⚡ electrical engineering

An Array Decomposition Method for Finite Arrays with Electrically Connected Elements for fast Toeplitz Solvers

本文提出了一种针对具有电连接单元有限阵列的内存高效阵列分解方法，通过将阵列构建为九种基本组件并利用多层分块 Toeplitz 结构，将方法矩（MoM）求解的内存复杂度从 $\mathcal{O}(N_x^2 N_y^2)$ 降低至 $\mathcal{O}(N_x N_y)$ ，从而显著加速了电流矢量的计算。

原作者： Lucas Åkerstedt, Harald Hultin, B. L. G. Jonsson

发布于 2026-02-18

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Lucas Åkerstedt, Harald Hultin, B. L. G. Jonsson

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章介绍了一种**“超级省内存”的数学技巧**，用来快速计算大型天线阵列的电磁信号。

想象一下，你要设计一个像足球场那么大的巨型天线墙（由成千上万个微小的天线单元组成），用来发射 5G 或 6G 信号。传统的计算方法就像是要把每一块砖、每一片草皮都单独测量一遍，然后算出它们之间的相互作用。如果砖块有 100 万块，计算量就会大到让超级计算机都“死机”，内存直接爆满。

这篇论文提出了一种**“乐高积木”式的聪明解法**，把计算量从“天文数字”降到了“ manageable"（可管理）的水平。

以下是用通俗语言和比喻做的详细解释：

1. 核心难题：为什么以前算不动？

传统的计算方法（矩量法，MoM）就像是在玩一个巨大的拼图游戏。

问题：如果你有一个 $N \times N$ 的阵列，传统的算法需要计算每一个小单元和所有其他小单元之间的关系。
比喻：假设你有 100 个人在房间里，每个人都要和另外 99 个人握手并记录握手力度。如果人多了，握手的次数是 $N^2$ （平方级增长）。如果人增加到 100 万，握手次数就是 1 万亿次。计算机的内存根本存不下这么多数据，就像你试图把整个海洋装进一个水杯里。

2. 核心创意：九块“万能积木”

作者发现，虽然天线阵列很大，但它的结构非常有规律（就像铺地砖一样，重复排列）。

新策略：他们不需要计算整个大阵列，而是把整个阵列拆解成9 种不同的“积木块”：
1. 1 块中心积木：代表阵列中间最普通的那个单元。
2. 8 块边缘积木：代表阵列四周、角落、边沿的特殊情况（因为边缘的单元和中间的单元“邻居”不一样，受力情况不同）。
比喻：想象你在铺一个巨大的马赛克地板。以前你是把每一块瓷砖都单独画一遍。现在，你发现地板只有9 种不同的图案（中间一种，四周八种）。你只需要把这 9 种图案画好，然后告诉计算机：“把中间那块图案复制 1000 次，把左上角那块复制 100 次……"

3. 数学魔法：托普利茨矩阵（Toeplitz）

这是论文最厉害的地方。

原理：因为阵列是重复排列的，所以“积木 A"和“积木 B"之间的距离，和“积木 A+1"和“积木 B+1"之间的距离是一模一样的。它们之间的相互作用（电磁波干扰）也是一模一样的。
比喻：这就像是一个**“复读机”**。你不需要重新计算每一次对话，因为对话的内容是重复的。
结果：这种重复性让原本杂乱无章的数学矩阵，变成了一种非常有规律的**“多层积木结构”**（多层块托普利茨矩阵）。
- 以前：内存占用是 $N^2$ （平方级），像一座山。
- 现在：内存占用变成了 $N$ （线性级），像一条路。
- 效果：对于 $32 \times 32$ 的大阵列，内存需求从1.97 TB（相当于 2000 多本书的厚度）直接降到了3.97 GB（相当于几本厚书）。这不仅仅是快了一点，而是让以前根本算不了的问题，现在普通电脑都能算！

