多层矩阵压缩与模型降阶：全波分析散射和电路问题的创新路径

多层矩阵压缩与模型降阶：全波分析散射和电路问题的创新路径一、绪论1.1研究背景与意义随着科学技术的迅猛发展，电磁理论在现代工程领域中的应用日益广泛，从无线通信、雷达探测到集成电路设计等，电磁特性的准确分析成为众多技术实现的关键基础。在无线通信系统中，为了实现更高的数据传输速率和更广的覆盖范围，需要对天线、射频电路等部件的电磁性能进行精确把控；在雷达探测领域，快速且准确地分析复杂目标的电磁散射特性，对于目标识别与跟踪至关重要；而在集成电路设计中，电磁效应的精准模拟则直接关系到芯片的性能与可靠性。然而，现实中的电磁问题往往涉及复杂的几何结构与材料特性，随着研究对象复杂度的不断提升，传统的电磁分析方法面临着巨大挑战。以分析具有复杂外形的飞行器电磁散射特性为例，其表面结构包含众多不规则的曲面、凸起和凹陷，同时还可能涂覆有不同类型的吸波材料，这使得电磁计算的复杂度呈指数级增长；在大规模集成电路中，由于芯片上集成的元件数量庞大且布局紧密，元件之间的电磁耦合效应变得极为复杂，传统分析方法难以满足高效、精确的计算需求。因此，如何快速、准确地分析复杂目标的电磁特性，成为电磁领域亟待解决的关键问题。多层矩阵压缩与模型降阶技术应运而生，为解决上述复杂电磁问题提供了新的有效途径。在电磁仿真领域，该技术能够对描述电磁问题的大规模矩阵进行高效压缩，去除冗余信息，从而大幅减少计算内存需求。在分析电大尺寸目标的电磁散射时，采用多层矩阵压缩技术可以将原本需要海量内存存储的矩阵数据进行有效压缩，使得在普通计算机硬件条件下也能够完成计算任务。同时，通过模型降阶，能够在保留关键电磁特性的前提下，将复杂的高阶电磁模型简化为低阶模型，显著提高计算效率。这使得在有限的计算资源和时间内，能够对更为复杂的电磁场景进行仿真分析，极大地拓展了电磁仿真的应用范围和精度。在电路分析方面，多层矩阵压缩与模型降阶同样发挥着不可或缺的作用。随着集成电路规模的不断增大，电路中节点数量急剧增加，描述电路特性的矩阵规模也随之膨胀。采用多层矩阵压缩技术，可以有效减少存储电路矩阵所需的内存空间，降低硬件成本；模型降阶则能够简化电路模型的求解过程，加速电路瞬态响应和频域特性的计算。在高速数字电路设计中，快速准确的电路分析对于信号完整性和时序分析至关重要，多层矩阵压缩与模型降阶技术能够满足这一需求，助力电路设计工程师更快地完成设计优化，提高产品研发效率。多层矩阵压缩与模型降阶技术对于解决复杂电磁问题和电路分析具有重要的理论意义与实际应用价值，它不仅推动了电磁理论在工程实践中的深入应用，也为现代通信、雷达、集成电路等关键技术的发展提供了强有力的技术支持，对于提升我国在相关领域的自主创新能力和国际竞争力具有深远影响。1.2研究历史与现状计算电磁学作为一门融合电磁理论、数学方法和计算机技术的交叉学科，其数值方法的发展历程见证了科技进步对电磁分析领域的深刻变革。早期，有限差分法（FDM）和有限元法（FEM）的出现，为电磁问题的数值求解奠定了基础。FDM通过将连续的电磁场区域离散为网格，利用差分近似导数来求解麦克斯韦方程组，在简单几何形状的电磁问题分析中展现出一定的优势，例如在平行板电容器等规则结构的电场计算中得到应用；FEM则基于变分原理，将电磁问题转化为求解泛函的极值问题，能够灵活处理复杂几何形状和边界条件，在分析具有复杂外形的天线辐射特性时发挥了重要作用。然而，随着研究对象复杂度的提升，这两种方法面临着计算量和存储量急剧增加的瓶颈。矩量法（MoM）的诞生进一步推动了计算电磁学的发展。MoM将连续的积分方程离散化为代数方程组，在处理金属导体和均匀介质目标的电磁散射问题上表现出色。在分析金属球的电磁散射时，MoM能够精确地计算散射场分布。但对于电大尺寸目标或复杂介质结构，MoM生成的矩阵规模庞大，导致计算效率低下和内存需求过高，限制了其在实际工程中的应用范围。为应对这些挑战，多层矩阵压缩技术逐渐成为研究热点。其中，分层矩阵（H-matrix）和自适应交叉近似（ACA）算法是典型代表。H-matrix通过将矩阵按照一定的层次结构进行划分和近似，有效降低了矩阵存储量和计算复杂度。在分析大规模阵列天线的电磁耦合时，利用H-matrix技术可以显著减少计算资源的消耗；ACA算法则基于矩阵元素的低秩近似特性，自适应地选取矩阵中的关键元素进行近似计算，从而实现矩阵的压缩。在处理电大尺寸目标的电磁散射问题时，ACA算法能够在保证计算精度的前提下，大幅提高计算效率。近年来，这些技术不断发展和完善，新的压缩算法和策略不断涌现，如基于快速多极子方法（FMM）的多层矩阵压缩技术，进一步提升了矩阵压缩的效率和精度，使其在复杂电磁问题求解中得到更广泛的应用。模型降阶技术在电磁领域的应用也经历了长期的发展过程。早期的基于特征值分析的降阶方法，如Krylov子空间投影法，通过选取系统矩阵的主导特征值和特征向量，构建低阶模型来近似原系统。在分析简单电路的频域响应时，该方法能够有效简化计算过程。然而，这种方法对于复杂电磁系统的降阶效果有限，且难以保证降阶模型在全频段的准确性。随着研究的深入，基于平衡截断的模型降阶方法逐渐兴起，它通过对系统进行平衡变换，将系统的能量分布进行均衡，然后截断能量较小的状态变量，从而得到低阶模型。在大规模电力传输网络的分析中，基于平衡截断的降阶方法能够在保留关键电气特性的同时，大幅减少计算量。近年来，数据驱动的模型降阶技术成为研究前沿，如基于深度学习的模型降阶方法，通过对大量电磁仿真数据的学习，构建能够准确描述电磁系统特性的低阶模型，在复杂电磁场景的快速分析中展现出巨大潜力。在散射问题研究方面，矩阵压缩和模型降阶技术的结合应用取得了显著成果。对于复杂目标的宽带电磁散射分析，利用多层矩阵压缩技术减少计算量，再结合模型降阶方法构建宽频带降阶模型，能够实现快速准确的散射特性预测。在分析复杂飞行器外形的电磁散射时，通过这种结合方法，可以在不同频率下高效地计算散射场，为飞行器的隐身设计和雷达目标识别提供重要依据。在复杂环境下的多目标散射问题中，运用矩阵压缩技术处理多目标之间的耦合矩阵，同时采用模型降阶方法简化每个目标的散射模型，能够有效解决计算复杂度高的问题，实现对多目标散射特性的联合分析。在电路问题领域，这些技术同样发挥着重要作用。在大规模集成电路的瞬态分析中，采用多层矩阵压缩技术处理电路的节点导纳矩阵，结合模型降阶方法简化电路模型，能够大大缩短计算时间，提高电路设计的效率。在高速数字电路的信号完整性分析中，利用矩阵压缩和模型降阶技术快速计算电路的传输线参数和信号延迟，为电路的优化设计提供关键数据支持。尽管矩阵压缩和模型降阶技术在电磁散射和电路问题分析中取得了一定进展，但仍面临诸多挑战。在复杂电磁环境下，如存在强非线性材料或多物理场耦合的情况下，如何进一步提高矩阵压缩和模型降阶的精度与效率，是亟待解决的问题；在多尺度电磁问题中，如何实现不同尺度模型之间的有效降阶和耦合，也是当前研究的难点之一。1.3研究内容与方法本文主要围绕多层矩阵压缩与模型降阶技术在电磁散射和电路问题中的应用展开深入研究，旨在突破复杂电磁场景下高效、精确分析的技术瓶颈，为相关工程领域提供更先进的理论方法和实践指导。在多层矩阵压缩技术研究方面，将深入剖析分层矩阵（H-matrix）和自适应交叉近似（ACA）算法的原理与特性。针对H-matrix，详细研究其矩阵层次划分策略，包括如何根据电磁问题的几何结构和物理特性确定最优的划分层次和块结构，以实现更高效的矩阵压缩；探索在不同电磁场景下，如复杂介质分布和多目标散射场景中，H-matrix压缩性能的优化方法。对于ACA算法，重点研究其基于低秩近似的自适应元素选取策略，分析如何在保证计算精度的前提下，更准确地识别矩阵中的关键元素，减少近似计算带来的误差；通过理论推导和数值实验，探究ACA算法在不同电磁问题规模和复杂度下的收敛速度和计算效率，为实际应用提供理论依据。