基于GPU并行加速特征基函数算法的电磁散射特性分析方法技术

本发明专利技术公开了一种基于GPU并行加速特征基函数算法的电磁散射特性分析方法，包括以下步骤：对待检测目标进行三维建模；基于RWG基函数对待检测目标的模型进行网格剖分；基于网格剖分信息，利用离散伽略金方法优化特征基函数算法；利用GPU对特征基函数算法进行并行加速；将网格剖分信息作为并行加速后的特征基函数算法的输入，由此输出待检测目标的电磁散射特性。本发明专利技术利用离散伽略金方法优化特征基函数算法，并利用GPU对特征基函数算法进行并行加速，能实现计算电大尺寸目标以及复杂目标分离过程的电磁散射问题，且计算具有高准确性和高效性。

【技术实现步骤摘要】
基于GPU并行加速特征基函数算法的电磁散射特性分析方法
本专利技术属于计算电磁学领域，特别涉及一种基于GPU并行加速特征基函数算法的电磁散射特性分析方法。
技术介绍
随着社会的不断发展，科技的进步日新月异。在工程应用领域，人们迫切需要对复杂或电大目标的电磁特性进行研究，其典型应用有：目标隐身与反隐身设计，雷达系统设计与目标识别等。研究方法主要有测量法与计算法。测量法在检验目标电磁特性方面具有重要的不可替代的作用，但它具有测试成本高，测试周期长等缺点。随着计算机性能的迅速提升，对电大目标电磁特性进行计算成为可能，计算科学的重要性日益显现出来。而如何精确高效求解此类复杂目标的电磁特性成为雷达总体设计以及隐身、反隐身研究的学者和工程师们共同关心的问题。通常求解电磁特性问题的方法有两大类，一类是诸如几何光学法(GO)、几何绕射理(GTD)、物理光学法(PO)以及弹跳射线法(SBR)等高频方法；另一类是精确求解的低频数值方法。高频方法具有求解速度快，存储需求小等特点，但是由于这些方法包含了太多近似，未完全考虑部件间互耦，不能精确处理具有复杂结构的目标。与之相反，低频数值方法具有计算精确的特点，但求解速度慢，存储开销大。低频数值方法主要分为微分方程方法与积分方程方法两个大类。微分方程方法是基于麦克斯韦偏微分方程组，直接对场进行离散求解。代表方法为有限元方法(FEM)和时域有限差分法(FDTD)。这些方法由于在其它领域应用广泛，发展较为成熟，实现起来较为简单，同时这类方法形成的线性方程组的阻抗矩阵是稀疏的，所以求解较快。但这类方法要在求解域外人为引入边界，并对求解域进行体剖分时的未知量很大，此外它们具有微分方法的固有缺点：网格色散误差大，随着求解域增大，其色散误差累积越大，所以这类方法不适合求解电大目标电磁特性问题。积分方程方法的代表方法为矩量法(MoM)，它是一种基于源的方法，需要的未知量少，同时没有微分方程方法的网格色散误差问题。但MoM方法得到的阻抗矩阵是满阵，其存储复杂度为O(N2)，计算复杂度为O(N2)或O(N3)，故而传统的MoM方法也仅仅能够分析电小目标电磁特性。基于矩量法的快速算法迅速发展，如快速多极子方法(FMM)及多层快速多极子方法(MLFMA)，这些方法在分析电大目标时远区互耦的阻抗矩阵未显式填充，必须采用迭代方法求解线性方程组，当目标较为复杂时迭代收敛通常十分缓慢，在求解目标在多入射下的电磁响应问题，采用迭代求解器的方法进一步显示出劣势。2003年，美国学者RajMittra提出了特征基函数方法(CBFM)，该方法的原理是：目标首先被分成许多小块，不考虑块间耦合时计算得到每个块上的电流响应作为一阶基函数，然后考虑块间耦合，将其他块的一阶基函数作为激励可得到每个块上的响应，响应电流作为二阶基函数，为提高计算精度可以用同样的方法得到高阶基函数。该方法依赖于初始入射波，对于多入射问题特征基函数(CBFs)要重新建立多次，这是特征基函数方法的雏形。采用一系列平面波作为分块的激励，获得的CBFs是与激励无关的，在求解多入射问题时，可以用直接法快速求解。在近十几年的时间里，很多领域的面貌都因为GPU大规模高性能并行计算技术的迅速发展而焕然一新，计算电磁学方面的学者开始尝试使用该技术来加速快速算法。Krakiwsky教授在2005年首次利用GPU并行技术实现了FDTD算法并以此为基础求解了二维散射问题，与单纯使用CPU进行计算相比加速比最高达到了数十倍的量级。由于CBFM本身就具有极为良好的并行性，所以使用GPU对其进行加速优化顺理成章。
技术实现思路
本专利技术的目的在于提供一种能实现计算电大尺寸目标以及复杂目标分离过程的电磁散射问题的电磁散射特性分析方法。实现本专利技术目的的技术解决方案为：一种基于GPU并行加速特征基函数算法的电磁散射特性分析方法，包括以下步骤：步骤1、对待检测目标进行三维建模；步骤2、基于RWG基函数对步骤1获得的待检测目标的模型进行网格剖分；步骤3、基于步骤2获得网格剖分信息，利用离散伽略金方法优化特征基函数算法；步骤4、利用GPU对所述特征基函数算法进行并行加速；步骤5、将步骤2获得网格剖分信息作为所述并行加速后的特征基函数算法的输入，由此输出待检测目标的电磁散射特性。进一步地，步骤3基于步骤2获得网格剖分信息，利用离散伽略金方法优化特征基函数算法，具体包括：步骤3-1、在单极子RWG基函数的公共边引入一个内部惩罚项：tmn·Jm(r)＝-tnm·Jn(r)r∈Cmn式中，Cmn为第m个单极子RWG基函数围线Cm与第n个单极子RWG基函数围线Cn之间的重叠围线，tmn为Cmn的法向向量，方向是从Cm指向Cn，tnm是Cmn的法向向量，方向是从Cn指向Cm，Jm(r)为第m个三角面元上的电流，Jn(r)为第n个三角面元上的电流；步骤3-2、根据所述内部惩罚项表示位于单极子RWG基函数边界的电流残量R1和在这些边界处积聚的电荷残量R2：式中，1/jωε0为幅度系数，fm为第m个单极子RWG基函数，tm为与fm围线相关的外法向向量，G(r,r′)为自由空间的格林函数，其中r和r′分别为场点与源点的位置矢量；步骤3-3、结合所述电流残量R1和电荷残量R2，利用离散伽略金方法构建伽略金测试的弱形式为：其中，式中，EFIE和MFIE分别为自由空间中由理想导体表面的感应电流产生的电场积分方程和磁场积分方程，α、β、γ均为系数，Ne为单极子RWG基函数的个数，E和H分别为与入射平面波相关的电场和磁场；I为单位并矢量；J′为表面电流的分布；μ0和ε0分别为自由空间的磁导率和介电常数；ω为振荡角频率；n为散射体表面的法向向量，▽和▽′分别为场区与源区中的哈密顿运算符；Ω′为源区面积分的积分域；dS′为源区的积分面元；步骤3-4、根据所述伽略金测试的弱形式构建特征基函数矩阵方程，其中阻抗矩阵Zmn和激励矩阵Vm分别为：Vm＝<fm,αE+(1-α)n×H>式中，f′m和f′n分别为源区中第m个和第n个单极子RWG基函数。本专利技术与现有技术相比，其显著优点为：1)对待检测目标的模型进行精度为十分之一波长的三角形网格剖分，能够获得更优的特征基函数；2)利用离散伽略金方法优化特征基函数算法，使算法能够处理复杂目标分离过程中结合面的问题，进而计算复杂目标分离过程的电磁散射问题；3)利用GPU对特征基函数算法进行并行加速，使算法能够计算电大尺寸目标的电磁散射问题；4)本专利技术计算具有高准确性和高效性。下面结合附图对本专利技术作进一步详细描述。附图说明图1为本专利技术基于GPU并行加速特征基函数算法的电磁散射特性分析方法流程图。图2为本专利技术特征基函数算法CPU+GPU异构计算模型示意图。图3为实施例中待检测目标的分离过程示意图，其中图(a)为待检测目标分离过本文档来自技高网...

