This paper presents a new fast power series solution method to solve the Hierarchal Method of Moment(MoM) matrix for a large complex,perfectly electric conducting (PEC) 3D structures. The proposed power series solution converges in just two iterations which is faster than the conventional fast solver-based iterative solution. The method is purely algebraic in nature and, as such applicable to existing conventional methods. The method uses regular fast solver Hierarchal Matrix (H-Matrix) and can also be applied to Multilevel Fast Multipole Method Algorithm(MLFMA). In the proposed method, we use the scaling of the symmetric near-field matrix to develop a diagonally dominant overall matrix to enable a power series solution. Left and right block scaling coefficients are required for scaling near-field blocks to diagonal blocks using Schur's complement method. However,only the right-hand scaling coefficients are computed for symmetric near-field matrix leading to saving of computation time and memory. Due to symmetric property, the left side-block scaling coefficients are just the transpose of the right-scaling blocks. Next, the near-field blocks are replaced by scaled near-field diagonal blocks. Now the scaled near-field blocks in combination with far-field and scaling coefficients are subjected to power series solution terminating after only two terms. As all the operations are performed on the near-field blocks, the complexity of scaling coefficient computation is retained as O(N). The power series solution only involves the matrix-vector product of the far-field, scaling coefficients blocks, and inverse of scaled near-field blocks. Hence, the solution cost remains O(NlogN). Several numerical results are presented to validate the efficiency and robustness of the proposed numerical method.


翻译:本文展示了一种新的快速电源序列解析方法, 用于解决大型复杂、 完美电动运行( PEC) 3D 结构的“ 高级动力序列” 矩阵。 拟议的电源序列解析仅仅以两个迭代相交, 其速度比常规快速求解器的迭代解决方案要快。 该方法在性质上纯粹是代数, 并适用于现有的常规方法。 该方法使用常规快速解算器 高层矩阵( H- Matrix), 也可以适用于多级快速多极电流方法 Algorithm( MLMFA) 。 在拟议方法中, 我们使用近场电动矩阵的缩放计算法, 以开发一个直径主控总矩阵。 左侧平面平面的内径缩放法, 离右侧平面平面的内积块的伸缩缩缩缩缩缩缩缩缩缩缩缩缩缩缩缩成数, 仅用于计算时间和记忆。 由于对等属性, 左面的内积, 右面的内积的内积, 右面缩缩缩缩缩缩缩缩缩缩缩的内积块的行的内积的内积块的内积是伸伸伸伸伸伸伸伸伸伸伸伸伸缩的块。

0
下载
关闭预览

相关内容

专知会员服务
65+阅读 · 2021年2月17日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
4+阅读 · 2018年11月6日
Arxiv
0+阅读 · 2021年10月27日
Arxiv
9+阅读 · 2021年4月8日
VIP会员
相关VIP内容
专知会员服务
65+阅读 · 2021年2月17日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
4+阅读 · 2018年11月6日
Top
微信扫码咨询专知VIP会员