4. 特殊挑战：手拉手的天线

以前的方法通常假设每个天线单元是独立的（像一个个孤立的岛屿）。但现代天线为了性能，单元之间是电性连接的（像手拉手连成一片）。

难点：手拉手的地方（共享的三角形网格）很难处理，因为电流会流过连接处，传统的“复制粘贴”法在这里会出错。
解决方案：作者发明了一套**“连接规则”**。他们仔细分析了这 9 种积木在拼接时，哪些边是共享的，哪些三角形是重叠的。就像在拼乐高时，专门设计了一套“卡扣”规则，确保当积木拼在一起时，连接处的电流计算是准确的，不会漏掉任何细节。

5. 实际效果：能算出什么？

用这个方法，研究人员成功计算了：

32x32 的大阵列：算出了它的远场辐射图（信号往哪飞，飞得有多远）。
两个紧挨着的 9x9 阵列：算出了它们互相之间的干扰（就像两个大喇叭挨在一起，会不会互相吵到）。
结果：不仅算得快，而且算得准。以前需要几天甚至几周的计算，现在可能只需要几分钟，而且内存占用极少。

总结

这篇论文就像给天线工程师提供了一把**“万能钥匙”。
它不再试图蛮力计算每一个原子，而是利用天线的重复规律**，把巨大的计算任务拆解成9 个核心样本，然后利用数学上的对称性进行“复制粘贴”和“快速合成”。

一句话概括：
以前算大天线阵列像是在数每一粒沙子，累得半死还数不完；现在的方法像是数沙子的种类，然后告诉计算机“每种沙子有多少粒”，瞬间就能算出整个海滩的样子，而且省下了巨大的存储空间。这对于未来设计超大规模的 6G 基站天线至关重要。

这是一篇关于具有电连接单元的有限阵列天线的快速矩量法（MoM）求解技术的详细技术总结。该论文提出了一种基于阵列分解和多级块 Toeplitz 结构的内存高效计算方法。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

挑战：随着 6G 等下一代移动通信的发展，大规模阵列天线（通常包含超过 1000 个单元）变得日益普遍。然而，使用全波分析方法（如传统的矩量法 MoM）对电大尺寸阵列进行仿真时，计算成本极高。
内存瓶颈：传统 MoM 的阻抗矩阵规模为 $O(N^2)$ （ $N$ 为基函数数量），导致内存需求随阵列规模呈平方级增长，限制了其对大型阵列的适用性。
现有局限：虽然存在利用有限平移对称性的方法（如单元胞分析或快速多极子法 FMM），但针对电连接单元（即单元之间通过公共地平面或导体直接相连，而非孤立单元）的有限阵列，目前缺乏能够同时处理电连接特性并构建多级块 Toeplitz 阻抗矩阵的标准方法。现有的高阶阵列分解方法（HO-ADM）通常不使用标准的 RWG 基函数，限制了其通用性。

2. 核心方法论 (Methodology)

论文提出了一种阵列分解方法（Array Decomposition Method），将有限阵列视为由九个基本组件构成的集合，利用平移对称性构建多级块 Toeplitz 阻抗矩阵。

A. 九组件分解策略

基本思想：将任意 $N_x \times N_y$ $N_{x} \times N_{y}$ 的有限阵列分解为 9 个电可连接的组件：
- 1 个中心组件：代表阵列内部的典型单元。
- 8 个边缘组件：代表阵列边缘和角落的单元（包括边界、角点等）。
网格划分：仅对单个“单元 + 边缘”结构进行网格剖分和子域划分，而不是对整个大阵列进行网格划分。
共享三角形处理：针对电连接单元，提出了特殊的算法来处理相邻组件之间的共享三角形（Shared Triangles）。通过识别共享边并排序，确保在组装大矩阵时电流的连续性。

