改进高阶FDTD方法的电磁散射研究及目标智能识别

A new conservative high-order modified FDTD(2,4) Scheme can acquire higher computational accuracy than FDTD(2,4). When computing by CM24, we are able to program easily and combine it with parallel technique to solve electrical large dimension problems. However, CM24 hasn’t been researched on problems of electromagnetic scattering..We first establish CM24 high-order scattering model: 1) The model of introducing incident wave into CM24 total region is established. High-order total-scattered field boundary condition is derived. We keep the same numerical dispersion of incident wave propagating in 1D auxiliary grids as that in 3D CM24 main computational grids. And the waveform of incident wave will not be distorted when propagating a long distance with long time. Incident wave is introduced into CM24 total field region without leakage. 2) A CM24-compatible conformal algorithm is established in order to model curves of objects accurately. CM24 formula are derived from integral equations. Conformal technique is also base on the contour integral method so that they can be cooperated easily. 3) Based on explicit unconditionally stable algorithm, the root of the unstability of high-order conformal technique is studied. We try to achieve stability of the CM24 conformal technique without reducing the time step..Finally, we simulate time-domain scattered fields from the objects with micro-motion at different time arrays, combing CM24 and quasi-static method. Based on CNN method, the feature of micro-motions of object is acquired automatically and targets can be detected intelligently.

改进高阶FDTD(CM24)比FDTD(2,4)高阶方法精度更高，容易编程实现，且易与并行技术结合，适合求解三维电大尺寸的时域电磁问题。但目前还没用于电磁散射的研究。.本项目首先研究CM24高阶散射模型：1）建立CM24的入射波加载模型。推导CM24高阶总散场边界条件；实现入射波在一维网格与三维计算主网格中传播的数值色散匹配，且保持入射波长时间传播后不失真；将入射波无泄漏地引进CM24的总场区域。 2）建立CM24高阶局部共形网格技术，实现对目标曲面的精确建模。CM24的计算公式是从麦斯韦积分方程推导而来，而局部共形技术也是基于环路积分思想，二者易于结合。3）研究高阶共形网格不稳定性的根源，结合显性无条件稳定技术，实现不减小时间步长下的稳定计算。.最后，结合CM24与准静态方法，模拟微动目标的时域回波序列。基于CNN机器学习方法，自动获取微动特征，实现目标智能识别。

首先研究了CM24高阶散射模型。基于高阶CM24方法提出了离散平面波(FDTD- DPW)引入的方法，平面波采用6个一维辅助网格随时间逐步推进的方式引入总场区域，对于任意激励源，一维辅助网格与主三维网格之间都能得到相同的数值色散关系。考虑到高阶CM24更新方程涉及到更多的场点，需要全面考虑位于总散场边界面上的场点，修正主网格总散场边界上的场的更新方程。该方法适用于任何传播角度，散射场区域的场泄漏在-300 dB以下。为准确计算电大目标的散射问题，高效的卷积完美匹配层(CPML)公式是高阶CM24算法的关键。改进的CPML公式与CM24方程具有一致性和相同的色散关系，消除了在散射体和CPML区域之间使用缓冲区带来的误差。对金属球和金属方柱进行RCS计算，结果表明，与传统FDTD(2,2)方法相比，该方法提高了计算精度，节省了计算机资源。.建立了CM24高阶局部共形网格技术，实现对目标曲面的精确建模；并且结合ADE方法，建立了一种新的ADE-CM24高阶算法，用于色散媒质的电磁分析。数值结果显示效果良好。.结合准静态方法，仿真目标的微动电磁特性。提出了一种简单有效的锥柱型目标电磁散射回波建模方法。首先，分析了散射电场数据与基带回波信号的关系，建立了空间微动目标的散射回波建模方法。然后，结合Maehly近似法，提出了一个新的复合运动目标的动态电磁散射回波模型。.针对目标的二维ISAR图像和一维时域电场回波，分别设计了卷积神经网络（CNN）和长短时记忆神经网络（LSTM）对目标实现了智能识别。将目标在不同极化下的ISAR图像组合成为一个样本输入给CNN进行训练，利用CNN自动提取极化之间关联的信息。针对目标时域电场回波，设计了LSTM模型提取目标时域电场回波的特征并进行识别，并且引入了注意力机制来提高模型中关键特征对最终识别结果的影响，为了优化模型，提出时域电场回波分帧的方法，改变输入给每个LSTM单元参数的个数，使得在保留样本数据量的同时减小模型中的参数，可以在降低模型复杂度的同时提高目标识别准确率。