GPU加速下大尺度粗糙面电磁散射的高效FDTD研究

本文主要探讨了基于图形处理器单元(GPU)加速的有限差分时间域(FDTD)方法在处理一维大尺度指数随机粗糙表面的掠入射电磁散射问题中的应用。作者贾春刚、郭立新和李娟在西安电子科技大学物理与光电工程学院的研究工作中，利用GPU的并行计算能力，尤其是共享内存(Shared Memory)和纹理存储器(Texture Memory)进行算法优化，显著提高了计算效率，实现了对大规模复杂场景的高效模拟。 首先，他们利用GPU的并行计算特性，将传统FDTD方法中的大量计算任务分解到多个核心上并行执行，极大地提升了计算速度，从而能够处理在一维大尺度粗糙表面上的电磁波传播和散射问题。这种并行FDTD方法在处理低入射角的掠射情况时尤为适用，因为GPU能够有效地处理复杂的边界条件和大量数据的交互。 其次，文章详细对比了GPU-based FDTD方法与传统串行算法的性能，结果显示，GPU加速显著提升了计算精度和处理速度，特别是在解决大尺度粗糙面的电磁散射问题时，GPU-based FDTD算法显示出明显的优越性。此外，研究还深入分析了入射角、均方根高度以及相关长度等参数对后向散射的影响，这些参数的变化对电磁散射特性有重要影响，对于实际应用中的电磁场建模和设计具有重要意义。 最后，论文指出研究成果得到了高等学校博士点科研专项基金的资助，进一步强调了这项工作的学术价值和实用性。贾春刚作为无线电物理领域的博士研究生，他的研究方向专注于随机粗糙面电磁散射特性，这为相关领域的理论和实验研究提供了新的工具和方法。 这篇首发论文在GPU加速技术与电磁散射模拟领域的结合方面做出了贡献，不仅提升了计算效率，还为解决实际问题如无线通信和雷达设计中粗糙表面效应的精确模拟提供了有力支持。