B. 多级块 Toeplitz 矩阵构建

平移不变性：利用格林函数的平移不变性，不同位置但相对位置相同的组件对之间的相互作用是相同的。
矩阵结构：
- 将阻抗矩阵 $Z$ 划分为三个主要部分： $A$ （单元与单元之间）、 $B$ （边缘与单元之间）、 $C$ （边缘与边缘之间）。
- 矩阵 A：呈现多级块 Toeplitz 结构（Multilevel Block Toeplitz）。通过特定的索引顺序（先索引中心组件，再按特定顺序索引边缘组件），可以将矩阵压缩。
- 矩阵 B 和 C：部分子块也呈现块 Toeplitz 结构，其余部分（如角落相互作用）需单独计算，但总体计算量大幅减少。
内存优化：通过仅存储唯一的子矩阵块，利用快速傅里叶变换（FFT）进行矩阵 - 向量乘法，实现了内存和计算效率的飞跃。

C. 求解与后处理

线性方程组求解：利用内部开发的求解器（基于 Rybicki 算法或 GMRES），利用 Toeplitz 结构加速求解电流向量 $I$ 。
远场计算：利用张量收缩（Tensor Contraction）技术，仅需对 9 个组件计算一次空间傅里叶变换，即可通过平移叠加得到整个阵列的远场，极大加速了方向图计算。
多阵列互耦：该方法支持将两个不同单元类型但尺寸匹配的紧密排列阵列视为一个“大阵列”进行建模，从而计算它们之间的互耦参数。

3. 关键贡献 (Key Contributions)

首个针对 RWG 基函数的电连接阵列 Toeplitz 构建方法：填补了现有文献中关于电连接单元（如共地平面阵列）无法直接利用标准 RWG 基函数构建多级 Toeplitz 矩阵的空白。
内存复杂度降低：将内存分配从传统的 $O(N_x^2 N_y^2)$ 降低至 $O(N_x N_y)$ 。
通用性与灵活性：
- 适用于任意有限平移对称的阵列。
- 能够处理电连接单元（共享三角形）。
- 支持计算不同单元类型的紧密排列阵列的互耦。
完整的求解流程：提供了从网格剖分、矩阵构建、线性方程组求解到远场和 S 参数计算的完整算法流程。

4. 数值结果 (Results)

论文通过三个案例验证了方法的有效性：

2x3 阵列表面电流验证：展示了分解法计算出的表面电流在组件拼接处是连续的，验证了共享三角形处理算法的正确性。
两个紧密排列的 9x9 阵列互耦：
- 场景：一个 T-slot 偶极子阵列和一个 Vivaldi 阵列紧密放置。
- 内存对比：传统方法需 395 GB 内存，而该方法仅需 9.53 GB。
- 结果：成功计算了 3-9 GHz 频段的散射参数（S 参数），精度满足要求。
32x32 BoR 阵列远场：
- 内存对比：传统方法需 1.97 TB 内存，该方法仅需 3.97 GB。
- 结果：计算了 32x32 阵列的单元方向图（EEP）和总主动反射系数（TARC），TARC 在 $\pm 52^\circ$ 范围内低于 -10 dB，主波束增益达到 35 dBi。

5. 意义与结论 (Significance & Conclusion)

突破规模限制：该方法使得在普通计算资源（如 16GB-128GB 内存）上分析电大尺寸、电连接的大型阵列天线成为可能，无需依赖超算。
设计效率提升：大幅减少了内存占用和计算时间，加速了阵列天线的优化设计过程。
工程应用价值：特别适用于 6G 通信、雷达系统等需要大规模、高密度、电连接阵列的场景。
理论创新：证明了即使是复杂的电连接结构，只要具有平移对称性，依然可以通过巧妙的分解策略转化为高效的 Toeplitz 问题求解。

总结：这篇论文提出了一种极具创新性的阵列分解技术，成功解决了电连接大型阵列天线 MoM 仿真中的内存爆炸问题，将内存需求降低了两个数量级，为下一代大规模天线系统的设计和分析提供了强有力的工具。