特性分析具有重要意义,矩量法等数值方法是求解该类问题的重要工具。当待分析目标的电尺寸增大时,矩量法的内存需求和计算量随之快速增加,极大地限制了可求解问题的规模。宏基函数类方法通过在宏域上构造各种宏基函数,减少未知量数目,实现最终矩阵方程规模的缩减,使分析大规模问题变为可能。重点研究该类方法中近期获得较大发展的特征基函数法,结合物理光学法和球谐函数展开-多层快速多极子技术分析电磁散射问题。数值结果验证了改进的特征基函数法的准确性与高效性。     

基于GPU的B样条曲面加速计算

图形处理器(GPU)可编程性能的不断提高使得在三维几何造型系统中出现了越来越多的基于GPU的应用。提出了一个基于GPU片元程序计算B样条曲面的加速算法。通过测试算法在GPU上计算B样条曲面的时间与基于CPU的传统算法相比较,表明提出的基于GPU的加速算法效率明显高于传统算法。同时提出的算法具有良好的易用性和可扩展性,可以应用到Bézier曲面、NURBS曲面等其他参数曲面的加速计算中。     

大型阵列结构电磁特性分析的特征基函数方法

运用基于矩量法的特征基函数方法分析了大型阵列结构的电磁辐射与散射特性。特征基函数方法首先对阵列结构进行分区,通过区间互耦构造高层级基函数,大大降低了生成的全局矩阵的尺度,能够对矩阵直接求解。将特征基函数方法运用于对大型阵列结构的分析中,通过深入的研究,给出了加速计算和节省内存的手段。数值结果表明方法的准确性和高效性。     

植物果实的几何造型及可视化研究

提出了一种基于曲面参数方程的植物果实的造型方法。该方法使用凹凸纹理处理方式对椭球面参数方程进行变形,模拟各种不同形状植物果实形状;利用正弦函数的变化规律对植物表面颜色纹理进行模拟。给出了仿真水果模型的实例,模型的可控参数较少,变换灵活,形象直观,易于构建虚拟植物果实的生长模型。     

基于三维体质心的无线传感器网络节点定位算法

针对无线传感器网络中传感器节点初始位置未知的问题,提出一种基于三维体质心的分布式无线传感器网络节点定位算法.算法假设网络中有一定比例的锚节点(位置已知的节点),利用三维辅助坐标系,建立节点间的通信约束关系和空间几何关系,研究三维空间内包含未知节点的三维体构成方法,确定三维体的多个侧面和曲面来构成曲面三维体;为了减小算法计算量和网络能耗,寻找与曲面三维体对应的由多个侧面组成的平面三维体,通过确定平面三维体的质心来获得曲面三维体质心,从而把曲面三维体的质心作为未知节点的估计位置.该算法是一种完全基于网络连通性的分布式算法,算法设计简单,计算量小,节点间通信开销少.仿真结果显示,该算法适合于各种规模的无线传感器网络的节点定位.     

面向网络定制设计的虚拟人仿真

为实现适合网络定制设计的虚拟人仿真，提出基于H-anim的虚拟人仿真方法。根据H-anim定义的关节骨架模型，实现了人体的参数化几何建模和关节动画仿真，结合行为模板、规则推理和实例推理构造了人体行为仿真系统。最后介绍了虚拟人仿真在网络家居定制设计中的具体应用。     

基于RBF网络的UCAV战术机动轨迹快速生成方法

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)战术机动动作数学表征困难,机动生成的计算实时性要求高的主要问题,分析了战术机动轨迹建模的基本原理;提出了战术机动轨迹建模的基本思路;设计了基于UCAV运动动力学模型的机动轨迹最优控制方案;建立了基于遗传算法的飞行操控量求解策略。针对操控量求解的实时性问题,基于径向基核函数神经网络,提出了以适应度函数为预测和评判标准的机动飞行操控量快速求解方法,从而建立了初始状态、性能指标与机动飞行操控量的非线性映射模型,实现了机动轨迹的快速生成和机动曲线的精度控制,并通过仿真验证了该方法的有效性。     

雷达目标散射中心正向自动化建模方法研究与实现

为进一步优化散射中心参数化模型建模方法, 本文从目标的几何模型出发, 对复杂目标结构按几何面进行分区编号后, 进行散射中心模型的正向自动化建模。自动化方法主要实现了模型长度、位置等参数的自动推算。该方法实现了对目标散射来源、散射机理和散射中心模型参数的全自动判定, 提高了建模效率。首先对几何模型部件分解, 然后采用射线追踪与分集技术, 将目标散射场依照精度要求简化为部分射线贡献叠加, 并研究了散射中心模型参数的自动推算。最后本文计算了一系列散射中心参数化模型, 并与可靠数据对比, 验证了本文自动化建模方法的有效性。     

正交投影阵列信号子空间估计方法

利用特征值分解构造信号子空间存在运算量大的问题,制约了子空间类参数估计方法的实时应用。提出一种新的正交投影阵列信号子空间估计方法,该方法不需要特征值分解,通过对阵列接收数据逐级进行正交投影分解构造阵列信号子空间的一组基向量,使得每个基向量方向上信号投影能量最大,从而保证所张成的信号子空间包含最大的信号能量。定义了衡量子空间估计精度的信号和噪声子空间估计误差函数。理论分析和仿真结果表明,所提方法计算复杂度低,且子空间估计精度优于特征值分解。     

高分辨雷达-维距离像稀疏表示技术

高分辨雷达回波信号处理和特征提取技术受到广泛的关注.针对雷达目标几何绕射参数化模型,采用稀疏成份分析方法研究了高分辨距离像的超分辨重构和特征提取问题,分析了正则化函数的指标参数对信号重构性能和计算复杂性的影响,在此基础上提出了一种具有稀疏表示能力的正则化函数,实现了目标散射中心的有效分离.数值结果也验证了该方法的合理性和有效性.     

基扩展模型下基于LSTM神经网络的时变信道预测方法

针对高速移动正交频分复用系统, 提出了一种基扩展模型(basis expansion model, BEM)下基于长短期记忆(long short-term memory, LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差, 根据高速移动环境中不同列车在相同位置处的无线信道具有强相关性的特点, 首先基于历史时刻的信道状态信息获取最优的基函数, 并利用该基函数对信道进行建模。然后, 通过LSTM神经网络对信道基系数进行线下训练与线上预测来获取未来时刻信道信息, 大大降低了计算复杂度。在线下训练中, 将网络的逼近目标设置为信道估计值, 而不是理想的信道信息, 以增强预测模型的实用性。仿真结果表明, 相比现有方法, 新方法的计算复杂度较低, 且预测精度较高。