实时仿真算法

‘壹’ 快速仿真算法——增广矩阵法

将方程左边的数表右侧添加一列方程右边的数列（向量），此为增广矩阵

‘贰’ 系统仿真算法流程图用那种编程语言

你想问系统仿真算法流程图用哪种编程语言吧。是C语言或者Fortran语言。
这两类语言是cae仿真中最常用的编程语言，尤其是Fortran语言，在以前商用分析软件中都是基于Fortran来进行数值计算的。
C语言应用比较广泛，像ADAMS可以通过C语言编程来进行二次开发，定义用户子程序等。

‘叁’ 怎么用实际雷达数据仿真MUSIC算法

（1） 不管测向天线阵列形状如何，也不管入射来波入射角的维数如何，假定阵列由M个阵元组成，则阵列输出模型的矩阵形式都可以表示为：Y(t)=AX(t)+N(t)
其中，Y是观测到的阵列输出数据复向量；X是未知的空间信号复向量；N是阵列输出向量中的加性噪声；A是阵列的方向矩阵；此处，A矩阵表达式由图册表示。

MUSIC算法的处理任务就是设法估计出入射到阵列的空间信号的个数D以及空间信号源的强度及其来波方向。
（2） 在实际处理中，Y得到的数据是有限时间段内的有限次数的样本（也称快拍或快摄），在这段时间内，假定来波方向不发生变化，且噪声为与信号不相关的白噪声，则定义阵列输出信号的二阶矩：Ry。
（3） MUSIC算法的核心就是对Ry进行特征值分解，利用特征向量构建两个正交的子空间，即信号子空间和噪声子空间。对Ry进行特征分解，即是使得图册中的公式成立。

（4） U是非负定的厄米特矩阵，所以特征分解得到的特征值均为非负实数，有D个大的特征值和M-D个小的特征值，大特征值对应的特征向量组成的空间Us为信号子空间，小特征值对应的特征向量组成的空间Un为噪声子空间。
（5） 将噪声特征向量作为列向量，组成噪声特征矩阵 ，并张成M-D维的噪声子空间Un，噪声子空间与信号子空间正交。而Us的列空间向量恰与信号子空间重合，所以Us的列向量与噪声子空间也是正交的，由此，可以构造空间谱函数。
（6） 在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值。

‘肆’ 如何用Matlab实现算法的仿真

可以去csdn下载
相关论坛应该也找得到啊，还可以找到相关资料
希望可以帮到你哈！

仿真、计算、研发、CAE、
广州工|程仿真科|技有限公司

‘伍’ 仿真模拟的三大组成部分

对一个工程技术系统进行模拟仿真，包括了建立模型、实验求解和结果分析三个主要步骤。
建立系统数学模型
模拟仿真是一基于模型的活动，是用模型模拟来代替真实系统进行实验和研究。因此，首先就要对待仿真的问题进行定量描述，这就是建立系统的数学模型。
模型是对真实世界的模仿，真实世界是五彩缤纷的，因此模型也是千姿百态的；
根据模型中是否包含随机因素，可分为随机型和确定型模型。
根据模型是否具有时变性，可分为动态模型和静态模型。
根据模型参数是否在空间连续变化，可分为分布参数模型和集中参数模型。
根据模型参数是否随时间连续变化，可分为连续系统模型和离散系统模型。
根据模型的数学描述形式，又可分为常微分方程、偏微分方程、差分方程、离散事件模型等。
对于上述不同类型的模型，这里不作深入的论述，只讨论建立系统数学模型中的几个共性问题。
1）建模的过程是一个信息处理的过程，换而言之，信息是构造模型的“原材料”，根据建模所用的不同类型“原材料”可将建模方法归为两类：
一类是演绎法建模，即利用先验的技术信息建模。其过程是：从某些前提、假设、原理和规则出发，通过数学逻辑推导来建立模型。因此，这是一个从一般到特殊的过程，即根据普遍的技术原理推导出被仿真对象的特殊描述。
另一类是归纳法建模，即利用对真实系统的试验数据信息建模。其过程是：通过对真实系统的测试获得数据，这些数据中包含着能反映真实系统本质的信息，然后通过数据处理的方法，从中得出对真实系统规律性的描述，例如大家熟知的最小二乘回归模型等。这是一个从特殊到一般的过程。
但是实际应用中，常常是通过上述两类方法的结合完成模型的建立，即混合法建模。
不管用哪种方法建模，其关键都在于真实系统的了解程度。如果对真实系统没有充分的和正确的了解，那么所建的模型将不能准确地模仿出真实系统的本质。
2）模型的可信度。既然模型是对真实系统的模仿，那么就有一个模仿得像不像的问题，这就是模型的相似度、精度的可信度的问题。
模型的可信度取决于建模所用的信息“原材料”（先验知识、试验数据）是否正确完备，还取决于所用建模方法（演绎、归纳）是否合理、严密。此外，对于许多仿真 软件来说，还要将数学模型转化为仿真算法所能处理的仿真模型。因此，这里还有一个模型的转换精度问题。建模中任何一个环节的失误，都会影响模型的可信度。
为此，在模型建立好以后，对模型进行可信度检验是不可缺少的重要步骤。检验模型呆信度的方法通常是：首先由熟悉被仿真系统的专家对模型作分析评估，然后对建模所用数据进行统计分析，最后对模型进行试运行，将初步仿真结果与估计结果相比较。
仿真计算
仿真计算是对所建立的仿真模型进行数值实验和求解的过程，不同的模型有不同的求解方法。例如：对于连续系统，通常用常微分方程、传递函数，甚至偏微分方程对 其进行描述。由于要得到这些方程的解析解几乎是不可能的，所以总是采用数值解法，如：对于常微分方程主要采用各种数值积分法，对于偏微分方程则采用有限差 分法、特征法、蒙特卡罗法或有限元方法等。
又例如：对于离散事件系统，通常采用概率模型，其仿真过程实际上是一个数值实验的过程，而这些参数又必须符合一定的概率分布规律。对于不同类型的离散事件系统（如随机服务系统、随机库存系统、随机网络计划等）有不同的仿真方法。
随着被仿真对象复杂程度的提高和对仿真实时性的迫切要求，研究新的仿真算法一直是一项重要的任务，特别是研究各种并行的仿真算法。
仿真结果的分析
要 想通过模拟仿真得出正确、有效地结论，必须对仿真结果进行科学的分析。早期的仿真软件都是以大量数据的形式输出仿真的结果，因此有必要对仿真结果数据进行 整理，进行各种统计分析，以得到科学的结论。现代仿真软件广泛采用了可视化技术，通过图形、图表，甚至动画生动逼真地显示出被仿真对象的各种状态，使模拟 仿真的输出信息更加丰富、更加详尽、更加有利于对仿真结果的科学分析。

