做高频电磁场仿真的朋友，手上多半都用过矩量法，哪怕你自己没写过一行矩量法代码，正在用的商业求解器里很可能就藏着它的内核。天线辐射特性、金属目标的雷达散射截面、电磁屏蔽体的效能评估，这些典型的高频工程问题，用矩量法建模往往两三步就能搭好。这篇就从矩量法的基础逻辑开始梳理，谈清楚它怎么把连续的麦克斯韦方程变成普通电脑能解的矩阵方程，也把实操里文档不会写的那些坑一并聊透。

很多刚接触计算电磁学的人，容易被"矩量法""快速多极子""MLFMA"这些名词吓住，以为门槛很高。实际上它的核心思想不复杂：把连续的积分方程离散成有限个未知量，再组装成一个矩阵方程去解。你只要理解清楚"为什么要把问题转化成积分方程""离散之后每个矩阵元素代表什么""哪些地方最容易算不准"这三点，矩量法的大门就算打开了。下面按这个思路展开，配合面网格里最常用的RWG基函数，把从方程到代码的完整链条串一遍。

1. 矩量法的核心逻辑：把连续方程变成矩阵方程

1.1 为什么高频电磁问题要选矩量法

首先要明确一个观点：矩量法整个思路的起点，是"求解区域"的选择。麦克斯韦方程组每个学电磁的人都不陌生，但真正拿到工程里解的时候，你得先回答一个问题——是让场在空间每一点都满足方程，还是只在某个边界上满足？

微分方程类方法选前者。比如有限元法（FEM），要把整个求解域用网格填满，空气也要剖分，还要在外部边界上加吸收边界条件来模拟无限大空间。积分方程类方法选后者，利用格林函数天然满足无穷远辐射条件，只需要把目标表面离散化，空气根本不需要剖分。对于天线、金属机身这类问题，真正"干活"的地方就是表面。矩量法这种只在表面求解的思路，天然就比全场剖分省掉一大截未知量。

矩量法最擅长处理的高频问题，是由"导体＋少量介质"组成的辐射和散射场景。它直接求解目标表面的等效电流分布，电流一旦算准，输入阻抗、方向图、增益、极化特性、散射截面这些工程关心的量，全部都是从电流出发的确定性计算，物理一致性很好。这也是为什么做天线和电磁兼容的工程师，一提到金属结构仿真，第一反应就是用矩量法。

当然，矩量法也不是没有代价。积分方程离散出来的矩阵是稠密矩阵，N个未知量就要存N²个相互作用。早期大家都觉得这是硬伤，后来快速多极子算法把矩阵向量乘的复杂度压到O(N log N)量级，电大尺寸问题才重新回到矩量法的射程之内。这个演进过程后面单独讲，现在先把数学骨架立起来。

1.2 离散化三要素：基函数、权函数、矩阵填充

矩量法的数学骨架，一句话就能概括：把算子方程L(f)=g离散成矩阵方程[Z][a]=[V]。L是线性算子，在这里具体就是积分算子；f是待求的电流分布；g是已知激励，比如入射平面波或者端口电压。

具体操作分三步。第一步，把电流f展开成有限个基函数的线性组合：

f = Σ aₙ fₙ

第二步，选一组权函数wₘ，对算子方程两边做内积，于是原方程变成一组代数方程：

Σ aₙ ⟨wₘ, L(fₙ)⟩ = ⟨wₘ, g⟩

写成矩阵就是 [Zₘₙ][aₙ] = [Vₘ]。这里的Zₘₙ = ⟨wₘ, L(fₙ)⟩，物理含义非常直观：第n个基函数上的单位电流，在第m个权函数所在位置上产生的场。所以矩阵填充这一步，本质上就是挨个计算三角形或者线段之间的电磁感应。自阻抗是"自己对自己"的作用，互阻抗是"别的段对自己"的作用。

基函数和权函数怎么选，直接决定精度和实现难度。最经典的搭配是伽辽金方法，也就是权函数等于基函数。这样做的好处是矩阵对称，存储和求解代价直接减半，数值上也更稳定。如果想省事让权函数取狄拉克函数，那就是点匹配法，实现虽然简单，但矩阵不对称，精度对网格方向敏感，只适合入门验证或者某些窄问题。我实际做计算的时候，绝大多数场景都用伽辽金，面网格的RWG基函数配RWG测试函数，这是矩量法在三角面元上的标准组合，稳定性经过了大量工程验证。

2. 一个完整的MOM流程：从平板散射说起

2.1 建立积分方程：EFIE与MPIE

数学框架有了，接下来看麦克斯韦方程怎么落到积分方程。拿一块理想导体平板被平面波照射作为例子，这个模型虽然简单，但矩量法的核心步骤全在里面。

导体表面的边界条件是切向电场为零，也就是入射场和散射场的切向分量之和必须抵消。写成公式就是：

n̂ × E_inc(r) = - n̂ × E_sca(r)