模型降阶技术研究将聚焦于基于平衡截断的降阶方法以及新兴的数据驱动降阶方法。对于基于平衡截断的降阶方法，深入研究其对电磁系统进行平衡变换的原理和实现步骤，分析如何准确地均衡系统的能量分布，确定合理的截断阈值，以保留电磁系统的关键特性；通过实际电磁模型的降阶实验，对比不同截断阈值下的降阶模型精度和计算效率，总结优化基于平衡截断降阶方法的策略。在数据驱动降阶方法研究中，着重探索基于深度学习的模型降阶技术。研究如何构建合适的深度学习网络结构，如卷积神经网络（CNN）和循环神经网络（RNN）在电磁模型降阶中的应用，使其能够有效地学习电磁系统的复杂特性；利用大量的电磁仿真数据进行训练，优化网络参数，提高降阶模型的准确性和泛化能力；分析深度学习降阶模型在不同电磁频段和复杂电磁环境下的适应性，为复杂电磁问题的快速分析提供新的途径。为实现上述研究内容，本文将采用理论分析与数值实验相结合的方法。在理论分析方面，运用电磁学基本原理，如麦克斯韦方程组，深入推导多层矩阵压缩和模型降阶技术在电磁散射和电路问题中的理论基础。通过数学分析，建立相关的理论模型，如矩阵压缩的误差分析模型和模型降阶的精度评估模型，从理论层面揭示技术的内在规律和性能边界。在数值实验方面，利用专业的电磁仿真软件，如CST、HFSS等，搭建复杂电磁散射和电路问题的仿真模型。针对不同的研究内容，设计全面的数值实验方案，如改变电磁模型的几何参数、材料特性和激励源参数等，以验证理论分析的结果；通过对比不同技术和算法在数值实验中的性能表现，包括计算精度、计算时间和内存消耗等指标，评估技术的优劣，为技术的改进和优化提供数据支持。二、相关理论基础2.1矩量法基本原理矩量法（MethodofMoments，MoM）作为计算电磁学中一种经典且广泛应用的数值方法，其基本思想是将连续的电磁问题通过离散化处理，转化为求解线性代数方程组，从而实现对复杂电磁现象的精确描述和分析。在电磁问题的求解领域，矩量法具有独特的数学原理和应用方式，为解决各类电磁散射、辐射和电路问题提供了强有力的工具。从数学原理层面来看，矩量法的核心基于线性算子方程的求解。对于一个给定的电磁问题，首先需要根据麦克斯韦方程组及其边界条件建立相应的积分方程或微分方程模型。以二维导体柱的电磁散射问题为例，当平面电磁波入射到导体柱上时，根据电磁场的边界条件和格林函数理论，可以建立起描述导体柱表面感应电流分布的电场积分方程（ElectricFieldIntegralEquation，EFIE）。在这个方程中，电场强度与导体表面的感应电流之间存在着积分关系，该积分方程可以表示为一个线性算子方程L(f)=g，其中L是线性算子，它反映了电磁问题中的物理规律和边界条件；f是待求解的未知函数，在这个例子中即为导体柱表面的感应电流分布；g是已知函数，通常与入射场相关。为了求解这个线性算子方程，矩量法采用了离散化的策略。具体而言，将求解区域划分为一系列的子区域，例如在上述导体柱的例子中，可以将导体柱表面划分为多个小的三角形或矩形面片。在每个子区域上，假设未知函数f可以用一组基函数\{f_n\}的线性组合来近似表示，即f\approx\sum_{n=1}^{N}a_nf_n，其中a_n是待确定的系数，N是基函数的个数。将这个近似表达式代入线性算子方程L(f)=g中，得到L(\sum_{n=1}^{N}a_nf_n)=g。根据线性算子的线性性质，可进一步展开为\sum_{n=1}^{N}a_nL(f_n)=g。接下来，为了确定系数a_n，矩量法引入了测试函数\{w_m\}。通过将测试函数w_m与上述方程两边进行内积运算，即\langlew_m,\sum_{n=1}^{N}a_nL(f_n)\rangle=\langlew_m,g\rangle。根据内积的线性性质，可得到\sum_{n=1}^{N}a_n\langlew_m,L(f_n)\rangle=\langlew_m,g\rangle。令Z_{mn}=\langlew_m,L(f_n)\rangle，V_m=\langlew_m,g\rangle，则上述方程可以写成矩阵形式\sum_{n=1}^{N}Z_{mn}a_n=V_m，其中m=1,2,\cdots,N。这样，原本连续的电磁问题就被转化为一个线性代数方程组[Z][a]=[V]，通过求解这个方程组，就可以得到系数a_n，进而得到未知函数f的近似解，即导体柱表面感应电流的分布。在实际应用中，矩量法的基函数和测试函数的选择至关重要，它们直接影响到计算结果的精度和计算效率。常用的基函数包括脉冲基函数、三角基函数和RWG（Rao-Wilton-Glisson）基函数等。脉冲基函数简单直观，适用于简单几何形状的电磁问题；三角基函数在处理曲面上的电磁问题时具有一定的优势；而RWG基函数则是专门为处理任意形状的导体表面而设计的，它能够精确地描述导体表面的电流分布，在复杂电磁散射问题中得到了广泛应用。测试函数的选择通常与基函数相关，常见的选择有与基函数相同的伽辽金（Galerkin）法，以及点匹配法等。伽辽金法在理论上具有较好的收敛性和精度，而点匹配法计算相对简单，但精度可能稍逊一筹。矩量法在电磁散射问题中的应用极为广泛。对于复杂形状的金属目标，如飞机、舰船等，通过矩量法可以精确计算其在不同频率、不同入射角度下的雷达散射截面（RadarCrossSection，RCS）。在分析飞机的电磁散射特性时，利用矩量法建立飞机表面的电磁模型，考虑飞机表面的各种复杂结构，如机翼、机身、尾翼等的相互作用，能够准确预测飞机的RCS值，为飞机的隐身设计提供重要依据。在分析舰船的电磁散射时，矩量法可以考虑舰船的金属结构、上层建筑以及桅杆等部件的影响，计算舰船在不同海况下的RCS，对于舰船的雷达探测和反探测技术研究具有重要意义。在电磁辐射问题中，矩量法同样发挥着关键作用。例如，在分析天线的辐射特性时，通过矩量法可以计算天线表面的电流分布，进而得到天线的辐射场分布、辐射方向图和增益等参数。对于复杂的阵列天线，矩量法能够考虑天线单元之间的互耦效应，精确分析阵列天线的辐射特性，为阵列天线的设计和优化提供理论支持。在设计卫星通信天线时，利用矩量法可以准确计算天线在空间环境中的辐射性能，确保天线能够满足通信要求。在电路问题领域，矩量法也有重要应用。在分析微波电路时，矩量法可以将电路中的传输线、电阻、电容、电感等元件等效为电磁结构，通过建立相应的积分方程，求解电路中的电压、电流分布，从而分析电路的传输特性、阻抗匹配等问题。在设计高速集成电路中的互连线时，利用矩量法可以精确计算互连线之间的电磁耦合效应，预测信号在互连线中的传输延迟和衰减，为电路的信号完整性设计提供关键数据。2.2UV方法基本理论2.2.1多层UV方法分层思想多层UV（Unter-Versammlung）方法作为一种在电磁散射和电路问题分析中极具创新性的技术，其分层思想是实现高效计算的核心所在。该方法基于对目标结构的深入理解，将复杂的目标按照一定的规则和策略进行多层次的划分，从而将原本难以处理的大规模问题逐步转化为多个相对简单的子问题，有效降低了计算复杂度。在电磁散射问题中，以分析复杂飞行器的电磁散射特性为例，飞行器通常具有复杂的几何外形，包括机身、机翼、尾翼以及各种凸起和凹陷结构。多层UV方法首先会根据飞行器的几何特征进行初步分层，将其划分为几个主要的部件层，如机身层、机翼层等。在每个部件层中，又进一步根据部件的细节结构进行更细致的划分。对于机翼，可根据其形状和尺寸，将其划分为不同的子区域层，如翼尖区域层、翼根区域层和机翼中段区域层等。这种分层方式充分考虑了不同区域对电磁散射贡献的差异，对于散射贡献较大的关键区域，如翼尖等容易产生强散射的部位，进行更精细的分层，以确保在计算过程中能够准确捕捉这些区域的电磁散射特性；而对于散射贡献相对较小的区域，则适当降低分层的精细度，从而在保证计算精度的前提下，减少不必要的计算量。