【技术保护点】
1.一种基于GPU并行加速特征基函数算法的电磁散射特性分析方法，其特征在于，包括以下步骤：/n步骤1、对待检测目标进行三维建模；/n步骤2、基于RWG基函数对步骤1获得的待检测目标的模型进行网格剖分；/n步骤3、基于步骤2获得网格剖分信息，利用离散伽略金方法优化特征基函数算法；/n步骤4、利用GPU对所述特征基函数算法进行并行加速；/n步骤5、将步骤2获得网格剖分信息作为所述并行加速后的特征基函数算法的输入，由此输出待检测目标的电磁散射特性。/n

【技术特征摘要】
1.一种基于GPU并行加速特征基函数算法的电磁散射特性分析方法，其特征在于，包括以下步骤：
步骤1、对待检测目标进行三维建模；
步骤2、基于RWG基函数对步骤1获得的待检测目标的模型进行网格剖分；
步骤3、基于步骤2获得网格剖分信息，利用离散伽略金方法优化特征基函数算法；
步骤4、利用GPU对所述特征基函数算法进行并行加速；
步骤5、将步骤2获得网格剖分信息作为所述并行加速后的特征基函数算法的输入，由此输出待检测目标的电磁散射特性。


2.根据权利要求1所述的基于GPU并行加速特征基函数算法的电磁散射特性分析方法，其特征在于，步骤2所述基于RWG基函数对步骤1获得的待检测目标的模型进行网格剖分，具体为：基于RWG基函数对步骤1获得的待检测目标的模型进行三角形网格剖分。


3.根据权利要求1或2所述的基于GPU并行加速特征基函数算法的电磁散射特性分析方法，其特征在于，步骤2所述基于RWG基函数对步骤1获得的待检测目标的模型进行网格剖分，具体为：基于RWG基函数对待检测目标模型进行精度为十分之一波长的三角形网格剖分，所述波长为雷达发射信号的波长。


4.根据权利要求1所述的基于GPU并行加速特征基函数算法的电磁散射特性分析方法，其特征在于，步骤3基于步骤2获得网格剖分信息，利用离散伽略金方法优化特征基函数算法，具体包括：
步骤3-1、在单极子RWG基函数的公共边引入一个内部惩罚项：
tmn·Jm(r)＝-tnm·Jn(r)r∈Cmn
式中，Cmn为第m个单极子RWG基函数围线Cm与第n个单极子RWG基函数围线Cn之间的重叠围线，tmn为Cmn的法向向量，方向是从Cm指向Cn，tnm是Cmn的法向向量，方向是从Cn指向Cm，Jm(r)为第m个三角面元上的电流，Jn(r)为第n个三角面元上的电流；
步骤3...

【专利技术属性】
技术研发人员：韩玉兵，张刚，薛晨昊，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32