散射场由表面感应电流J通过自由空间格林函数产生。把散射场的表达式代进去整理，就得到电场积分方程EFIE：

n̂ × E_inc(r) = n̂ × [ jωμ∫J(r')G(r,r')dS' - (∇/(jωε))∫(∇'·J(r'))G(r,r')dS' ]

其中G(r,r') = e^{-jkR}/(4πR)，R=|r-r'|，这是自由空间格林函数，它本身已经包含了向无穷远传播的物理规律。这也是积分方程不需要吸收边界条件的原因——远方的场由格林函数按真实物理规律算出去了，空间根本没有参与离散化。

除了EFIE，还有从磁场边界条件出发的磁场积分方程MFIE。实际商业求解器处理封闭金属目标时，常把EFIE和MFIE按比例线性组合成CFIE，也就是混合场积分方程，这样能把内部谐振问题压掉，第四章详细说。如果目标附近有分层介质，比如微带天线贴在介质板上，格林函数就要换成分层媒质格林函数，公式复杂度上升一个台阶，但这里的物理逻辑完全一致。

2.2 网格离散与RWG基函数

积分方程建好以后，进入数值处理环节。第一步是把目标表面铺满三角形网格，然后在网格上定义基函数。

面结构最常用的RWG基函数，定义在相邻两个三角形Tₙ⁺和Tₙ⁻的公共边上。设公共边长度为Lₙ，两个三角形面积分别为Aₙ⁺和Aₙ⁻，那么基函数可以写成：

fₙ(r) = Lₙ/(2Aₙ⁺) ρₙ⁺(r)，r在Tₙ⁺内 fₙ(r) = Lₙ/(2Aₙ⁻) ρₙ⁻(r)，r在Tₙ⁻内

其中ρₙ⁺是从Tₙ⁺的自由顶点指向场点的向量，ρₙ⁻是从场点指向Tₙ⁻自由顶点的向量。细心的人会发现，RWG函数在穿过公共边时，法向分量是连续的。这个性质非常关键，它保证了基函数的散度在每个三角形内部是常数，面电荷不会在棱边上积累，自动满足电流连续性方程。如果基函数不满足电流守恒，低频段会算出一堆虚假电荷，结果直接报废。

闭着眼睛都能想到，网格数量直接决定未知量规模。一块边长1λ的正方形平板，按每波长10个点左右剖分，未知量大概在几百到一千上下，常规矩量法程序完全跑得动。到了几十波长的结构，未知量奔着十万级别去，就必须上快速算法或者混合方法。对入门者来说，先用小尺寸平板把流程跑通，再去挑战电大尺寸，心态会稳很多。

2.3 阻抗矩阵、激励向量怎么算

矩阵元素的计算是矩量法代码里的重头戏。把RWG基函数代入EFIE再做内积，可以得到阻抗矩阵元素的标准表达式：

Zₘₙ = jωμ∫∫ fₘ(r)·fₙ(r')G(r,r')dS'dS - (j/(ωε))∫∫(∇·fₘ(r))(∇'·fₙ(r'))G(r,r')dS'dS

注意这里是双重面积分，外层在被测三角形Tₘ上，内层在源三角形Tₙ'上。实际编程时不会傻傻地对两个积分直接做全四点高斯数值积分，因为当两个三角形距离很近时，内层被积函数会出现很强的近奇异性。通用做法是：距离较远时，内外积分各自用高斯积分处理，被积函数足够光滑；距离较近或者共享边时，把含1/R的奇异核单独提炼出来处理，采用的方法包括奇异性提取、Duffy变换、解析公式等，这部分第三章展开。

激励向量Vₘ = ∫ fₘ·E_inc dS，把入射平面波的表达式代入，对测试三角形做面积分就行。天线问题里常用的delta-gap激励，本质是在馈电位置加一个很窄的等效电压源，积分区域集中在端口附近，实现起来干净利落。矩阵填充完成后，剩下就是求解线性方程组。中等规模的问题用LU分解就完了，矩阵虽然稠密但是能抗住；规模更大的问题就换迭代求解器，配合快速多极子加速矩阵向量乘。

3. 实操中的几个关键控制点

3.1 奇异积分怎么处理

奇异积分是矩量法入门者最容易栽跟头的点。格林函数里包含1/(4πR)，当积分点与源点重合时被积函数发散，直接高斯积分不仅算不准，甚至可能让整个矩阵填充结果错乱。这个问题处理不好，前面的公式推得再漂亮也是白搭。