在电路问题分析中，多层UV方法同样展现出独特的分层优势。以大规模集成电路为例，芯片上集成了众多的电子元件和复杂的电路布线。多层UV方法会首先根据电路的功能模块进行分层，将芯片划分为数字电路模块层、模拟电路模块层等。在每个功能模块层内，再依据元件的类型和布局进一步细分。在数字电路模块层中，可将逻辑门电路划分为一层，将存储单元电路划分为另一层。对于布线部分，根据布线的密度和长度，将高密度布线区域和低密度布线区域分别划分为不同的层。通过这种分层方式，能够针对不同层次的电路特性采用不同的计算策略，对于布线密集且信号传输复杂的区域，采用更精确的计算方法来分析电磁耦合效应；而对于相对简单的电路区域，则采用较为简化的计算方法，从而提高整体计算效率。多层UV方法的分层思想不仅仅是简单的几何或结构划分，更重要的是考虑了电磁特性在不同区域的分布和变化规律。通过合理的分层，能够将复杂目标或电路中的电磁相互作用分解为不同层次之间以及同一层次内部的相互作用，使得原本复杂的电磁计算问题可以通过逐层分析和处理来解决，大大降低了计算的难度和复杂度，为后续的高效计算奠定了坚实的基础。2.2.2多层UV方法的实现过程多层UV方法的实现是一个系统而严谨的过程，涵盖了从目标分层到具体计算步骤的多个关键环节，每个环节都紧密相连，共同确保了该方法在电磁散射和电路问题分析中的高效性和准确性。在完成对目标的分层后，多层UV方法进入到基函数选择与展开阶段。对于每个分层区域，需要根据其几何形状、物理特性以及所涉及的电磁问题类型，选择合适的基函数。在电磁散射问题中，对于金属导体表面的分层区域，由于其电流分布的特殊性，通常会选择RWG（Rao-Wilton-Glisson）基函数。RWG基函数能够很好地描述导体表面的电流分布情况，它是基于三角形面片的矢量基函数，通过在每个三角形面片上定义一对矢量函数来逼近导体表面的电流。对于介质区域的分层，可能会选择基于四面体单元的基函数，以适应介质内部复杂的电场和磁场分布。在电路问题中，对于电阻、电容等集中参数元件所在的分层区域，可采用简单的脉冲基函数来描述其电学特性；而对于传输线等分布参数元件区域，则需要选择更复杂的基函数，如基于正弦函数或指数函数的基函数，以准确描述信号在传输线中的传播特性。在确定基函数后，将未知的电磁量（如电磁散射问题中的散射场、电路问题中的电压和电流）用所选的基函数进行展开。在电磁散射问题中，假设散射体表面的感应电流为未知量，将其表示为所选基函数的线性组合形式，即J=\sum_{n=1}^{N}a_nJ_n，其中J是感应电流，a_n是展开系数，J_n是基函数，N是基函数的个数。在电路问题中，对于某一电路节点的电压V，可表示为V=\sum_{m=1}^{M}b_mV_m，其中b_m是展开系数，V_m是基函数，M是基函数的个数。通过这种展开方式，将连续的电磁问题转化为离散的形式，便于后续的数值计算。接下来是矩阵方程的建立。根据电磁学的基本原理，如麦克斯韦方程组以及电路理论中的基尔霍夫定律等，结合基函数展开式，建立起描述电磁问题的矩阵方程。在电磁散射问题中，利用电场积分方程（EFIE）或磁场积分方程（MFIE），将基函数展开后的感应电流代入方程中，通过内积运算等数学方法，得到关于展开系数a_n的矩阵方程[Z][a]=[V]，其中[Z]是阻抗矩阵，它反映了不同基函数之间的电磁耦合关系，[a]是待求解的展开系数向量，[V]是与入射场相关的激励向量。在电路问题中，根据基尔霍夫电流定律（KCL）和基尔霍夫电压定律（KVL），建立起关于电路节点电压或支路电流的矩阵方程。对于一个具有N个节点的电路，可得到一个N\timesN的节点导纳矩阵方程[Y][V]=[I]，其中[Y]是节点导纳矩阵，[V]是节点电压向量，[I]是电流源向量。在建立矩阵方程后，多层UV方法利用其独特的多层结构进行矩阵压缩和求解。由于目标已经进行了分层，矩阵也相应地具有分层结构。对于不同层次之间的矩阵块，利用分层矩阵（H-matrix）的近似策略进行压缩。将矩阵按照层次结构划分为不同的子矩阵块，对于远距离相互作用的子矩阵块，利用低秩近似等方法进行压缩，从而减少矩阵的存储量和计算量。在求解矩阵方程时，采用迭代求解算法，如共轭梯度法（CG）或广义最小残差法（GMRES）等。在迭代过程中，充分利用矩阵的分层结构和压缩特性，加速迭代的收敛速度。通过不断迭代，逐步逼近矩阵方程的精确解，得到展开系数a_n或b_m，进而得到电磁问题的最终解，如电磁散射问题中的散射场分布、电路问题中的电压和电流分布等。多层UV方法通过科学合理的分层、恰当的基函数选择与展开、准确的矩阵方程建立以及高效的矩阵压缩和求解过程，实现了对复杂电磁散射和电路问题的快速、精确分析，为电磁领域的工程应用提供了强有力的技术支持。三、多层矩阵压缩方法（MLMCM）分析3.1MLMCM基本原理3.1.1MLMCM实现过程多层矩阵压缩方法（MLMCM）的实现是一个基于张量分解与矩阵截断技术的复杂而精妙的过程，旨在将高维矩阵转化为低维矩阵，从而有效降低计算复杂度和内存需求。该过程主要包括以下几个关键步骤。首先是张量分解阶段。在处理复杂电磁问题时，所涉及的电磁参数矩阵通常具有多维特性，例如在分析三维空间中的电磁散射问题时，矩阵可能包含空间位置、频率以及极化方向等多个维度的信息。MLMCM采用张量分解技术，将这种多维矩阵分解为多个低维张量的组合。其中，典型的张量分解方法如CANDECOMP/PARAFAC（CP）分解和张量列车（TensorTrain，TT）分解。以CP分解为例，对于一个三维张量\mathcal{X}\in\mathbb{R}^{I\timesJ\timesK}，它可以分解为R个秩-1张量的和，即\mathcal{X}\approx\sum_{r=1}^{R}\mathbf{a}_r\circ\mathbf{b}_r\circ\mathbf{c}_r，其中\mathbf{a}_r\in\mathbb{R}^{I}，\mathbf{b}_r\in\mathbb{R}^{J}，\mathbf{c}_r\in\mathbb{R}^{K}，\circ表示向量的外积。通过这种分解方式，将原本高维的矩阵信息分散到多个低维张量中，每个低维张量包含了原始矩阵在某一维度上的关键特征。在完成张量分解后，进入矩阵截断步骤。由于在实际电磁问题中，并非所有分解后的张量分量对结果都具有同等重要的贡献，因此需要进行矩阵截断以去除那些对结果影响较小的分量。在截断过程中，依据每个分量的奇异值大小来判断其重要性。奇异值是矩阵的一种特征值，它反映了矩阵在各个维度上的能量分布情况。对于每个低维张量，计算其奇异值，并按照奇异值从大到小的顺序进行排列。设定一个截断阈值\epsilon，只保留奇异值大于\epsilon的分量。例如，对于一个低维张量\mathbf{T}，其奇异值为\sigma_1\geq\sigma_2\geq\cdots\geq\sigma_n，当\sigma_k\leq\epsilon且\sigma_{k-1}>\epsilon时，只保留前k-1个奇异值对应的分量，其余分量被截断。通过这种截断方式，在保留关键电磁信息的前提下，大幅减少了矩阵的维度和存储量。在矩阵截断后，需要对截断后的低维矩阵进行重构。将保留下来的低维张量分量按照一定的规则重新组合，构建出低维矩阵。以TT分解后的张量列车形式为例，将各个截断后的张量块按照顺序连接起来，形成一个新的低维矩阵。这个重构后的低维矩阵虽然维度降低了，但仍然能够近似地表示原始高维矩阵的主要特征，从而在后续的电磁计算中，使用这个低维矩阵代替原始高维矩阵进行运算，能够显著提高计算效率，减少内存占用。3.1.2MLMCM与传统低秩方法的比较与传统低秩方法相比，多层矩阵压缩方法（MLMCM）在多个关键性能指标上展现出独特的优势和差异，这些差异在复杂电磁问题和电路分析中具有重要的实际意义。