Sparse Matrix/Canonical Grid (SMCG) Method for Microstrip Circuits

Sparse Matrix/Canonical Grid (SMCG) Method for Microstrip Circuits

论文摘要

在本文中我们采用电磁场混合位积分方程(MPIE)和稀疏矩阵/规则网格方法(SMCG)分析了微波集成电路中的微带结构问题,首先对于微带结构用PATRAN软件进行三角网格离散,采用基于三角面元的RWG作为基函数,这与以往的线网格法相比,大大地提高了计算的精度。SMCG法根据离散单元间场作用的强弱,将阻抗元素分解为强相作用的稀疏矩阵和弱相互作用部分。强相互作用矩阵元素可采用九点积分近似方法获得,弱相互矩阵元素可近似为两作用三角中心点之间的相互作用。在利用迭代法求解线性方程组时,矩阵矢量乘部分可分解为两部分计算,强相互作用形成的稀疏矩阵与待求向量的乘积可直接计算,而对于弱相互作用的元素,利用复镜像(CIM)和MP方法将空域Green函数表示成解析表达式形式后,可将弱阻抗元素在规则网格上应用Taylor级数展开,由于级数项中存在平移不变性的核,可将弱相互作用矩阵展开为Toeplitz矩阵相乘的形式,因而可利用快速傅立叶变换实现补充矩阵与待求向量的乘积,保证了每次迭代的计算复杂度是N log N。实验算例表明:SMCG法和矩量法的数值曲线吻合性很好,在分析含有未知数较多的天线阵列时,由于只需求解强相互作用矩阵元素,弱相互作用矩阵元素可由Taylor展开间接获得,因而减少了矩阵生成的时间,并降低了计算机内存需求和CPU时间,因而SMCG法比矩量法具有明显的优越性。

论文目录

  • 摘要
  • Abstract
  • Chapter 1 Introduction
  • Chapter 2 Method of Moment (MOM) and RWG basis function
  • 2.1 Introduction of MoM
  • 2.2 RWG basis function
  • Chapter 3 Analysis of Flat Plane in Free Space
  • 3.1 Electric Field Formulation
  • 3.1.1 Near-Field Evaluation
  • 3.1.2 Far-Field Evaluation
  • 3.1.3 Voltage Excitation Vector
  • 3.2 Sparse Matrix/Canonical Grid (SMCG) method
  • 3.2.1 Taylor Series Expansion of Green function
  • 3.2.2 SM/CG Method Algorithm
  • 3.3 Numerical Result
  • Chapter 4 Analysis of Microwave Circuit
  • 4.1 Introduction
  • 4.1.1 Closed-Form Spatial Green Function
  • 4.1.2 Matrix Pencil Method
  • 4.2 MPIE Formulation
  • 4.2.1 Near-Field Evaluation
  • 4.2.2 Far-Field Evaluation
  • 4.3 Sparse Matrix/Canonical Grid (SMCG) method
  • 4.3.1 Taylor Series Expansion of Spatial Green's Function
  • 4.3.2 SM/CG Method Algorithm
  • parameter Extraction'>4.3.3 Excitation and Sparameter Extraction
  • 4.4 Numerical Result
  • Reference
  • Conclusion
  • Acknowledgments
  • 相关论文文献

    • [1].雅可比迭代法求解稀疏矩阵[J]. 数学大世界(上旬) 2017(05)
    • [2].低秩稀疏矩阵优化问题的模型与算法[J]. 运筹学学报 2020(03)
    • [3].基于哈夫曼编码的稀疏矩阵的存储与计算[J]. 计算机工程与科学 2013(11)
    • [4].基于动态稀疏矩阵的数据仓库模型在采购决策中的应用研究[J]. 机械管理开发 2012(04)
    • [5].基于贪婪分配的稀疏矩阵与向量乘的负载平衡[J]. 福建工程学院学报 2010(01)
    • [6].二元域大型稀疏矩阵向量乘的FPGA设计与实现[J]. 计算机工程与科学 2016(08)
    • [7].基于FPGA的稀疏矩阵向量乘的设计研究[J]. 计算机应用研究 2014(06)
    • [8].一般稀疏矩阵相乘的混合并行算法[J]. 计算机科学与探索 2013(08)
    • [9].基于稀疏矩阵字典的移动用户行为识别方法[J]. 计算机应用研究 2015(09)
    • [10].高阶矢量有限元方法中的稀疏矩阵技术[J]. 微波学报 2011(02)
    • [11].稀疏矩阵向量乘法在申威众核架构上的性能优化[J]. 计算机学报 2020(06)
    • [12].多核平台稀疏矩阵向量乘优化研究综述[J]. 科协论坛(下半月) 2009(12)
    • [13].基于伪地址存储结构的稀疏矩阵快速转置算法[J]. 工业仪表与自动化装置 2019(05)
    • [14].大规模稀疏矩阵在并行应用中的通信优化研究[J]. 计算机应用研究 2008(01)
    • [15].基于伪地址压缩存储结构的稀疏矩阵基本运算的实现[J]. 河套学院论坛 2017(03)
    • [16].工程计算中大型稀疏矩阵存储方法研究[J]. 数值计算与计算机应用 2018(03)
    • [17].一类大规模稀疏矩阵特征问题求解的并行算法[J]. 数值计算与计算机应用 2013(02)
    • [18].稀疏矩阵法网络拓扑分析[J]. 电力系统保护与控制 2011(23)
    • [19].基于图论的渠网非恒定流稀疏矩阵技术[J]. 水利学报 2011(12)
    • [20].有限元中稀疏矩阵的存储[J]. 枣庄学院学报 2008(05)
    • [21].随机稀疏矩阵链式存储结构的探讨[J]. 教育教学论坛 2017(36)
    • [22].一种用于电能质量压缩感知中的新型稀疏矩阵[J]. 电子技术 2017(10)
    • [23].稀疏矩阵向量乘的FPGA设计与实现[J]. 计算机工程 2011(23)
    • [24].基于CUDA的稀疏矩阵与矢量乘法的优化[J]. 计算机测量与控制 2010(08)
    • [25].基于用户评分和项目属性的稀疏矩阵预测研究[J]. 电脑知识与技术 2019(02)
    • [26].GPU稀疏矩阵向量乘的性能模型构造[J]. 计算机科学 2017(04)
    • [27].基于联合稀疏矩阵恢复的DOA估计算法[J]. 微波学报 2015(05)
    • [28].利用三元组稀疏矩阵技术改进HASM算法——以全球平均气温模拟为例[J]. 地球信息科学学报 2012(02)
    • [29].基于Intel Xeon Phi的稀疏矩阵向量乘性能优化[J]. 小型微型计算机系统 2016(04)
    • [30].稀疏矩阵规范网格结合物理双网格分析介质海面散射特性与试验验证[J]. 电子与信息学报 2016(02)

    标签:;  ;  ;  ;  

    Sparse Matrix/Canonical Grid (SMCG) Method for Microstrip Circuits
    下载Doc文档

    猜你喜欢