基于SVD-CBFM的導(dǎo)體目標(biāo)單站RCS快速求解方法
發(fā)布時間:2023-02-19 17:18
目標(biāo)散射特性研究在雷達(dá)、隱身和反隱身及遙感、地質(zhì)探測等方面都具有十分重要的實(shí)際意義,是目前工程領(lǐng)域研究的重點(diǎn)課題之一。矩量法作為本課題研究的有效數(shù)值方法,在計(jì)算電大、復(fù)雜的目標(biāo)時,存在計(jì)算和存儲困難的問題。特征基函數(shù)法在矩量法的基礎(chǔ)上進(jìn)行了改進(jìn),通過分塊的方法有效解決了計(jì)算量大及存儲困難的問題,是近年來國內(nèi)外學(xué)者研究的熱點(diǎn)課題之一。本文在特征基函數(shù)法的基礎(chǔ)上,提出了兩種快速有效計(jì)算目標(biāo)單站雷達(dá)散射截面(RCS)的方法。第一種方法采用再壓縮自適應(yīng)交叉近似(RACA)算法加速改進(jìn)的奇異值分解特征基函數(shù)法(SVD-ICBFM)求解導(dǎo)體目標(biāo)單站RCS。在SVD-ICBFM中,特征基函數(shù)(CBFs)采用SVD,分解時間較長。本文采用RACA分解CBFs,可有效縮減分解時間。同時運(yùn)用RACA壓縮阻抗矩陣,從而進(jìn)一步提高次要特征基函數(shù)的求解及縮減矩陣的構(gòu)造效率。第二種方法是在SVD-CBFM的基礎(chǔ)上提出的一種增強(qiáng)特征基函數(shù)法(ECBFM),該方法構(gòu)造的ECBFs由改進(jìn)的主要特征基函數(shù)(IP-CBFs)和改進(jìn)的次要特征基函數(shù)(IS-CBFs)組成。IS-CBFs的構(gòu)造由多徑散射方程得到,并用IP-CB...
【文章頁數(shù)】:60 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 電磁學(xué)計(jì)算方法
1.3 雷達(dá)散射截面
1.4 主要工作和文章結(jié)構(gòu)安排
1.4.1 主要工作
1.4.2 文章結(jié)構(gòu)安排
第二章 矩量法
2.1 矩量法的基本原理
2.2 基函數(shù)和檢驗(yàn)函數(shù)
2.3 三種形式的表面積分方程
2.3.1 電場積分方程
2.3.2 磁場積分方程
2.3.3 混合場積分方程
2.4 基于RWG基函數(shù)的MoM離散積分方程
2.5 采用仿真軟件建模
2.6 數(shù)值算例
2.7 本章小結(jié)
第三章 應(yīng)用RACA算法加速SVD-ICBFM
3.1 引言
3.2 特征基函數(shù)法
3.2.1 Ⅰ型特征基函數(shù)法
3.2.2 Ⅱ型特征基函數(shù)法
3.2.3 奇異值分解特征基函數(shù)法
3.3 改進(jìn)的奇異值分解特征基函數(shù)法
3.4 RACA算法的原理
3.4.1 ACA算法
3.4.2 RACA算法的實(shí)現(xiàn)過程
3.5 應(yīng)用RACA算法加速SVD-ICBFM
3.5.1 應(yīng)用RACA算法壓縮阻抗矩陣
3.5.2 應(yīng)用RACA算法壓縮CBFs
3.6 數(shù)值算例及分析
3.7 本章小結(jié)
第四章 增強(qiáng)的特征基函數(shù)法
4.1 引言
4.2 改進(jìn)的主要特征基函數(shù)法(IP-CBFM)
4.3 增強(qiáng)的特征基函數(shù)法(ECBFM)
4.4 數(shù)值算例及分析
4.5 本章小結(jié)
第五章 結(jié)束語
參考文獻(xiàn)
致謝
碩士期間完成的論文和參加的科研項(xiàng)目
本文編號:3746636
【文章頁數(shù)】:60 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 電磁學(xué)計(jì)算方法
1.3 雷達(dá)散射截面
1.4 主要工作和文章結(jié)構(gòu)安排
1.4.1 主要工作
1.4.2 文章結(jié)構(gòu)安排
第二章 矩量法
2.1 矩量法的基本原理
2.2 基函數(shù)和檢驗(yàn)函數(shù)
2.3 三種形式的表面積分方程
2.3.1 電場積分方程
2.3.2 磁場積分方程
2.3.3 混合場積分方程
2.4 基于RWG基函數(shù)的MoM離散積分方程
2.5 采用仿真軟件建模
2.6 數(shù)值算例
2.7 本章小結(jié)
第三章 應(yīng)用RACA算法加速SVD-ICBFM
3.1 引言
3.2 特征基函數(shù)法
3.2.1 Ⅰ型特征基函數(shù)法
3.2.2 Ⅱ型特征基函數(shù)法
3.2.3 奇異值分解特征基函數(shù)法
3.3 改進(jìn)的奇異值分解特征基函數(shù)法
3.4 RACA算法的原理
3.4.1 ACA算法
3.4.2 RACA算法的實(shí)現(xiàn)過程
3.5 應(yīng)用RACA算法加速SVD-ICBFM
3.5.1 應(yīng)用RACA算法壓縮阻抗矩陣
3.5.2 應(yīng)用RACA算法壓縮CBFs
3.6 數(shù)值算例及分析
3.7 本章小結(jié)
第四章 增強(qiáng)的特征基函數(shù)法
4.1 引言
4.2 改進(jìn)的主要特征基函數(shù)法(IP-CBFM)
4.3 增強(qiáng)的特征基函數(shù)法(ECBFM)
4.4 數(shù)值算例及分析
4.5 本章小結(jié)
第五章 結(jié)束語
參考文獻(xiàn)
致謝
碩士期間完成的論文和參加的科研項(xiàng)目
本文編號:3746636
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/3746636.html
最近更新
教材專著