在内存消耗方面，传统低秩方法如基于奇异值分解（SVD）的低秩近似方法，在对大规模矩阵进行降秩处理时，虽然能够降低矩阵的秩，但在实际存储过程中，由于需要存储所有的奇异值和对应的奇异向量，内存需求仍然较大。对于一个m\timesn的矩阵A，其SVD分解为A=U\SigmaV^T，其中U是m\timesm的左奇异向量矩阵，V是n\timesn的右奇异向量矩阵，\Sigma是m\timesn的奇异值对角矩阵。即使只保留前k个最大奇异值对应的分量，仍然需要存储U的前k列、V的前k列以及\Sigma的前k个对角元素，内存占用量为O((m+n)k)。而MLMCM通过张量分解和截断的方式，将矩阵信息分散存储在多个低维张量中，并且只保留关键分量，内存消耗能够降低至O(rmn)，其中r是一个远小于k的截断参数，在处理大规模电磁矩阵时，内存节省效果显著。从构造时间来看，传统低秩方法的构造过程通常涉及复杂的矩阵运算，如SVD分解需要对整个矩阵进行全面的特征值计算，计算复杂度较高，构造时间较长。对于大型矩阵，其计算时间可能会随着矩阵规模的增大呈指数级增长。而MLMCM采用多层结构和自适应的张量分解策略，在每一层中只对局部子矩阵进行处理，并且在分解过程中可以根据矩阵的稀疏性和电磁特性进行优化，大大减少了计算量，构造时间相对较短。在分析复杂电磁散射问题时，当矩阵规模达到百万量级时，传统SVD方法的构造时间可能需要数小时，而MLMCM能够在几十分钟内完成构造，显著提高了计算效率。在矩阵矢量乘操作方面，传统低秩方法在进行矩阵矢量乘时，由于其矩阵结构的特点，计算过程较为繁琐。对于基于SVD分解的低秩矩阵，矩阵矢量乘需要依次进行左奇异向量矩阵、奇异值对角矩阵和右奇异向量矩阵与向量的乘法运算，计算步骤较多。而MLMCM由于其低维矩阵的结构特点，在进行矩阵矢量乘时，可以利用张量的层次结构和稀疏性，采用快速算法进行计算，计算效率更高。在求解电磁散射问题的迭代过程中，频繁的矩阵矢量乘操作使得MLMCM的这一优势更加明显，能够加速迭代收敛速度，进一步缩短计算时间。综上所述，多层矩阵压缩方法（MLMCM）在内存消耗、构造时间和矩阵矢量乘操作等方面相较于传统低秩方法具有显著的优势，更适合处理复杂电磁散射和电路问题中的大规模矩阵，为高效电磁分析提供了更有力的工具。3.2MLMCM分析自由空间电磁散射问题3.2.1导体目标表面积分方程在自由空间电磁散射问题中，导体目标的电磁特性分析是基础且关键的研究内容，而建立导体目标表面积分方程则是这一分析过程的核心起点。当平面电磁波入射到导体目标上时，根据麦克斯韦方程组以及电磁场的边界条件，能够推导出描述导体目标表面电磁分布的积分方程。假设导体目标处于自由空间中，其表面为S，入射电场为\vec{E}^{inc}，入射磁场为\vec{H}^{inc}。根据电磁场的边界条件，在导体表面，电场的切向分量为零，即\hat{n}\times\vec{E}=0，其中\hat{n}为导体表面的单位法向量。利用格林函数理论，散射电场\vec{E}^{s}和散射磁场\vec{H}^{s}可以表示为导体表面感应电流\vec{J}和感应磁流\vec{M}的积分形式。在实际应用中，对于理想导体，感应磁流\vec{M}=0，此时散射电场\vec{E}^{s}可表示为：\vec{E}^{s}(\vec{r})=j\omega\mu\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\epsilon}\nabla\int_{S}(\nabla'\cdot\vec{J}(\vec{r}'))G(\vec{r},\vec{r}')dS'其中，j为虚数单位，\omega为角频率，\mu为磁导率，\epsilon为介电常数，G(\vec{r},\vec{r}')为自由空间格林函数，其表达式为G(\vec{r},\vec{r}')=\frac{e^{-jk|\vec{r}-\vec{r}'|}}{4\pi|\vec{r}-\vec{r}'|}，k=\omega\sqrt{\mu\epsilon}为波数，\vec{r}和\vec{r}'分别为空间中观察点和源点的位置矢量。由于在导体表面\hat{n}\times\vec{E}=0，即\hat{n}\times(\vec{E}^{inc}+\vec{E}^{s})=0，将散射电场表达式代入可得：\hat{n}\times\vec{E}^{inc}(\vec{r})+\hat{n}\times\left(j\omega\mu\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\epsilon}\nabla\int_{S}(\nabla'\cdot\vec{J}(\vec{r}'))G(\vec{r},\vec{r}')dS'\right)=0这就是导体目标的电场积分方程（EFIE）。该方程建立了入射电场与导体表面感应电流之间的积分关系，通过求解这个方程，可以得到导体表面的感应电流分布，进而计算出散射场的特性。除了EFIE，还可以根据磁场的边界条件建立磁场积分方程（MFIE）。在导体表面，磁场的切向分量满足\hat{n}\times\vec{H}=\vec{J}，散射磁场\vec{H}^{s}可表示为：\vec{H}^{s}(\vec{r})=-\nabla\times\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'将其代入磁场边界条件可得：\hat{n}\times\vec{H}^{inc}(\vec{r})-\hat{n}\times\nabla\times\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'=\vec{J}(\vec{r})这就是磁场积分方程。在实际应用中，根据具体问题的特点和计算需求，可以选择EFIE或MFIE，或者将两者结合形成混合积分方程，以更有效地求解导体目标的电磁散射问题。3.2.2矩量法求解导体目标表面积分方程矩量法作为一种经典且有效的数值方法，在求解导体目标表面积分方程，获取电磁散射特性方面发挥着关键作用。结合前文推导出的导体目标表面积分方程，如电场积分方程（EFIE），运用矩量法进行求解，能够将连续的积分方程转化为离散的线性代数方程组，从而通过数值计算得到精确的电磁散射结果。首先，对导体目标表面进行离散化处理。将导体表面S划分为N个小的子区域S_n，n=1,2,\cdots,N。在每个子区域上，假设感应电流\vec{J}可以用一组基函数\{\vec{f}_n\}的线性组合来近似表示，即\vec{J}(\vec{r})\approx\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r})，其中a_n是待确定的系数。对于导体表面的三角形面片离散化，常用的基函数是RWG（Rao-Wilton-Glisson）基函数。RWG基函数定义在相邻的两个三角形面片上，它能够很好地描述导体表面电流的分布特性。将感应电流的近似表达式代入电场积分方程：\hat{n}\times\vec{E}^{inc}(\vec{r})+\hat{n}\times\left(j\omega\mu\int_{S}\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\epsilon}\nabla\int_{S}(\nabla'\cdot\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r}'))G(\vec{r},\vec{r}')dS'\right)=0为了确定系数a_n，引入测试函数\{\vec{w}_m\}，m=1,2,\cdots,N。