Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa

Samankaltaiset tiedostot
TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Suurteholaskenta-algoritmien hyödyntäminen suurten kohteiden tutkavasteen laskennassa

AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA. Tomi Huttunen, Timo Avikainen, John Cozens. Kuava Oy Microkatu 1, Kuopio

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

ELEC C4140 Kenttäteoria (syksy 2016)

ELEC C4140 Kenttäteoria (syksy 2016)

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause

Korkean resoluution ja suuren kuva-alueen SAR

Algoritmit 2. Luento 1 Ti Timo Männikkö

ELEC-A4130 Sähkö ja magnetismi (5 op)

Spektri- ja signaalianalysaattorit

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

3.6 Su-estimaattorien asymptotiikka

ELEC C4140 Kenttäteoria (syksy 2016)

ÄÄNEKKÄÄMMÄN KANTELEEN MALLINTAMINEN ELEMENTTIME- NETELMÄLLÄ

ELEC C4140 Kenttäteoria (syksy 2015)

Korkean resoluution ja suuren kuva-alueen SAR

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa

ELEC C4140 Kenttäteoria (syksy 2016)

AV-muotojen migraatiotyöpaja - ääni. KDK-pitkäaikaissäilytys seminaari / Juha Lehtonen

ELEC C4140 Kenttäteoria (syksy 2015)

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Kenttäteoria. Viikko 10: Tasoaallon heijastuminen ja taittuminen

kappaleiden ominaisuuksien ja suhteiden vertailuun Kognitiivinen taso: IR: Ominaisuuksien ja suhteiden vertailu Tavoiteltava toiminta:

Aaltoputket. 11. helmikuuta 2008

INDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI TOISELLE LUOKALLE

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

Sovellettu todennäköisyyslaskenta B

Sirontaluento 4. Keskiviikko , kello 10-12

Aaltoputket ja mikroliuska rakenteet

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö

RADIOTIETOLIIKENNEKANAVAT

Partikkelit pallon pinnalla

THM-MALLIN NUMERIIKKA. Antti Niemistö, Janne Martikainen Numerola oy

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3

INDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI ENSIMMÄISELLE LUOKALLE

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))

Ryhmäteoreettinen näkökulma Rubikin kuutioon Harjoitus 6, ratkaisuehdotus (5 sivua)

Siltaaminen: Piaget Matematiikka Inductive Reasoning OPS Liikennemerkit, Eläinten luokittelu

Toiminnallinen taso: Havainnointiin perustuva vertailu. Yhdessä

PILVILASKENTA AKUSTISESSA MALLINNUKSESSA 1 JOHDANTO. Tomi Huttunen 1), Antti Vanne 1), Timo Avikainen 2), Leo Kärkkäinen 2)

805324A (805679S) Aikasarja-analyysi Harjoitus 5 (2016)

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu

Perusteet 6, lisää pintamallinnusta

Ohjelmoinnin perusteet Y Python

Kenguru 2018 Student lukio

Parametrin estimointi ja bootstrap-otanta

RAKENTAMISEN TEKNIIKAT AKUSTIIKKA AKUSTIIKKA

Hämeenlinnan kaupunki Asiakastyytyväisyys 2013 Ikäihmisten palvelut kotihoidon palvelut

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta

SMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas Tampereen teknillinen yliopisto Elektroniikan laitos

a) Mitkä reaaliluvut x toteuttavat yhtälön x 2 = 7? (1 p.) b) Mitkä reaaliluvut x toteuttavat yhtälön 5 4 x

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta

POSITIIVISEN LINSSIN POLTTOVÄLI

Trimmitysongelman LP-relaksaation ratkaiseminen sarakkeita generoivalla algoritmilla ja brute-force-menetelmällä

521365S Tietoliikenteen simuloinnit ja työkalut HFSS MARKO SONKKI Sisältö:

Tietokoneet täh++eteessä

Numeerinen integrointi

Tilayhtälötekniikasta

Differentiaali- ja integraalilaskenta

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

Aaltoputket ja resonanssikaviteetit

MIKROAALTOUUNI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312

= = = 1 3.

Kenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6

Jakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla

Valon sironta - ilmiöt ja mallinnus. Jouni Mäkitalo Fysiikan seminaari 2014

Paavo Kyyrönen & Janne Raassina

1. a) Laske lukujen 1, 1 ja keskiarvo. arvo. b) Laske lausekkeen. c) Laske integraalin ( x xdx ) arvo. MATEMATIIKAN MALLIKOE PITKÄ OPPIMÄÄRÄ

x n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x

Lisäksi seuraavat kaavat ovat kommutaattoreita käsiteltäessä hyödyllisiä:

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x

Harjoitus 1. KJR-C2001 Kiinteän aineen mekaniikan perusteet, IV/2016. Tehtävä 1 Selitä käsitteet kohdissa [a), b)] ja laske c) kohdan tehtävä.

Maximum likelihood-estimointi Alkeet

Ohjelmoinnin perusteet Y Python

Investointimahdollisuudet ja investointien ajoittaminen

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.


