基于天线辐射理论构建微波混沌腔的随机耦合模型

为了能够快速有效地求解电大复杂腔体(微波混沌腔)的电磁耦合问题, 文中采用统计电磁学方法研究了该类腔体电磁散射的统计特征. 首先, 根据天线辐射理论, 利用电磁场的本征模展开式建立了腔体耦合输入阻抗表达式. 其次, 利用波动混沌理论和概率统计方法进一步推导出了微波混沌腔的随机耦合模型. 该方法简单并且可以直接推导出三维模型. 最后, 构建了一个三维Sinai微波混沌腔并进行数值仿真实验, 其仿真实验结果与随机耦合模型计算结果的统计特征基本一致. 重要的是, 该模型与复杂腔体的细节特征无关, 能够快速有效地预测微波混沌腔的敏感耦合问题. 关键词： 统计电磁学 微波混沌腔 输入阻抗 随机耦合模型     

基于随机拓扑的复杂腔体电磁辐射统计特性

针对电磁波经孔缝耦合进入多端口微波混沌腔体的电磁辐射问题,推导了孔缝随机耦合模型,以预测单腔体各孔缝处耦合电压的统计特性;并将该模型与电磁拓扑理论结合,提出了一种复合计算方法孔缝随机拓扑模型,用于分析级联腔体的孔缝耦合电压和传输系数等电磁量的统计特性,将该算法的计算结果与网络级联理论的计算结果进行对比,验证了算法的正确性。该模型可成为分析复杂不规则混沌腔体的孔缝耦合问题以及混响室研究的有利工具。     

利用随机拓扑方法分析系统级高功率微波效应

为研究高功率微波与复杂系统的耦合问题,提出了随机拓扑方法。该方法是一种新的系统级电磁敏感度分析预测方法,它结合电磁拓扑理论和随机耦合模型理论,可对包含多个腔体的复杂系统的短波电磁耦合问题进行统计分析。介绍了随机拓扑方法的理论基础,并利用计算机机箱搭建了双腔体和多腔体实验平台。使用该方法对目标位置处感应电压的统计分布进行了预测,并与其他方法得到的感应电压分布进行了比较,其结果基本一致,从而证明了该方法的可行性和准确性。     

随机耦合模型中损耗因子的分析与获取

随机耦合模型(RCM)是研究电磁脉冲干扰下波混沌系统中感应电压统计预测的新方法,其中波混沌腔体损耗因子的获取是这种方法使用的关键。从随机耦合模型理论出发,分析了损耗因子对腔体阻抗随频率变化特性的影响,探讨了不同损耗因子下归一化阻抗矩阵的统计特性,提出了使用腔体散射阻抗与辐射阻抗的比值作对照,以快速获取腔体损耗因子的新方法。     

随机耦合模型复杂腔体电磁耦合效应统计特性

针对微波脉冲激励下复杂屏蔽腔体内部电路耦合电磁量计算的问题,建立了一个微波混沌腔体,通过测试获取了含内部电路的腔体辐射和辐射散射参数,利用随机耦合模型(RCM),对干扰脉冲能量进行了归一化处理,计算分析了微波脉冲宽度、脉冲间隔、脉冲数目以及腔体损耗因子对目标点感应电磁量统计分布的影响。计算结果表明:脉冲干扰下电路目标点耦合电磁量强于功率源激励;在脉冲能量一定的条件下,目标点耦合电磁量与微波脉冲的宽度、间隔和数目的变化均呈现一定的谐振特性,且单脉冲激励对电路的影响明显强于多脉冲。与此同时,实验还研究了电路易受电磁干扰的目标点的确定方法。     

随机耦合模型在高功率微波效应中的应用

分析了微波混沌腔体系统中关键部位感应电压的统计问题,介绍了随机耦合模型在高功率微波效应研究中的计算方法和应用,并以计算机机箱为实验系统,开展了电磁波耦合入计算机机箱腔体的电磁干扰问题研究,对其电路板上关键部位感应电压的统计计算和实验结果进行了比较,其结果基本一致。随机耦合模型在波混沌系统中感应电压的统计探讨为高功率微波效应、电磁兼容等研究提供了一种新的思路。     

多腔体复杂系统电磁脉冲耦合统计特性

以双腔体级联系统为实验对象,测量了系统的输出端感应电压,对实验结果进行统计分析,并与随机拓扑模型计算结果进行对比,两者基本吻合,验证了随机拓扑模型的适用性;利用该模型计算分析了不同脉冲参数及不同拓扑结构条件下多混沌腔体复杂系统的电磁耦合统计特性。研究表明,脉冲宽度和脉冲个数与概率峰值处的感应电压均存在一定的谐振特性,且脉冲频率越低,脉冲的耦合效率越高,采用串型的拓扑结构更加有利于系统的防护和加固。     