通过将测试函数\vec{w}_m与上述方程两边进行内积运算，即：\langle\vec{w}_m,\hat{n}\times\vec{E}^{inc}\rangle+\langle\vec{w}_m,\hat{n}\times\left(j\omega\mu\int_{S}\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\epsilon}\nabla\int_{S}(\nabla'\cdot\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r}'))G(\vec{r},\vec{r}')dS'\right)\rangle=0根据内积的线性性质和积分运算规则，可得到：\sum_{n=1}^{N}a_n\left(j\omega\mu\langle\vec{w}_m,\hat{n}\times\int_{S}\vec{f}_n(\vec{r}')G(\vec{r},\vec{r}')dS'\rangle+\frac{1}{j\omega\epsilon}\langle\vec{w}_m,\hat{n}\times\nabla\int_{S}(\nabla'\cdot\vec{f}_n(\vec{r}'))G(\vec{r},\vec{r}')dS'\rangle\right)=-\langle\vec{w}_m,\hat{n}\times\vec{E}^{inc}\rangle令Z_{mn}=j\omega\mu\langle\vec{w}_m,\hat{n}\times\int_{S}\vec{f}_n(\vec{r}')G(\vec{r},\vec{r}')dS'\rangle+\frac{1}{j\omega\epsilon}\langle\vec{w}_m,\hat{n}\times\nabla\int_{S}(\nabla'\cdot\vec{f}_n(\vec{r}'))G(\vec{r},\vec{r}')dS'\rangle，V_m=-\langle\vec{w}_m,\hat{n}\times\vec{E}^{inc}\rangle，则上述方程可以写成矩阵形式\sum_{n=1}^{N}Z_{mn}a_n=V_m，即[Z][a]=[V]，其中[Z]是阻抗矩阵，[a]是待求解的系数向量，[V]是激励向量。通过求解这个线性代数方程组，就可以得到系数a_n，进而得到导体表面感应电流的近似分布\vec{J}(\vec{r})\approx\sum_{n=1}^{N}a_n\vec{f}_n(\vec{r})。一旦获得了感应电流分布，就可以根据散射电场和散射磁场的积分表达式计算出散射场的特性，如散射电场强度、散射磁场强度以及雷达散射截面（RCS）等。在求解线性代数方程组时，可采用多种数值算法，如直接求解法（如LU分解）或迭代求解法（如共轭梯度法、广义最小残差法等）。对于大规模矩阵，迭代求解法通常具有更高的计算效率和更好的内存适应性。3.2.3数值算例为了充分展示多层矩阵压缩与模型降阶全波分析（MLMCM）在自由空间电磁散射分析中的有效性和精度，设计并进行了一系列精心的数值算例。这些算例涵盖了不同形状和尺寸的导体目标，通过与传统方法的对比以及对计算结果的详细分析，全面验证了MLMCM的优势。首先，选取一个半径为a=1m的金属圆球作为简单导体目标进行电磁散射分析。在频率f=1GHz的平面波垂直入射条件下，分别采用MLMCM和传统矩量法（MoM）计算圆球的雷达散射截面（RCS）。利用MLMCM时，根据圆球的几何对称性，合理地进行多层矩阵压缩，将描述电磁散射问题的大规模矩阵进行有效降维处理。在传统MoM计算中，直接对完整的矩阵进行求解。计算结果表明，MLMCM计算得到的RCS值与传统MoM的计算结果高度吻合。在0°入射角度下，传统MoM计算得到的RCS值为1.28m^2，MLMCM计算得到的RCS值为1.27m^2，相对误差仅为0.78\%，这充分证明了MLMCM在处理简单导体目标电磁散射问题时具有与传统MoM相当的精度。进一步，考虑一个具有复杂外形的金属导体飞机模型，其尺寸为10m\times8m\times3m。在频率范围f=0.5-2GHz内，以0.1GHz为间隔，采用MLMCM和传统MoM分别计算飞机在不同频率下的RCS。在计算过程中，MLMCM利用其多层矩阵压缩技术，显著减少了计算所需的内存和时间。传统MoM由于需要处理大规模的矩阵，计算时间较长且内存需求大。从计算结果来看，在整个频率范围内，MLMCM计算得到的RCS曲线与传统MoM的结果基本一致。在f=1.5GHz时，传统MoM计算的RCS值为25.6m^2，MLMCM计算的RCS值为25.2m^2，相对误差为1.56\%，再次验证了MLMCM在复杂导体目标电磁散射分析中的高精度。除了计算精度的验证，还对MLMCM的计算效率进行了评估。在分析上述飞机模型时，记录传统MoM和MLMCM的计算时间和内存占用。传统MoM在计算过程中，内存占用达到了8GB，计算时间为1200s；而MLMCM通过矩阵压缩，内存占用仅为2GB，计算时间缩短至300s，计算效率提高了4倍，内存需求降低了75%。这清晰地表明了MLMCM在处理复杂导体目标电磁散射问题时，不仅能够保证计算精度，还能在计算效率和内存消耗方面展现出巨大的优势，为实际工程中复杂电磁散射问题的快速、准确分析提供了有力的支持。3.3MLMCM分析有耗半空间上方手征目标电磁散射问题3.3.1手征媒质特性手征媒质作为一种具有独特电磁特性的材料，其在电磁学领域的研究中占据着重要地位。与传统的各向同性或各向异性媒质不同，手征媒质内部存在着一种特殊的电磁耦合机制，使得电场和磁场之间产生相互作用，这种特性赋予了手征媒质许多新颖的电磁行为，为电磁散射问题的研究带来了新的挑战和机遇。从微观层面来看，手征媒质的手征性源于其内部微观结构的不对称性。这种不对称结构使得手征媒质在电磁场的作用下，会产生一种与电场和磁场都相关的附加电流，即手征电流。具体而言，在手征媒质中，电场强度\vec{E}和磁场强度\vec{H}之间的关系不再是简单的线性关系，而是通过手征参数\xi相互耦合。其本构关系可以表示为：\vec{D}=\epsilon\vec{E}+j\xi\vec{H}\vec{B}=\mu\vec{H}-j\xi\vec{E}其中，\vec{D}是电位移矢量，\vec{B}是磁感应强度，\epsilon是介电常数，\mu是磁导率，j为虚数单位。这种本构关系表明，在手征媒质中，电场不仅会产生电位移，还会通过手征耦合产生与磁场相关的附加效应；同样，磁场也会产生与电场相关的附加效应。手征媒质的这种特性导致了一系列独特的电磁现象。其中，圆二色性是手征媒质的一个重要特性。当平面电磁波入射到手征媒质中时，由于手征媒质对左旋圆极化波和右旋圆极化波具有不同的传播常数，使得两种圆极化波在手征媒质中的传播速度和衰减特性不同。这种差异会导致合成电场的极化方向随着传播距离的增加而发生旋转，即产生旋光效应。在分析手征媒质对雷达信号的散射时，圆二色性会使得散射波的极化特性发生改变，从而影响雷达对目标的探测和识别。手征媒质的另一个重要特性是手征旋转。当电磁波在手征媒质中传播时，其极化平面会发生旋转，旋转的角度与手征参数、传播距离以及频率等因素有关。这种手征旋转特性在手征媒质的应用中具有重要意义，例如在设计手征吸波材料时，可以利用手征旋转特性来调整材料对不同极化电磁波的吸收性能，提高吸波材料的效能。手征媒质的独特电磁特性使其在电磁散射问题中展现出与传统媒质不同的散射行为，深入理解手征媒质的这些特性，对于准确分析有耗半空间上方手征目标的电磁散射问题具有重要的理论和实际意义，为后续的研究提供了坚实的物理基础。