Joku Muu. Vielä Yksi

Perusteet 6, lisää pintamallinnusta

Pieni silmukka-antenni duaalisuus. Ratkaistaan pienen silmukka-antennin kentät v ielä käy ttämällä d uaalisuud en periaatetta.

Tietoliikennesignaalit & spektri

Scanned by CamScanner

ELEC C4140 Kenttäteoria (syksy 2016)

Matemaattinen malli puheentutkimuksessa

Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen)

MAGNEETTITEKNOLOGIAKESKUS. Ajan myötä tapahtuvat häviöt sintratuissa NdFeB magneeteissa

THE audio feature: MFCC. Mel Frequency Cepstral Coefficients

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

Muutoksen arviointi differentiaalin avulla

Differentiaaliyhtälöryhmä

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

MATERIAALI. Leveys (W)

Green BEAM. LAX 300 G ristilaser luotitoiminnolla. Vihreät laserlinjat optimaaliseen näkyvyyteen kirkkaissa sisätiloissa

Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37

1. Piirrä kompleksitasoon seuraavat matemaattiset objektit/alueet.

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Transkriptio:

Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa Pasi Ylä-Oijala, Pasi Koivumäki ja Seppo Järvenpää Radiotieteen ja -tekniikan laitos, Aalto-yliopisto MATINE Seminaari 18.11.215 Myönnetty rahoitus 55 58 euroa

Sisältö 1. Taustaa ja tavoitteet 2. Menetelmät ja haasteet 3. Tuloksia 4. Yhteenveto ja johtopäätökset 5. Jatkotutkimusaiheita

Taustaa ja tavoitteet Tutkapoikkiponta (tutkavaste) on keskeinen suure tutka- ja häivetekniikassa Kohteen tutkavasteen avulla voidaan esim. pyrkiä tunnistamaan kohde tai tekemään se mahdollisimman huonosti havaittavaksi Tutkimuksen tavoitteena oli kehittää tehokkaita laskenta-algoritmeja tutkapoikkinnan määrittämiseen sähköisesti suurille kohteille.25 σ (dbms) 5 4 3 2 1 H plane. Frequency 5 GHz. MLFMA PO MLFMA PO MLFMA PO 2 1.2.15.1.5.5.1.15.2.25 θ (x π)

Menetelmät ja haasteet Kokoaallon (full-wave) menetelmät: Esim. FDTD, FEM ja momenttimenetelmä (MoM) Perustuvat fysikaalisiin yhtälöihin ja ovat siten periaatteessa tarkkoja Vaadittava tietokonekapasiteetti kasvaa nopeasti kohteen koon tai taajuuden kasvaessa Tarkkoja mutta hitaita Asymptoottiset menetelmät: Esim. GTD ja fysikaalinen optiikka (PO) Approksimatiivisia menetelmiä joiden tarkkuutta voi olla vaikea arvioida ja parantaa Nopeita ja toimivat yleensä sitä paremmin mitä korkeampi taajuus Nopeita mutta epätarkkoja

Menetelmät Momenttimenetelmä: Pintavirta haetaan siten, että Maxwellin yhtälöt toteutuvat Mallintaa moninkertaiset heijastukset ja diffraktion Matriisiyhtälön ratkaiseminen Nopeutusmenetelmät (multilevel fast multipole algorithm, MLFMA) välttämättömiä Fysikaalinen optiikka: Pintavirta suoraan herättävästä kentästä Ei mallinna moninkertaisia heijastuksia eikä diffraktiota Ei matriisiyhtälöä 3 2 1 1 2 3 4 5 6 7 5 1 15 2 25 3 35

Hybridimenetelmä Tutkimusaiheita 1. Paikallistetaan PO menetelmän kriittiset kohdat 2. Toteutetaan yhdistetty MLFMA-PO menetelmä 3. Tutkitaan tarkkuutta erilaisilla PO ja MLFMA aluejaoilla 4. Yleistys pintaimpedanssiehdolle (ei-ideaalijohteet, pinnoitteet) Kuva: Punainen: MLFMA, Sininen: PO varjoalue, Vihreä: PO valaistu alue.

Tuloksia Ympyrä levy, d = 2 m, f = 1 GHz 25 E plane. Frequency 1 GHz. 24.5 24 σ (dbms) 23.5 23 22.5 MLFMA PO MLFMA PO MLFMA PO 2 22.5.4.3.2.1.1.2.3.4.5 θ (x π) Särmät aiheuttavat jonkin verran virhettä PO menetelmään

Tuloksia Levy ja kuutio, d = 2 m, f = 1 GHz 28 E plane. Frequency 1 GHz. 27 26 25 σ (dbms) 24 23 22 21 2 19 MLFMA PO MLFMA PO MLFMA PO 2 18.5.4.3.2.1.1.2.3.4.5 θ (x π) Lähekkäin olevat kohteet aiheuttavat virhettä PO menetelmään erityisesti varjoalueelle