‘陆’ 学会仿真算法要多久

全日制，每天学8个小时，也需要学习1~1.5个月。
学习仿真，一步到位的立刻精通也是不现实的。不可能通过看几本书，做几个练习案例，或者找几个大牛指点下，就能立刻从完全毫无头绪到和实验数据一致。这中间需要努力探索与尝试，循序渐进，从能够做出看起来合理的结果，逐步成长到做出精确的结果。
算法层次来说，仿真就是模拟实际环境，对算法代码进行测试。推而广之，在嵌入式驱动甚至业务逻辑层次的代码，也可以在虚拟环境中进行仿真，从而测试验证准确性。

‘柒’ 电磁仿真 常用的算法有哪些哪一种最好用

电磁学中的算法有很多种，常见的有时域有限差分法（FDTD）、时域有限积分法（FITD）、矩量法（MoM）、有限元法（FE）、边界元法（BEM）、 谱域法（SM）、传输线法（TLM）、模式匹配法（MM）、横向谐振法（TRM）、线方法（ML）和解析法等等。最近，又多了一种EIT算法，这是一种基于FDTD算法的革新技术。EIT算法克服了传统FDTD算法在模拟弯曲金属界面和介质界面时的梯形误差，避免精度损失，保持算法精度和效率；解决了共形FDTD算法稳定性要求导致时间步长降低的效率问题，无需减少时间步长，保持计算速度。简单来说，在确保同等精度的情况下，EIT的计算速度更快。目前，EIT算法主要代表性CAE软件是中望电磁仿真软件，适合求解天线/天线阵列，雷达，微波器件，电磁兼容/电磁干扰，高速互联SI，电磁传播和散射等，以及任意结构电大宽带的电磁问题。

‘捌’ 什么是分布式实时仿真技术

随着科技的不断创新,新的复杂的航空、航天及武器系统不断出现，由于仿真各子系统模型的复杂性，使得仿真算法的计算负荷非常高，单一的系统平台已经不能满足此类大型复杂系统模型的仿真，由此带来了分布仿真技术的快速发展。大量的计算机通过网络被连接在一起，可以获得极高的运算能力及广泛的数据共享，这种系统被称作分布式系统。

‘玖’ Runge--kutta算法

龙格-库塔(Runge-Kutta)方法是一种在工程上应用广泛的高精度单步算法。由于此算法精度高，采取措施对误差进行抑制，所以其实现原理也较复杂。该算法是构建在数学支持的基础之上的。

对于一阶精度的欧拉公式有： yi+1=yi+hki

其中h为步长，则yi+1的表达式与y(xi+1)的Taylor展开式的前两项完全相同，即局部截断误差为O(h2)。 当用点xi处的斜率近似值k1与右端点xi+1处的斜率k2的算术平均值作为平均斜率k∗的近似值，那么就会得到二阶精度的改进欧拉公式： yi+1=yi+h(k1+k2)