工程上常用的做法主要有三种。第一种是奇异性提取法，把1/R拆成"奇异部分＋光滑部分"，奇异部分用解析方式积出来，光滑部分继续做数值积分。第二种是Duffy变换，含奇点的三角形积分通过坐标代换映射成单位正方形积分，变换后的雅可比行列式自带R²权重，恰好抵消1/R的奇异性，实现起来不算难，很多开源矩量法程序都采用这个方案。第三种是近邻对的半解析处理，当源三角形和目标三角形相邻或共边时，把双重积分里的主导项用解析公式算掉，矩阵填充的稳定性和速度都能兼顾。

我的实际经验是，如果只是想跑通一个低频小尺寸的验证程序，Duffy变换就够用；如果打算做一套正经求解器，近邻对解析处理绕不开。原因是网格细化之后，相邻对的数量占比很高，纯数值积分处理近邻会让整个矩阵填充时间爆炸。我自己吃过这个亏：早期用纯高斯积分处理近邻项，四分之一波的偶极子模型跑起来勉强能看，换成平板散射模型之后，填充时间突然涨到无法接受，换了近邻解析方案才解决。

3.2 网格剖分尺度与频率的关系

所有数值方法的网格尺度都跟波长挂钩，矩量法也一样。面网格的三角形边长通常控制在0.1λ到0.2λ之间；线网格的线段长度取λ/10到λ/20比较合适。网格太疏，电流分布细节描不出来，谐振频率和方向图都会偏移；网格太密，未知量暴涨但精度提升有限，矩阵条件数反而变差。

这里有个反直觉的坑：同一频率下把面网格边长减半，未知量大约涨四倍，矩阵存储涨十六倍，填充和求解时间涨得更夸张。所以加密网格之前，得先想清楚当前结果到底是因为网格不够，还是激励、端口设置本身就有问题。我见过不少同事把同一个模型反复加密三四次，最后发现只是边界条件设错了，白白浪费一周时间。

还要注意结构上的细小特征，比如散热孔、安装孔、细缝。这些特征尺寸可能远小于0.1λ，强行保留会让局部网格密到离谱，拖死整个求解器。如果关注频段在几个GHz，直径一两毫米的孔洞对整体结果贡献往往小到可以忽略，建模时主动把这类细节抹平，换来的是计算成本和稳定性的大幅改善。这个"取舍"思维，是高频仿真工程经验和书本知识的最大区别之一。

3.3 激励源与端口设置

矩量法里激励方式不同，输出量含义也不一样。散射问题用平面波激励，要明确入射角θ、φ和极化方向；天线问题用集总端口或delta-gap激励，算出来是端口的输入阻抗和S参数。

delta-gap激励的本质，是在馈电边两侧加恒定电场差，相当于在端口位置放了一个无限窄的电压源。实现上把这个电压落到某个基函数上，激励向量只在对应位置非零。这种激励方式有理想化成分，和真实馈电结构之间存在电容等效误差，但对半波偶极子这类问题，工程精度完全够用。

如果做微带天线这类带介质底板的结构，纯自由空间格林函数的矩量法就不够用了，需要分层媒质格林函数，或者把介质区域交给其他方法建模。新手最好先从纯金属结构开始，比如偶极子、平板散射、波导开口，把矩量法本身跑通，再考虑复杂激励和介质。一步到位直接上手微带天线的，通常会被分层格林函数和介质网格折腾得怀疑人生。

3.4 矩阵求解器选型与内存权衡

矩量法矩阵是稠密的，存储复杂度O(N²)。N=10000时，双精度复数矩阵大约占1.6GB内存，这还没算填充和求解过程中的临时内存。所以求解器选型本质上是在内存和时间之间做权衡。

直接法用LU分解，稳定性好，多激励问题可以复用分解结果，但内存和分解复杂度都很高，适合几千到几万未知量的小中型问题。迭代法用GMRES、BiCGStab这类，单次求解内存压力更小，但收敛性没有直接法那么可靠，矩阵条件数差的时候需要预处理。再往上走，就是快速多极子把矩阵向量乘降到O(N log N)，允许矩量法处理几十万甚至上百万未知量的电大目标。现在主流商业软件的多层快速多极子已经是标准配置，开源领域也有不少成熟实现可以学习。

实践层面的建议是：先用求解器的自适应求解功能跑一遍，观察收敛曲线和内存占用，再决定要不要手动调控网格或者改用混合算法。别一上来就默认"开满内存"，尤其是笔记本上跑电大模型，内存不足引发交换文件写入，计算时间会直接拖垮到不可用。

4. 常见问题与排查技巧实录

4.1 低频崩溃与内谐振问题

矩量法有两个著名的"暗坑"，一个是低频崩溃，一个是内谐振。

低频崩溃出现在结构尺寸远小于0.01λ的时候。EFIE里矢量位项和标量位项的量级会差出好几个数量级，小项被大项数值淹没，系统矩阵的条件数恶化到极限，解出的电流变成一堆噪声。这是数学公式本身的病态，不是网格或者激励的问题。常用对策包括频率归一化的EFIE、把散度空间和旋度空间分离的树-环基函数，以及引入额外电荷未知量的增广EFIE。做电磁兼容这类低频问题，这些手段几乎是必需品。

