基于FDTD和遗传算法的电磁散射与逆散射研究

摘要

本文采用时域有限差分方法（FDTD）和遗传算法（GA）分别研究了电磁散射的正问题和逆问题。
　　1966年Yee首先引进了时域有限差分（FDTD）方法计算目标的散射近场，近几年FDTD得到广泛的发展，是解决电磁问题的全波、动态、有效的工具。同时也发展了许多扩充、修正、优化。Berenger提出的理想匹配层（PML）可以允许大频带宽的FDTD网格截断，为FDTD的发展提供了更为广阔的应用前景。
　　本文在正问题的研究中，用线性滤波方法产生符合高斯谱分布的随机粗糙面。并且基于二维空间中FDTD方法的基本原理，系统地分析了时谐场源激励下一维粗糙面及其与二维目标的复合散射特性，包括一维单层粗糙面的散射、一维分层粗糙面的散射、一维单层粗糙面与二维目标以及一维分层粗糙面与二维目标的复合散射问题；编程计算了上述模型在不同入射角度双站散射情况下的雷达散射系数。研究过程中，引进高斯窗函数对入射波进行权重处理，减少粗糙面两端的人为反射。粗糙面将计算区域分为两个开放的半空间。最终将 FDTD的计算结果进行 Monte Carlo平均，并与Lumerical FDTD Solutions商业软件的结果进行了比较，结果具有很好的一致性。
　　电磁逆散射（又称为电磁反演或电磁成像）是对接收到的未知物体的散射信号进行分析处理从而重建未知物体的几何形状和内部结构。在军事、国民经济等方面得到了广泛的应用。
　　遗传算法是模拟生物进化的方式的优化方法，它具有较好的全局搜索性能；本文在逆问题的研究中，首先通过 FDTD方法模拟电场 E的采样，然后利用遗传算法实现了稀疏分布的弱散射体的成像，计算区域为封闭的矩形空间。成像结果与 FDTD模拟的结果基本吻合。

目录

声明

引言

1 绪 论

1.1 国内外研究现状

1.2 研究目的和内容

2 随机粗糙面建模

2.1 随机粗糙面的产生过程

2.2 随机粗糙面的Yee网格近似

2.3 高斯随机粗糙面的编程实现

3 遗传算法基本原理

3.1 实数遗传算法概述

3.2 遗传算法的基本步骤

3.3 遗传算法的实现

4 粗糙面与目标复合电磁散射研究

4.1 FDTD方法简介

4.2 研究关键问题

4.3 粗糙面与目标耦合电磁散射算例

5 基于遗传算法的电磁逆散射研究

5.1 圆柱目标位置与电磁参数反演

5.2 稀疏介质目标的位置与电磁参数反演

5.3 结论

6 总结与展望

后记

参考文献

附录：攻读硕士学位期间发表的部分学术论著