李超 作品数:9 被引量:7 H指数:2 供职机构: 武汉大学电子信息学院 更多>> 发文基金: 中央高校基本科研业务费专项资金 中国博士后科学基金 国家自然科学基金 更多>> 相关领域: 电子电信 电气工程 理学 文化科学 更多>>
基于表面电流的粗糙面上方圆柱距离像仿真 2011年 在矩量法和物理光学混合算法的框架内,引入矩阵压缩技术提高计算效率,降低计算机内存需求,实现粗糙面上方二维导电圆柱宽带复合电磁散射建模。通过求解复合模型表面电流在频域仿真回波信号,结合傅里叶逆变换(IDFT)获取粗糙面环境下圆柱的高分辨一维距离像(HRRP),实现了粗糙面上方目标HRRP特性仿真与分析。采用定量与定性的综合分析手段,结合表面电流分解与射线路径相位预估,揭示了目标与粗糙面之间复杂电磁耦合机理与作用过程,明确了HRRP各峰值形成的来源,定量研究了各阶耦合相互作用回波对雷达成像的贡献。 何思远 张凡 李超 胡卫东 郁文贤 朱国强关键词:距离像 电磁建模 二维介质随机粗糙面上介质/PEC体目标复合电磁散射的3-D Multivele UV算法建模 研究了二维介质粗糙面上任意三维介质/PEC目标复合电磁散射特性的算法建模,针对介质问题,结合快速互耦迭代方法(FIA),提出了3DMLUV-FIA(3-D MultilevelUV-Fast Iterative Appr... 邓方顺 何思远 李超 朱国强关键词:介质目标 电磁散射特性 文献传递 “高频通信电子线路”慕课课程建设与实践 被引量:4 2020年 本文探讨武汉大学“高频通信电子线路”课程在中国大学MOOC平台上的建设及在教学中的实践。通过线上教学、混合教学及翻转课堂实践表明,“高频通信电子线路”MOOC课程的应用提高了教学规模,推动了教学资源共享,混合式教学及翻转课堂加强了师生间的交流。期末成绩分析表明,该教学实践既能提高学生自主学习能力又能提高教学效率,有助于深化教学改革和提升教学质量。 金伟正 李超 王晓艳 代永红关键词:混合式教学 有限差分法在静态电磁场计算中的应用 被引量:1 2009年 介绍了采用有限差分法求解特殊边界条件下二维静态电场问题,并将电磁场数值方法的思想体现在处理过程中。对场域中的电势、电位进行了具体的分析和计算,给出了用C语言进行编程计算得到场量数据的流程图,最后利用MATLAB强大的绘图功能对结果进行可视化。由文章研究问题所得图形结果可以清晰的看出静电场中的电势线及电场线的分布,同时也验证了电场线与等电位线相互垂直,以及电势在媒质分界面连续的经典理论。 余定峰 李超关键词:有限差分法 电势 迭代 C程序 MATLAB 拼接粗糙面的模拟及雷达成像研究 分析了高斯粗糙面建模理论,在此基础上为了模拟真实环境下的各种诸如海面、海岛或者复合形状的粗糙面,研究了含有多个不同粗糙度的拼接粗糙面建模技术,在单个粗糙面的基础上提出了粗糙面拼接算法,并采用物理光学方法研究了该拼接粗糙面... 项金涛 李超 何思远 朱国强关键词:雷达成像 二维介质粗糙面下方三维金属目标复合电磁散射的快速正演算法 被引量:2 2012年 研究了二维(2-D)介质粗糙面下方三维(3-D)金属目标的复合电磁散射问题.将表面积分方程(PMCHW)方程应用到介质粗糙面表面,电场积分方程(EFIE)应用于金属目标表面.基于矩量法,使用三角分域基函数(RWG)和伽略金法将表面积分方程离散为矩阵方程,并采用稳定的双共轭梯度迭代(BICGSTAB)算法对矩阵方程进行求解.针对矩量法(MOM)的高存储量和迭代过程中存在的矩阵向量积耗时的瓶颈,采用基于秩的多层矩阵分解法(MLUV),对矩阵元素进行压缩存储,以节省对计算机内存的需求,并加速迭代过程中的矩阵向量积运算.计算了高斯粗糙面下方球体的双站雷达散射截面积(RCS),并与最陡下降快速多级子算法(SDFMM)结果比较以验证该数值方法的正确性.最后分析了不同粗糙度、目标尺寸和目标位置对双站RCS的影响. 李超 何思远 朱国强 邓方顺 陶华 肖柏勋关键词:复合电磁散射 基于电磁建模的粗糙面上方目标几何参数反演 基于电磁建模研究了粗糙面上方目标几何参数的反演。采用多层UV加速的矩量法作为电磁建模前向算法模拟回波散射场,并将散射电场的幅值作为支持向量机的输入,将方柱目标边长作为输出,建立电磁逆散射网络进行参数反演。数值模拟过程中,... 李超 何思远 朱国强关键词:支持向量机 逆散射 电磁建模 基于3DMLUV的埋地目标矢量电磁散射快速算法 研究了二维(2-D)介质粗糙面下方三维(3-D)金属目标的复合电磁散射问题。将PMCHW方程应用到介质粗糙面表面,电场积分方程(EFIE)应用于金属目标表面。基于矩量法,使用RWG基函数和伽略金法将表面积分方程离散为矩阵... 李超 何思远 付松 朱国强 邓方顺关键词:复合电磁散射 基于多平台联合开发的在线视频超像素分割软件设计 2020年 超像素分割作为图像处理和计算机视觉中的预处理步骤,在保留原图像的信息的同时,还可提取出图像的局部特征,为后续的图像处理提供帮助。对实时的影像进行处理相较于静态有更高的应用前景,视频超像素分割也就成为了当下的重要研究课题。本文介绍的软件采用Visual Studio 2017、QT5.9.2和OpenCV3.4.1这三种工具联合开发,对输入视频进行超像素分割,实时计算处理时间并显示。本文对图像处理研究的发展具有一定的实际意义和应用价值,同时也可应用于图像处理教学实验。 金伟正 杨淮 李超关键词:图像处理 计算机视觉