内谐振问题出现在闭合金属腔体上。一个全封闭的金属盒子，内部空腔在谐振频率附近会产生非物理的电流模式，EFIE矩阵在那个频点附近接近奇异。MFIE也有类似问题，但谐振频率位置不同。把EFIE和MFIE按系数线性组合成CFIE，内部谐振就在组合方程中被消掉了，外部场结果不受影响。所以商业求解器处理封闭金属目标时默认用CFIE，是有充分理由的。

4.2 常见问题速查表

这张表里每一行我都实际遇到过。频率异常的案例尤其有代表性，当时排查了三天，最后发现是端口参考面定义偏了半个网格，跟内谐振一点关系都没有。所以排查顺序很重要，先检查模型设置，再看网格质量，最后才怀疑算法本身。

4.3 几个藏在细节里的避坑习惯

第一，时刻关注矩阵条件数和迭代残差，不要只看方向图曲线漂亮就收工。条件数超过1e8的矩阵，解出的电流相位误差可能已经大到不可信了，这时优化的方向应该是改进网格和基函数，而不是继续调后处理参数。

第二，网格局部加密时注意密度过渡。从粗网格突然跳到细网格的地方容易产生人为数值误差，矩量法虽然不像时域有限差分那样有网格色散问题，但局部尺度突变会影响RWG基函数的表现，不如均匀渐变网格稳定。

第三，多激励问题时不要每次都从头填充矩阵。LU分解一次，多激励共享分解结果，效率能提升好几个量级。这个习惯在很多商业软件里是自动的，但如果自己写代码，这个优化点很容易被忽略。

5. 矩量法与其他高频仿真方法的选型

5.1 矩量法、有限元与时域有限差分怎么选

每种数值方法都有自己的舒适区，选型错误是仿真精度和效率问题的起点。我用一张表把三种主流方法的关键差异列出来。

从工程选型角度，纯金属结构的辐射和散射问题，矩量法往往是第一选择，精度和效率都占优。微带天线、波导滤波器这类带介质基板的结构，有限元的体积剖分优势更明显，处理非均匀媒质时很自然。需要宽带频率响应或者瞬态分析，比如静电放电、冲击响应，时域方法更合适。实际复杂结构往往用混合方法，介质区域交给有限元，金属区域交给矩量法，交界面处做场耦合，这也是主流商业软件的标准路线。

一个常见误区是觉得矩量法只能算电小结构。实际上配了快速多极子的矩量法，处理几百个波长的金属目标散射毫无压力，关键看网格量和迭代收敛速度。反过来，时域有限差分做宽频扫频虽然快，但每个频点都要跑到稳定状态，电大曲面结构又会引入阶梯误差，未必比矩量法高效。

5.2 混合方法与电大问题的工程出路

对整机舰船、整机飞行器这类超电大目标，未知量再怎么压缩也可能超出个人电脑的能力范围。业界普遍的做法是矩量法结合高频近似方法。比如矩量法加物理光学（MOM-PO）：目标表面划分成"关键区"和"非关键区"，关键区用严格的矩量法精确建模，非关键区用物理光学近似计算电流，两侧在边界处衔接。这样既保证了关键区域的精度，又绕开了超大矩阵的求解成本。做天线布局、平台电磁兼容这类问题，这套组合几乎是标配。

另一个工程出路是区域分解法，把大目标切成多个子区域，每个子区域独立填充矩阵，区域之间迭代交换边界信息。这个方法能有效控制内存峰值，配合并行计算可以在高性能集群上做很大规模的仿真。对一般工程师来说，不需要自己实现这些深层算法，但心里要有概念：矩量法的能力边界并不固定在某个未知量规模上，而是取决于你选择的求解策略和硬件条件。

写在最后

我实际用过一个几十未知量的半波偶极子模型来验证矩量法求解器。最初照着教科书把矩阵填出来，自阻抗和互阻抗怎么都对不上，折腾两天才发现问题出在近邻积分处理上——三角形共用边那一块用纯数值积分完全不可靠。后来把Duffy变换和近邻解析项重写了一遍，结果立刻正常了。这件事给我的经验是：学矩量法一定要手写一遍至少一个完整算例的阻抗矩阵填充，只有亲手填过Z矩阵，看到电流分布和方向图从噪声里稳定下来，才算真正理解这个方法。

如果你正准备入门高频电磁场仿真，矩量法这个坐标值得花时间吃透。先把EFIE推导清楚，再用RWG基函数跑通平板模型，逐步加上奇异积分处理和迭代求解器，你会发现再看商业求解器的输出结果时，很多之前觉得玄学的问题都有了清晰的物理答案。