Tuloksia Avoin laatikko, d =.2 m, f = 7.4 GHz 3 E plane. Frequency 7.4 GHz. 2 1 σ (dbms) 1 2 3 4 MLFMA PO MLFMA PO MLFMA PO 2 5.5.4.3.2.1.1.2.3.4.5 θ (x π) Resonoivat rakenteet näyttäisivät olevan erityisen suuri haaste PO menetelmälle

Tuloksia UAV f = 5 GHz 5 4 H plane. Frequency 5 GHz. MLFMA PO MLFMA PO MLFMA PO 2 3 σ (dbms) 2 1 1.25.2.15.1.5.5.1.15.2.25 θ (x π) Mutkikkaampien kohteiden tapauksessa virhelähteiden arviointi on haastavampaa

Tuloksia Pintaimpedanssi, pallo r =.5m,.5GHz Z s = R s +ix s Virhetarkastelu pallolle pintaimpedanssin suhteen Sekä MoM:in että PO:n virhe kasvaa kun pintaimpedanssia kasvatetaan

Tuloksia Avoin laatikko, d =.2m, f = 3.46GHz, Z s =.1 +.1i real( JIBC MOM) real( JIBC PO) 3 x 1 6 5.2 4 3.15 2.1.1.5.5 1 x.1.1.5 y 8.1 7.5 z 7 6.25 5.2 4 3.15 2.1.1.5.5 1 x.1.5 y 7.5 6.25 5.2 4 3.15 2.1.1.5.5 1 x.1.5 Resonoivat kohteet na ytta isiva t olevan PO:lle haaste myo s pintaimpedanssin tapauksessa 3 x 1 8 z z.1.5.25 real( JIBC MOMPO) 3 x 1 8 y

Tuloksia UAV f = 1 GHz, Z S =.115+.18i 35 3 E plane RCS, frequency 1 GHz MLFMA PO1 PO3 25 2 σ (dbms) 15 1 5 5.5.4.3.2.1.1.2.3.4.5 θ (x π) PO ja MLFMA ratkaisujen vertailu impedanssireunaehdolle

Tuloksia Pintaimpedanssin vaikutus tutkapoikkipintaan 3 E plane RCS, frequency 7.4 GHz 25 E plane RCS, frequency 1 GHz 2 2 1 15 σ (dbms) 1 2 σ (dbms) 1 5 3 4 5 PEC.25+.18i.5+.18i.75+.18i 1+.18i 6.5.4.3.2.1.1.2.3.4.5 θ (x π) 5 PEC.115+.18i.5+.18i.75+.18i 1+.18i 1.5.4.3.2.1.1.2.3.4.5 θ (x π) Tutkapoikkipinta eri pintaimpedanssin arvoilla (MLFMA ratkaisu), vasemmalla avoin laatikko ja oikealla UAV

Yhteenveto tutkimuksesta Paikallistettiin PO menetelmät kriittiset kohdat Toteutettiin yhdistetty MLFMA-PO menetelmä ideaalijohteille Tutkittiin yhdistetyn menetelmän tarkkuutta erilaisilla PO ja MLFMA aluejaoilla PO, MLFMA ja yhdistetty MoM-PO yleistettiin pintaimpedanssiehdolle (ei-ideaalijohteet, pinnoitteet) Tutkittiin menetelmien tarkkuutta eri pintaimpedanssin arvoilla Tarkasteltiin pintaimpedanssin vaikutusta tutkapoikkipintaan

Yhteenveto tuloksista PO menetelmän tarkkuus ongelmallinen: varjoalueella ( korkeampi taajuus) terävissä särmissä ( sileät pinnat, korjaustermit) lähekkäin oleville rakenteille ( moninkertaiset heijastukset) resonoiville rakenteille korkealle pintaimpedanssille Yhdistetty MLFMA-PO parantaa merkittävästi PO ratkaisua mutta kasvattaa laskenta-aikaa ja muistin kulutusta Optimaalisen PO ja MLFMA aluejaon toteuttamien automaattisesti haastavaa Laskentaverkon muodostaminen muodostui pullonkaulaksi useissa realistisissa tilanteissa

Johtopäätökset MLFMA: PO: Terävät särmät, nurkat, lähekkäin olevat kohteet, resonoivat rakenteet, PO varjoalueen reuna, korkea pintaimpedanssi,... Pidetään riittävän pienenä jotta on ratkaistavissa yhdessä laskentanoodissa ilman hajautettua rinnakkaislaskentaa Suuret ja sileät pinnat (riittävän korkea taajuus) Tarkkuutta voidaan parantaa ottamalla huomioon useita peräkkäisiä heijastuksia ja käyttämällä korjaustermejä Hajautettu rinnakkaislaskenta suoraviivaista

Jatkotutkimusaiheita 1. Toteutus käyttäen hajautettua rinnakkaislaskentaa 2. CAD mallista aiheutuvien epäjatkuvien laskentaverkkojen käsittely MLFMA:ssa 3. Yleistys paikastariippuvalle ja/tai anisotrooppiselle ja/tai korkeamman asteen pintaimpedanssille 4. Laajentaminen yleisille materiaalirakenteille (dielektriset puoliläpäisevät pinnat)