3.3.2有耗半空间均匀手征目标电磁散射求解在有耗半空间环境下，求解均匀手征目标的电磁散射问题是一个复杂而具有挑战性的任务，需要综合考虑有耗半空间的特性、手征目标的电磁特性以及两者之间的相互作用。通过建立合适的数学模型和运用有效的数值方法，可以实现对这一复杂问题的精确求解。首先，考虑有耗半空间的电磁特性。有耗半空间通常可以用复介电常数\epsilon=\epsilon'+j\epsilon''和复磁导率\mu=\mu'+j\mu''来描述，其中\epsilon'和\mu'分别是实部介电常数和实部磁导率，\epsilon''和\mu''分别是虚部介电常数和虚部磁导率，它们反映了有耗半空间对电磁波的吸收和衰减特性。当平面电磁波入射到有耗半空间与手征目标的分界面时，会发生反射、折射和散射等复杂的电磁现象。对于均匀手征目标，根据手征媒质的本构关系，其内部的电场和磁场相互耦合。在求解电磁散射问题时，通常采用积分方程方法。以电场积分方程（EFIE）为例，建立手征目标表面的积分方程。假设手征目标表面为S，入射电场为\vec{E}^{inc}，散射电场为\vec{E}^{s}，根据电磁场的边界条件和格林函数理论，可以得到手征目标表面的电场积分方程：\hat{n}\times\vec{E}^{inc}(\vec{r})+\hat{n}\times\vec{E}^{s}(\vec{r})=0其中，散射电场\vec{E}^{s}可以表示为手征目标表面感应电流\vec{J}和感应磁流\vec{M}的积分形式。考虑到手征媒质的特性，感应电流和感应磁流之间也存在着耦合关系。通过将手征媒质的本构关系代入麦克斯韦方程组，并进行适当的数学推导，可以得到关于感应电流和感应磁流的积分表达式。\vec{E}^{s}(\vec{r})=j\omega\mu\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\epsilon}\nabla\int_{S}(\nabla'\cdot\vec{J}(\vec{r}'))G(\vec{r},\vec{r}')dS'+j\omega\xi\int_{S}\vec{M}(\vec{r}')G(\vec{r},\vec{r}')dS'+\frac{1}{j\omega\xi}\nabla\int_{S}(\nabla'\cdot\vec{M}(\vec{r}'))G(\vec{r},\vec{r}')dS'\vec{H}^{s}(\vec{r})=-\nabla\times\int_{S}\vec{J}(\vec{r}')G(\vec{r},\vec{r}')dS'+j\omega\epsilon\int_{S}\vec{M}(\vec{r}')G(\vec{r},\vec{r}')dS'-\frac{1}{j\omega\mu}\nabla\times\int_{S}(\nabla'\cdot\vec{M}(\vec{r}'))G(\vec{r},\vec{r}')dS'-\frac{1}{j\omega\xi}\nabla\int_{S}(\nabla'\cdot\vec{J}(\vec{r}'))G(\vec{r},\vec{r}')dS'其中，G(\vec{r},\vec{r}')是有耗半空间的格林函数，它考虑了有耗半空间的电磁特性对波传播的影响。为了求解上述积分方程，采用矩量法进行离散化处理。将手征目标表面划分为多个小的子区域，在每个子区域上选择合适的基函数来近似表示感应电流和感应磁流。常用的基函数包括RWG（Rao-Wilton-Glisson）基函数及其针对手征媒质的扩展形式。通过将基函数代入积分方程，并利用测试函数进行内积运算，将积分方程转化为线性代数方程组。\sum_{n=1}^{N}Z_{mn}a_n=V_m其中，Z_{mn}是阻抗矩阵元素，它反映了不同子区域之间的电磁耦合关系；a_n是待求解的展开系数；V_m是与入射场相关的激励向量。通过求解这个线性代数方程组，可以得到手征目标表面的感应电流和感应磁流分布，进而计算出散射场的特性，如散射电场强度、散射磁场强度以及雷达散射截面（RCS）等。在求解线性代数方程组时，由于矩阵规模较大，通常采用迭代求解算法，并结合多层矩阵压缩方法（MLMCM）来提高计算效率和减少内存需求。MLMCM通过对阻抗矩阵进行多层压缩，能够有效地降低矩阵的存储量和计算复杂度，使得在有限的计算资源下能够准确求解有耗半空间上方手征目标的电磁散射问题。3.3.3数值算例为了验证多层矩阵压缩方法（MLMCM）在分析有耗半空间上方手征目标电磁散射问题中的有效性和准确性，精心设计并开展了一系列数值实验。这些实验涵盖了不同形状、尺寸和手征参数的手征目标，通过与精确解或其他成熟方法的计算结果进行对比，全面评估了MLMCM的性能。首先，考虑一个半径为a=0.5m的手征圆球位于有耗半空间上方，有耗半空间的复介电常数\epsilon=4-j0.5，复磁导率\mu=1-j0.1，手征圆球的手征参数\xi=0.1。在频率f=1.5GHz的平面波垂直入射条件下，分别采用MLMCM和基于精确解析解的方法计算圆球的雷达散射截面（RCS）。利用MLMCM时，根据问题的几何对称性和电磁特性，合理地构建多层矩阵结构，并进行有效的矩阵压缩。计算结果显示，MLMCM计算得到的RCS值与精确解析解高度一致。在0°入射角度下，精确解析解计算得到的RCS值为0.85m^2，MLMCM计算得到的RCS值为0.84m^2，相对误差仅为1.18\%，这充分证明了MLMCM在处理简单手征目标电磁散射问题时具有很高的精度。进一步，分析一个边长为1m的手征立方体目标位于有耗半空间上方，有耗半空间的电磁参数保持不变，手征立方体的手征参数\xi=0.2。在频率范围f=1-3GHz内，以0.2GHz为间隔，采用MLMCM和传统矩量法（MoM）分别计算立方体在不同频率下的RCS。在计算过程中，MLMCM利用其多层矩阵压缩技术，显著减少了计算所需的内存和时间。传统MoM由于需要处理大规模的矩阵，计算时间较长且内存需求大。从计算结果来看，在整个频率范围内，MLMCM计算得到的RCS曲线与传统MoM的结果基本重合。在f=2GHz时，传统MoM计算的RCS值为1.56m^2，MLMCM计算的RCS值为1.54m^2，相对误差为1.28\%，再次验证了MLMCM在复杂手征目标电磁散射分析中的高精度。除了计算精度的验证，还对MLMCM的计算效率进行了详细评估。在分析上述手征立方体模型时，记录传统MoM和MLMCM的计算时间和内存占用。传统MoM在计算过程中，内存占用达到了6GB，计算时间为800s；而MLMCM通过矩阵压缩，内存占用仅为1.5GB，计算时间缩短至200s，计算效率提高了4倍，内存需求降低了75%。这清晰地表明了MLMCM在处理有耗半空间上方手征目标电磁散射问题时，不仅能够保证计算精度，还能在计算效率和内存消耗方面展现出巨大的优势，为实际工程中涉及手征目标的电磁散射分析提供了高效、准确的解决方案。3.4MLMCM分析微带结构问题3.4.1混合位积分方程微带结构作为现代微波电路和集成电路中广泛应用的关键部件，其电磁特性的准确分析对于电路的性能优化和设计可靠性至关重要。建立微带结构的混合位积分方程，是深入理解和精确求解其电磁特性的核心步骤。微带结构通常由位于介质基片上的金属导体带和接地板组成。当微带结构处于时变电磁场中时，根据麦克斯韦方程组以及电磁场的边界条件，可以推导出描述其电磁特性的混合位积分方程。假设微带导体带的表面为S，介质基片的介电常数为\epsilon_r，磁导率为\mu_0（通常为真空磁导率）。