其中k1=f(xi,yi)，k2=f(xi+h,yi+hk1) 依次类推，如果在区间[xi,xi+1]内多预估几个店上的斜率值k1,k2,…,km，并用他们的加权平均数作为平均斜率k∗的近似值，显然能够构造出具有很高精度的高阶计数公式。 上述两组公式在形式删过的共同点：都是用f(x,y)在某些点上值得线性组合得出y(xi+1)的近似值yi+1，且增加计算的次数，可以提高截断误差的阶，他们的误差估计可以用f(x,y)在xi处的Taylor展开来估计。

于是可考虑用函数f(x,y)在若干点上的函数值的线性组合老构造金斯公式，构造时要求近似公式在f(xi,yi)处的Taylor展开式与解y(x)在xi处的Taylor展开式的前面几项重合，从而使金斯公式达到所需要的阶数。既避免求高阶导数，又提高了计算方法精度的阶数。或者说，在[xi,xi+1]这一步内计算多个点的斜率值，若够将其进行加权平均作为平均斜率，则可构造出更高精度的计算格式，这就是龙格-库塔(Runge-Kutta)方法。
一般的龙格-库塔法的形式为

#include"stdio.h"
#include"stdlib.h"
voidRKT(t,y,n,h,k,z)
intn;/*微分方程组中方程的个数，也是未知函数的个数*/
intk;/*积分的步数(包括起始点这一步)*/
doublet;/*积分的起始点t0*/
doubleh;/*积分的步长*/
doubley[];/*存放n个未知函数在起始点t处的函数值,返回时,其初值在二维数组z的第零列中*/
doublez[];/*二维数组,体积为nxk.返回k个积分点上的n个未知函数值*/
{
externvoidFunc();/*声明要求解的微分方程组*/
inti,j,l;
doublea[4],*b,*d;
b=malloc(n*sizeof(double));/*分配存储空间*/
if(b==NULL)
{
printf("内存分配失败 ");
exit(1);
}
d=malloc(n*sizeof(double));/*分配存储空间*/
if(d==NULL)
{
printf("内存分配失败 ");
exit(1);
}
/*后面应用RK4公式中用到的系数*/
a[0]=h/2.0;
a[1]=h/2.0;
a[2]=h;
a[3]=h;
for(i=0;i<=n-1;i++)
z[i*k]=y[i];/*将初值赋给数组z的相应位置*/
for(l=1;l<=k-1;l++)
{
Func(y,d);
for(i=0;i<=n-1;i++)
b[i]=y[i];
for(j=0;j<=2;j++)
{
for(i=0;i<=n-1;i++)
{
y[i]=z[i*k+l-1]+a[j]*d[i];
b[i]=b[i]+a[j+1]*d[i]/3.0;
}
Func(y,d);
}
for(i=0;i<=n-1;i++)
y[i]=b[i]+h*d[i]/6.0;
for(i=0;i<=n-1;i++)
z[i*k+l]=y[i];
t=t+h;
}
free(b);/*释放存储空间*/
free(d);/*释放存储空间*/
return;
}
main()
{
inti,j;
doublet,h,y[3],z[3][11];
y[0]=-1.0;
y[1]=0.0;
y[2]=1.0;
t=0.0;
h=0.01;
RKT(t,y,3,h,11,z);
printf(" ");
for(i=0;i<=10;i++)/*打印输出结果*/
{
t=i*h;
printf("t=%5.2f ",t);
for(j=0;j<=2;j++)
printf("y(%d)=%e",j,z[j][i]);
printf(" ");
}
}voidFunc(y,d)doubley[],d[];
{
d[0]=y[1];/*y0'=y1*/
d[1]=-y[0];/*y1'=y0*/
d[2]=-y[2];/*y2'=y2*/
return;
}

‘拾’ 什么叫超实时仿真与实时仿真，欠实时仿真的区别。

超实时仿真的定义是：系统仿真模型的时间过程快于实际系统的时间过程的仿真研究。
实时仿真的定义是：通过模拟器设备输入操纵量，通过实时计算机中对已编译的动力学仿真模型进行计算的过程。
欠实时仿真的定义是：系统仿真模型的时间过程慢于实际系统的时间过程的仿真研究。

实时仿真 ：

实时仿真是指仿真模型的时间比例尺等于系统原模型的时间比例尺的一类仿真。对系统进行仿真试验时，如果仿真系统有实物（包括人）处在仿真系统中，由于实物和人是按真实时间变化和运动的，因此就需要进行实时仿真。实时仿真要求仿真系统接收实时动态输入，并产生实时动态输出，输入和输出通常为具有固定采样时间间隔的数列。实现实时仿真固然首先依赖于计算机的运行速度，但仿真算法的实时性同样也是必须保证的，必须采用实时仿真算法，因此在算法上实时仿真要求能采用较大的仿真步长，并能实时地取得计算所需的外部输入信号。前面介绍的各种算法中只有一部分可以用于实时仿真，它们是实时的龙格-库塔方法、显式亚当姆斯方法、亚当姆斯预估-校正方法和离散相似法等等。