计算机机箱关键部位感应电压统计特性分析

通过基于随机矩阵理论的耦合模型,对不同频段电磁波环境中计算机机箱关键部位感应电压的统计分布进行了理论和实验分析,实验测量结果与理论分析结果非常一致。给出了随机耦合模型应用的简单例子,验证了随机耦合模型在宽频带电磁环境下系统级效应分析和预测的适用性。为电子设备(尤其大型的具有非平行面封装腔体电子设备)电磁环境效应分析提供了一种方法。     

基于随机耦合模型的系统级电磁环境效应分析

通过宽频带电磁环境下计算机机箱关键部位感应电压统计分布的实验验证和基于随机矩阵理论的耦合模型的理论计算研究,给出了随机耦合模型(RCM)的应用流程和计算方法;就散射系数、归一化散射和归一化阻抗矩阵的统计特性进行了理论和实验研究,实验测量结果与理论分析结果非常一致;针对RCM的应用进行了初步分析,验证了随机耦合模型在复杂电磁环境下系统级效应分析和预测的适用性。结果证明此方法尤其适用于大型的具有非平行面封装腔体电子设备的电磁兼容、效应及评估等研究。     

基于随机耦合模型的系统级电磁环境效应分析（英文）

通过宽频带电磁环境下计算机机箱关键部位感应电压统计分布的实验验证和基于随机矩阵理论的耦合模型的理论计算研究,给出了随机耦合模型(RCM)的应用流程和计算方法;就散射系数、归一化散射和归一化阻抗矩阵的统计特性进行了理论和实验研究,实验测量结果与理论分析结果非常一致;针对RCM的应用进行了初步分析,验证了随机耦合模型在复杂电磁环境下系统级效应分析和预测的适用性。结果证明此方法尤其适用于大型的具有非平行面封装腔体电子设备的电磁兼容、效应及评估等研究。     

电磁散射问题的两种反演方法研究

提出了电磁散射问题的两种反演方法:确定性梯度搜索方法和MonteCarlo随机搜索方法.给出了两种方法的基本原理,并对反演性能包括对散射体的定位能力、反演精度、反演时间进行了系统的分析与比较.数值计算结果表明,确定性方法定位精确,而随机性方法对散射体电磁参数的反演精度高且速度快,利用两者优点可以增强反演效果.     

From Weakly Chaotic Dynamics to Deterministic Subdiffusion via Copula Modeling

Copula modeling consists in finding a probabilistic distribution, called copula, whereby its coupling with the marginal distributions of a set of random variables produces their joint distribution. The present work aims to use this technique to connect the statistical distributions of weakly chaotic dynamics and deterministic subdiffusion. More precisely, we decompose the jumps distribution of Geisel–Thomae map into a bivariate one and determine the marginal and copula distributions respectively by infinite ergodic theory and statistical inference techniques. We verify therefore that the characteristic tail distribution of subdiffusion is an extreme value copula coupling Mittag–Leffler distributions. We also present a method to calculate the exact copula and joint distributions in the case where weakly chaotic dynamics and deterministic subdiffusion statistical distributions are already known. Numerical simulations and consistency with the dynamical aspects of the map support our results.     

STATISTICAL ENERGY ANALYSIS OF COUPLED PLATE SYSTEMS WITH LOW MODAL DENSITY AND LOW MODAL OVERLAP

Finite element methods, experimental statistical energy analysis (ESEA) and Monte Carlo methods have been used to determine coupling loss factors for use in statistical energy analysis (SEA). The aim was to use the concept of an ESEA ensemble to facilitate the use of SEA with plate subsystems that have low modal density and low modal overlap. An advantage of the ESEA ensemble approach was that when the matrix inversion failed for a single deterministic analysis, the majority of ensemble members did not encounter problems. Failure of the matrix inversion for a single deterministic analysis may incorrectly lead to the conclusion that SEA is not appropriate. However, when the majority of the ESEA ensemble members have positive coupling loss factors, this provides sufficient motivation to attempt an SEA model. The ensembles were created using the normal distribution to introduce variation into the plate dimensions. For plate systems with low modal density and low modal overlap, it was found that the resulting probability distribution function for the linear coupling loss factor could be considered as lognormal. This allowed statistical confidence limits to be determined for the coupling loss factor. The SEA permutation method was then used to calculate the expected range of the response using these confidence limits in the SEA matrix solution. For plate systems with low modal density and low modal overlap, relatively small variation/uncertainty in the physical properties caused large differences in the coupling parameters. For this reason, a single deterministic analysis is of minimal use. Therefore, the ability to determine both the ensemble average and the expected range with SEA is crucial in allowing a robust assessment of vibration transmission between plate systems with low modal density and low modal overlap.