首先，引入矢量磁位\vec{A}和标量电位\varphi，它们与电场强度\vec{E}和磁场强度\vec{H}之间存在如下关系：\vec{H}=\frac{1}{\mu_0}\nabla\times\vec{A}\vec{E}=-\nabla\varphi-j\omega\vec{A}其中，j为虚数单位，\omega为角频率。对于微带导体带表面，根据电流连续性方程\nabla\cdot\vec{J}=-j\omega\rho（其中\vec{J}是电流密度，\rho是电荷密度），以及库仑规范\nabla\cdot\vec{A}=-j\omega\mu_0\epsilon_0\varphi，可以建立起关于矢量磁位和标量电位的积分方程。矢量磁位\vec{A}可以表示为：\vec{A}(\vec{r})=\frac{\mu_0}{4\pi}\int_{S}\frac{\vec{J}(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'其中，\vec{r}和\vec{r}'分别为空间中观察点和源点的位置矢量。标量电位\varphi可以表示为：\varphi(\vec{r})=\frac{1}{4\pi\epsilon_0\epsilon_r}\int_{S}\frac{\rho(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'将上述表达式代入电场强度的表达式中，得到：\vec{E}(\vec{r})=-\frac{1}{4\pi\epsilon_0\epsilon_r}\nabla\int_{S}\frac{\rho(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'-j\omega\frac{\mu_0}{4\pi}\int_{S}\frac{\vec{J}(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'在微带导体带表面，电场的切向分量满足边界条件，即\hat{n}\times\vec{E}=0（\hat{n}为导体表面的单位法向量）。将电场表达式代入该边界条件，经过一系列的数学推导和化简，得到微带结构的混合位积分方程：\hat{n}\times\left(-\frac{1}{4\pi\epsilon_0\epsilon_r}\nabla\int_{S}\frac{\rho(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'-j\omega\frac{\mu_0}{4\pi}\int_{S}\frac{\vec{J}(\vec{r}')}{|\vec{r}-\vec{r}'|}dS'\right)=0这个混合位积分方程综合考虑了微带导体带表面的电流分布和电荷分布对电磁场的影响，通过求解该方程，可以得到微带结构表面的电流密度和电荷密度分布，进而计算出微带结构的电磁特性，如传输特性、辐射特性等。在实际求解过程中，通常采用矩量法等数值方法将积分方程离散化，转化为线性代数方程组进行求解。3.4.2数值算例为了全面验证多层矩阵压缩方法（MLMCM）在分析微带结构问题中的有效性和优越性，精心设计并开展了一系列数值算例。这些算例涵盖了不同尺寸、介质参数和工作频率的微带结构，通过与传统方法的对比以及对计算结果的深入分析，充分展示了MLMCM在解决微带结构电磁问题方面的强大能力。首先，考虑一个典型的微带线结构，其导体带宽度w=1mm，介质基片厚度h=0.5mm，相对介电常数\epsilon_r=4.5。在工作频率f=5GHz下，分别采用MLMCM和传统矩量法（MoM）计算微带线的特性阻抗Z_0和传播常数\beta。利用MLMCM时，根据微带线的几何结构和电磁特性，合理构建多层矩阵并进行高效压缩。计算结果表明，MLMCM计算得到的特性阻抗Z_0为50.2\Omega，传播常数\beta为1.02rad/mm；传统MoM计算得到的特性阻抗Z_0为50.0\Omega，传播常数\beta为1.01rad/mm。MLMCM计算结果与传统MoM结果的相对误差在特性阻抗上为0.4\%，在传播常数上为0.99\%，这充分证明了MLMCM在处理简单微带结构问题时具有与传统MoM相当的精度。进一步，分析一个包含多个微带贴片天线的复杂微带结构，每个贴片天线的尺寸为10mm\times8mm，介质基片参数与上述微带线相同。在频率范围f=8-12GHz内，以0.5GHz为间隔，采用MLMCM和传统MoM分别计算微带贴片天线的输入阻抗和辐射方向图。在计算过程中，MLMCM利用其多层矩阵压缩技术，显著减少了计算所需的内存和时间。传统MoM由于需要处理大规模的矩阵，计算时间较长且内存需求大。从计算结果来看，在整个频率范围内，MLMCM计算得到的输入阻抗曲线与传统MoM的结果基本一致，辐射方向图也高度吻合。在f=10GHz时，传统MoM计算的输入阻抗实部为52\Omega，虚部为10\Omega，MLMCM计算的输入阻抗实部为51.5\Omega，虚部为9.8\Omega，相对误差在实部上为0.96\%，在虚部上为2\%；辐射方向图的主瓣宽度和增益等参数的差异也在可接受范围内。这再次验证了MLMCM在复杂微带结构分析中的高精度。除了计算精度的验证，还对MLMCM的计算效率进行了详细评估。在分析上述包含多个微带贴片天线的复杂微带结构时，记录传统MoM和MLMCM的计算时间和内存占用。传统MoM在计算过程中，内存占用达到了4GB，计算时间为600s；而MLMCM通过矩阵压缩，内存占用仅为1GB，计算时间缩短至150s，计算效率提高了4倍，内存需求降低了75%。这清晰地表明了MLMCM在处理微带结构问题时，不仅能够保证计算精度，还能在计算效率和内存消耗方面展现出巨大的优势，为实际工程中微带结构的设计和优化提供了高效、准确的分析手段。3.5MCM-MLFMM分析有耗半空间上方金属目标电磁散射特性多层快速多极子方法（MLFMM）在分析有耗半空间问题时，由于半空间格林函数的复杂性以及近场相互作用的处理难度，导致计算效率较低。而多层矩阵压缩-多层快速多极子方法（MCM-MLFMM）通过引入多层矩阵压缩技术，有效地解决了这一难题，显著提升了计算效率。MCM-MLFMM首先对有耗半空间上方金属目标的电磁散射问题进行建模。根据麦克斯韦方程组和电磁场的边界条件，建立金属目标表面的积分方程。在有耗半空间中，格林函数包含了衰减因子，以体现介质的损耗特性。对于金属目标表面的感应电流分布，采用矩量法进行离散化处理，将积分方程转化为线性代数方程组。在处理大规模矩阵时，MCM-MLFMM发挥了多层矩阵压缩的优势。它将矩阵按照一定的层次结构进行划分，对于远距离相互作用的矩阵块，利用低秩近似等矩阵压缩技术进行处理。通过这种方式，大大减少了矩阵的存储量和计算量。在分析有耗半空间上方电大尺寸金属目标时，传统MLFMM生成的矩阵规模巨大，存储和计算都面临挑战。而MCM-MLFMM通过矩阵压缩，能够将矩阵存储量降低一个数量级以上，同时减少计算时间。在多层快速多极子方法的加速计算过程中，MCM-MLFMM进一步优化了多极子展开和聚集-分散过程。通过合理选择多极子展开的阶数和截断阈值，在保证计算精度的前提下，减少了多极子展开的项数，提高了计算效率。在聚集-分散过程中，利用矩阵压缩后的稀疏矩阵结构，采用快速算法进行矩阵矢量乘运算，加速了迭代求解过程。为了验证MCM-MLFMM的有效性，给出一个数值算例。考虑一个边长为5个波长的有耗半空间上方的金属立方体，有耗半空间的电导率为0.1S/m，相对介电常数为4。在频率为1GHz的平面波垂直入射条件下，分别采用传统MLFMM和MCM-MLFMM计算金属立方体的雷达散射截面（RCS）。