Efficient domain decomposition methods for electromagnetic modeling of scattering from forest environments - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2014

Efficient domain decomposition methods for electromagnetic modeling of scattering from forest environments

Méthodes de décomposition de domaine pour la modélisation électromagnétique de la diffusion par la forêt

Résumé

A 3-D full-wave model, based on the integral representation of the electric field and dedicatedto the analysis of bi-static scattering mechanisms by a forest in the VHF and UHF bands wasefficiently enhanced. In order to overcome the limitation of a previous 3D model to small simulationsscenes and low frequencies, we have developed, during this research work, a new model using basis functionsadapted to the problem of interest, in the context of the Characteristic Basis Function Method(CBFM) and we investigated the suitability of this direct method for computing the electromagneticfields inside and outside three-dimensional dielectric objects representing the tree trunks and branches.The CBFM has shown great performances, when applied to the forest scattering modeling, both interms of CPU time and memory resources needed. Once properly set, the CBFM-E is so efficient thatit is able to treat in few minutes electromagnetic problems totally intractable with the classical MoM.Consequently, we have developed a powerful 3D forest electromagnetic scattering tool which allows ustoday to compute large forest electromagnetic problems in few minutes without worrying about theaccuracy of the solution. On the other hand, we have demonstrated the efficiency and accuracy of theCBFM-E when applied to 3D dielectric objects in the context of the electric volumetric integral equation,and have consolidated thus its leading position in the computational electromagnetics, especiallyagainst the iterative solvers based numerical methods.
Cette thèse porte sur la modélisation et l’analyse de la propagation électromagnétique dans un milieu forestier dans les bandes VHF et UHF. L’objectif principal est le développement d’un modèle numérique "full-wave" tridimensionnel de diffusion par la forêt permettant de caractériser l’interaction d’une onde électromagnétique avec un milieu forestier. Un tel modèle s’avère, actuellement, un outil indispensable à l’analyse des mesures radar pour l’étude des paramètres caractéristiques de la forêt tels que la biomasse forestière, la hauteur des arbres et leur densité. La complexité numérique de ce modèle a limité son domaine d’application à de petites parcelles de forêt et aux basses fréquences. Pour pouvoir traiter de larges zones forestières tout en montant en fréquence, et s’approcher ainsi des besoins et exigences des utilisateurs potentiels de notre modèle, nous avons intégré à ce modèle une méthode numérique efficace dédiée à l’analyse de larges problèmes électromagnétiques. La méthode en question,connue sous le nom de Characteristic Basis Function Method (CBFM) était récemment développée dans le laboratoire de Communication et Electromagnétisme de l’université PennState dirigé par le Professeur Mittra. Après une optimisation et une adaptation au problème d’intérêt, la CBFM réalise d’excellentes performances et nous permet une diminution considérable du temps de calcul et des besoins en espace mémoire sans pour autant dégrader la qualité des résultats obtenus ou altérer la fidélité du modèle à la réalité du problème électromagnétique traité.
Fichier principal
Vignette du fichier
these_archivage_2963796oo.pdf (30.37 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01145661 , version 1 (25-04-2015)

Identifiants

  • HAL Id : tel-01145661 , version 1

Citer

Ines Fenni. Efficient domain decomposition methods for electromagnetic modeling of scattering from forest environments. Electromagnetism. Université Pierre et Marie Curie - Paris VI, 2014. English. ⟨NNT : 2014PA066264⟩. ⟨tel-01145661⟩
221 Consultations
175 Téléchargements

Partager

Gmail Facebook X LinkedIn More