[發(fā)明專(zhuān)利]復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新奇異值分解方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210119627.X
• 申請(qǐng)日: 2012-04-20
• 公開(kāi)（公告）號(hào): CN102708229A
• 公開(kāi)（公告）日: 2012-10-03
• 發(fā)明（設(shè)計(jì)）人: 陳如山;姜兆能;樊振宏;丁大志;盛亦軍;沙侃;葉曉東;陳明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50
• 代理公司: 南京理工大學(xué)專(zhuān)利中心 32203
• 代理人: 張駿鳴

1.一種復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其實(shí)現(xiàn)步驟如下：

第一步，建立目標(biāo)的幾何模型，根據(jù)復(fù)雜分層媒質(zhì)結(jié)構(gòu)的幾何尺寸，用計(jì)算機(jī)輔助設(shè)計(jì)工具進(jìn)行建模，采用三角形網(wǎng)格對(duì)分層媒質(zhì)結(jié)構(gòu)模型進(jìn)行剖分，得到仿真分析所需的網(wǎng)格離散信息文件，包括單元節(jié)點(diǎn)信息文件和節(jié)點(diǎn)坐標(biāo)信息文件；?

第二步，根據(jù)第一步的網(wǎng)格信息在目標(biāo)表面建立等效電流積分方程。

2.首先，讀入網(wǎng)格離散信息文件；然后，將每個(gè)三角形單元上的場(chǎng)采用Rao-Wilton-Glisson（RWG）基函數(shù)展開(kāi)；最后，利用Galerkin方法生成大型稠密線性系統(tǒng)，其大小為所有RWG基函數(shù)的數(shù)目；

第三步，采用八叉樹(shù)結(jié)構(gòu)對(duì)剖分后的目標(biāo)模型進(jìn)行分組，用一個(gè)立方體將目標(biāo)體包圍住，該立方體就定義為第零層的第一個(gè)且是最后一個(gè)組結(jié)點(diǎn)，把該立方體等分為八個(gè)子立方體結(jié)點(diǎn)形成第一層組結(jié)點(diǎn)，然后再對(duì)每個(gè)子立方體進(jìn)行與上一步相同的細(xì)分，并根據(jù)第一步的網(wǎng)格信息來(lái)判斷最底層立方體的尺寸；?

第四步，根據(jù)第三步的分組信息，將目標(biāo)根據(jù)尺寸分為近場(chǎng)區(qū)和遠(yuǎn)場(chǎng)區(qū)，對(duì)近場(chǎng)區(qū)直接采用矩量法來(lái)計(jì)算場(chǎng)源組間相互作用，對(duì)遠(yuǎn)場(chǎng)區(qū)的相互作用采用矩陣分解結(jié)合新的奇異值分解方法（以下簡(jiǎn)稱(chēng)MDA-Xin?SVD方法）實(shí)現(xiàn)，具體步驟是：先利用矩陣分解算法（MDA）對(duì)遠(yuǎn)場(chǎng)矩陣進(jìn)行填充壓縮，然后利用新的奇異值對(duì)矩陣分解后的子矩陣再進(jìn)行一次壓縮，得到一種稀疏的矩陣表達(dá)式；

第五步，根據(jù)第四步得到的稀疏矩陣表達(dá)式，采用迭代解法計(jì)算獲得復(fù)雜分層媒質(zhì)結(jié)構(gòu)模型表面電流分布參數(shù)，再通過(guò)計(jì)算得到模型的各種電磁特性參數(shù)，完成仿真分析全過(guò)程；

根據(jù)權(quán)利要求1所述復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其特征在于：第一步中采用三角形單元來(lái)離散整個(gè)計(jì)算空間，高階單元和曲面單元同樣可以應(yīng)用三角形單元上，以獲得更好的仿真效果。

3.根據(jù)權(quán)利要求1所述復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其特征在于：第三步中采用八叉樹(shù)結(jié)構(gòu)對(duì)目標(biāo)進(jìn)行分組，其中最底層立方體的尺寸為0.05～1.0個(gè)電波長(zhǎng)。

4.根據(jù)權(quán)利要求1所述復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其特征在于：第四步中采用新的奇異值對(duì)矩陣分解算法（MDA）的子矩陣再進(jìn)行一次壓縮，得到一種稀疏的矩陣表達(dá)式，減少計(jì)算機(jī)分析目標(biāo)的時(shí)間以及內(nèi)存需求。

5.根據(jù)權(quán)利要求1所述復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其特征在于：基于矩陣分解結(jié)合新的奇異值分解方法的求解對(duì)象為積分方程生成的大型稠密線性系統(tǒng)，因此，積分方程中的先進(jìn)技術(shù)仍然可被采用，例如：相位基函數(shù)等。

6.根據(jù)權(quán)利要求1所述復(fù)雜分層媒質(zhì)結(jié)構(gòu)的矩陣分解結(jié)合新的奇異值分解方法，其特征在于：通過(guò)控制低秩壓縮的程度來(lái)控制計(jì)算精度和計(jì)算時(shí)間/內(nèi)存消耗。

7.壓縮程度越高，計(jì)算精度越低，同時(shí)計(jì)算時(shí)間/內(nèi)存消耗也越低；反之，壓縮程度越低，則計(jì)算精度越高，同時(shí)計(jì)算時(shí)間/內(nèi)存消耗也相應(yīng)越高。