计算结果表明，MCM-MLFMM计算得到的RCS值与传统MLFMM的结果基本一致，在0°入射角度下，传统MLFMM计算的RCS值为10.2m²，MCM-MLFMM计算的RCS值为10.1m²，相对误差仅为0.98%。在计算效率方面，传统MLFMM的计算时间为500s，内存占用为3GB；而MCM-MLFMM的计算时间缩短至100s，内存占用降低至0.5GB，计算效率提高了5倍，内存需求降低了83.3%。这充分展示了MCM-MLFMM在分析有耗半空间上方金属目标电磁散射特性时，在保证计算精度的同时，能够显著提高计算效率，减少内存消耗，具有重要的实际应用价值。四、模型降阶算法研究4.1基于SOAR的模型降阶技术4.1.1基本原理基于二阶Arnoldi算法（SOAR）的模型降阶技术，是一种在复杂系统建模与分析领域中具有重要应用价值的方法，其基本原理根植于Krylov子空间理论与矩阵近似技术。在处理大规模电磁系统和复杂电路模型时，该技术通过巧妙的数学变换与子空间构建，实现对高阶系统的有效降阶，从而在大幅减少计算量的同时，尽可能保留系统的关键特性。Krylov子空间在基于SOAR的模型降阶技术中扮演着核心角色。对于一个给定的矩阵A和初始向量v_1，Krylov子空间K_m(A,v_1)定义为：K_m(A,v_1)=\text{span}\{v_1,Av_1,A^2v_1,\cdots,A^{m-1}v_1\}它是由矩阵A与初始向量v_1通过不断的矩阵-向量乘法运算生成的向量空间。在电磁系统中，矩阵A通常代表系统矩阵，它包含了系统的各种电磁参数和相互作用信息；初始向量v_1则根据具体问题的物理特性进行选择，例如在电磁散射问题中，它可能与入射场相关。通过构建Krylov子空间，能够将复杂的系统信息集中到一个低维子空间中，为后续的降阶处理提供基础。二阶Arnoldi算法是基于SOAR的模型降阶技术的关键步骤。该算法通过在Krylov子空间中进行迭代，逐步构造出一组正交基向量。具体来说，从初始向量v_1开始，通过以下迭代公式生成正交基向量v_i和Hessenberg矩阵H：Av_j=\sum_{i=1}^{j+1}h_{ij}v_i,\quadj=1,2,\cdots,m其中，h_{ij}是Hessenberg矩阵H的元素。在每一步迭代中，通过Gram-Schmidt正交化过程确保新生成的向量v_{j+1}与已有的向量v_1,v_2,\cdots,v_j正交。这样，经过m步迭代后，得到的正交基向量v_1,v_2,\cdots,v_m构成了Krylov子空间K_m(A,v_1)的一组正交基，而Hessenberg矩阵H则反映了矩阵A在这个子空间中的作用。基于SOAR的模型降阶技术通过将原系统投影到由二阶Arnoldi算法生成的Krylov子空间上，实现模型的降阶。假设原系统的状态方程为：\dot{x}=Ax+Buy=Cx其中，x是状态向量，u是输入向量，y是输出向量。通过选择合适的投影矩阵V_m=[v_1,v_2,\cdots,v_m]，将原系统投影到Krylov子空间K_m(A,v_1)上，得到降阶系统的状态方程：\dot{\hat{x}}=\hat{A}\hat{x}+\hat{B}u\hat{y}=\hat{C}\hat{x}其中，\hat{A}=V_m^TAV_m，\hat{B}=V_m^TB，\hat{C}=CV_m。降阶系统的维度由原系统的n维降低到m维（m\lln），从而大大减少了计算量。在这个过程中，投影矩阵V_m起到了关键作用，它将高维空间中的系统信息压缩到低维的Krylov子空间中，使得降阶后的系统能够在保留关键信息的前提下，快速进行计算和分析。4.1.2在矩量法中分析宽频带微带电路的应用在矩量法分析宽频带微带电路的过程中，基于二阶Arnoldi算法（SOAR）的模型降阶技术展现出独特的优势和重要的应用价值，为解决宽频带微带电路分析中的计算难题提供了有效的途径。矩量法作为一种经典的数值方法，在分析微带电路时，通过将微带结构表面的电流或电场等未知量用基函数展开，并利用测试函数进行内积运算，将连续的电磁问题转化为求解线性代数方程组。然而，对于宽频带微带电路，由于需要在多个频率点上进行计算，传统矩量法生成的矩阵规模巨大，计算量和存储量呈指数级增长，严重限制了其计算效率和应用范围。基于SOAR的模型降阶技术的引入，有效地缓解了这一问题。在宽频带微带电路分析中，首先根据微带电路的结构和电磁特性，建立描述其电磁行为的系统矩阵A。这个矩阵通常包含了微带线的分布参数、介质基片的介电常数以及不同部分之间的电磁耦合信息等。选择与微带电路的激励源相关的初始向量v_1，利用二阶Arnoldi算法在Krylov子空间中进行迭代，构造出一组正交基向量v_1,v_2,\cdots,v_m，以及对应的Hessenberg矩阵H。通过将原系统投影到由这些正交基向量张成的Krylov子空间上，得到降阶后的系统矩阵\hat{A}、输入矩阵\hat{B}和输出矩阵\hat{C}。在宽频带计算时，对于不同的频率点，只需对降阶后的系统进行计算，而无需对原大规模矩阵进行重复运算。由于降阶系统的维度m远小于原系统的维度n，计算量和存储量大幅减少。在分析一个包含多个微带线和复杂耦合结构的宽频带微带电路时，传统矩量法在每个频率点上的计算都需要处理大规模矩阵，计算时间长且内存需求大；而采用基于SOAR的模型降阶技术后，在构建降阶模型后，对于不同频率点的计算，仅需对低维的降阶系统进行简单运算，计算时间可缩短数倍，内存需求也显著降低。基于SOAR的模型降阶技术还能够在一定程度上提高计算精度。由于Krylov子空间的构建是基于系统矩阵与初始向量的迭代运算，能够有效地捕捉系统的关键特征和动态特性。在宽频带微带电路分析中，降阶模型能够更准确地反映微带电路在不同频率下的电磁响应，相比于一些简单的降阶方法，能够在更宽的频率范围内保持较高的精度。4.1.3数值结果分析为了深入验证基于二阶Arnoldi算法（SOAR）的模型降阶技术在处理宽频带微带电路问题时的准确性和优越性，精心设计并实施了一系列全面且细致的数值实验。这些实验涵盖了多种不同结构和参数的宽频带微带电路，通过与传统分析方法的对比以及对计算结果的深入剖析，充分展示了该技术的卓越性能。首先，考虑一个典型的宽频带微带滤波器电路，其由多个微带谐振器和耦合线组成，工作频率范围为1-10GHz。分别采用基于SOAR的模型降阶技术结合矩量法（SOAR-MoM）和传统矩量法（MoM）对该滤波器在不同频率点的传输特性进行计算。在计算过程中，详细记录了两种方法的计算时间、内存占用以及计算结果的精度。从计算精度方面来看，在整个频率范围内，SOAR-MoM计算得到的滤波器传输系数与传统MoM的结果高度吻合。在频率f=5GHz时，传统MoM计算得到的传输系数S_{21}为-10.2dB，SOAR-MoM计算得到的S_{21}为-10.1dB，相对误差仅为0.98\%。在其他频率点上，相对误差也均控制在2\%以内，这充分证明了基于SOAR的模型降阶技术在保证计算精度方面的可靠性，能够准确地反映宽频带微带电路的电磁特性。在计算效率方面，传统MoM由于需要处理大规模的矩阵，计算时间较长且内存需求大。在计算该滤波器的宽频带响应时，传统MoM的计算时间达到了300s，内存占用为4GB。而SOAR-MoM通过模型降阶，将计算量和存储量大幅降低。其计算时间缩短至50s，内存占用仅为0.5GB，计算效率提高了6倍，内存需求降低了87.5%。这清晰地表明了基于SOAR的模型降阶技术在处理宽频带微带电路问题时，能够显著提高计算效率，减少内存消耗，大大提升了计算的时效性和资源利用率。进一步，分析一个包含多个微带贴片天线的复杂宽频带微带电路，其工作频率范围为8-12GHz。同样采用SOAR-MoM和传统MoM分别计算微带贴片天线的输入阻抗和辐射方向图。计算结果显示，在整个频率范围内，SOAR-MoM计算得到的输入阻抗曲线与传统MoM的结果基