We consider approximating the solution of the Helmholtz exterior Dirichlet problem for a nontrapping obstacle, with boundary data coming from plane-wave incidence, by the solution of the corresponding boundary value problem where the exterior domain is truncated and a local absorbing boundary condition coming from a Pad\'e approximation (of arbitrary order) of the Dirichlet-to-Neumann map is imposed on the artificial boundary (recall that the simplest such boundary condition is the impedance boundary condition). We prove upper- and lower-bounds on the relative error incurred by this approximation, both in the whole domain and in a fixed neighbourhood of the obstacle (i.e. away from the artificial boundary). Our bounds are valid for arbitrarily-high frequency, with the artificial boundary fixed, and show that the relative error is bounded away from zero, independent of the frequency, and regardless of the geometry of the artificial boundary.


翻译:我们考虑近似于解决黑尔莫尔茨外地的迪里赫莱特(Helmholtz)问题,因为这个问题是一个非绊脚石的障碍,边界数据来自飞机波,相应的边界值问题的解决办法是外部域被截断,当地吸收的边界条件来自迪里赫莱特至尼乌曼地图(任意命令)的Pad\'e point(任意命令),而人工边界是强加在人造边界上的(回顾最简单的边界条件是阻塞边界条件 ) 。 我们证明,这一近距离的相对差错是上下限的,包括整个领域和障碍的固定邻里(即远离人工边界 ) 。 我们的边界对任意高频率是有效的,人为边界是固定的,并表明相对错误与零相隔开,与频率无关,也与人工边界的几何测量无关。

0
下载
关闭预览

相关内容

图节点嵌入(Node Embeddings)概述,9页pdf
专知会员服务
40+阅读 · 2020年8月22日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
91+阅读 · 2020年7月4日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
62+阅读 · 2020年5月25日
因果图,Causal Graphs,52页ppt
专知会员服务
249+阅读 · 2020年4月19日
专知会员服务
62+阅读 · 2020年3月4日
已删除
将门创投
3+阅读 · 2019年9月4日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年5月20日
VIP会员
相关VIP内容
图节点嵌入(Node Embeddings)概述,9页pdf
专知会员服务
40+阅读 · 2020年8月22日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
91+阅读 · 2020年7月4日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
62+阅读 · 2020年5月25日
因果图,Causal Graphs,52页ppt
专知会员服务
249+阅读 · 2020年4月19日
专知会员服务
62+阅读 · 2020年3月4日
相关资讯
已删除
将门创投
3+阅读 · 2019年9月4日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员