海洋模拟

待我称王封你为后i 2022-07-14 05:44 205阅读 0赞

http://www.cnblogs.com/wubugui/p/4541812.html?utm\_source=tuicool&utm\_medium=referral

本文基于\[Jerry Tessendorf 2004\]的方法对海洋动画进行了模拟

1、介绍

海面模拟是计算机图形领域研究前几年很热门的问题，也是一个挑战，在这方面的主要问题是对大面积开阔深水区域的模拟，在这种情况下使用传统模拟3D流体的方法将意味着极其巨大的网格，以及海量的运算，使用这种方法在普通的计算机上是几乎不可能模拟出来的。然而\[Jerry Tessendorf 2004\]提出的基于高度场y=h(x,z)的水面模拟，为普通计算机模拟海面提供了可能，甚至在现代大规模GPU计算下也能进行实时模拟。而我们对海面的视觉模拟则相对简单。

2、基于快速傅里叶变换的海面模拟

基于流体方程的模拟公式

对于大规模水域，远离海岸线的相对平静海面u被假设为无旋场，有,其中是某势场，根据不可压缩条件所以对其使用伯努利方程得到

![311210567665622.png][]

## 线性化方程 ##

进一步假设u足够小且没有巨浪去掉二次项得

![311211486882318.png][]

定义海面为0高度有

U = gh

根据质量守恒有

![311212262665031.png][]

![311212337663323.png][]

设x=(x垂直,y)，y指向水面之下有，那么可以假设表面方程有如下形式

![311213172667812.png][]

这个式子考虑左边因子为零有

![311213509695109.png][]

设压力为0有

![311214180321543.png][](20)

联立上述两个方程有

![311214404547860.png][](21)

方程（20）（21）最终描述了海面的运动

方程（21）两边同时求导，带入方程（20）最终得到

![311215020632362.png][]

为了解决![311215189236246.png][]这个不寻常的符号求两次导数，最后得到

![311215411262563.png][]

## 方程的解 ##

我们给出一个特殊解分量形式：

![311215586888360.png][]

将这个式子带入原方程，得到

![311216167664717.png][]

这里k是index向量的模，对于这个方程我们取![311216374696775.png][],这个值称为色散关系（Dispersion Relation）

再考虑xz方向边界条件具有周期性，使用NxN的网格来度量h的xz平面L是实际尺寸，那么在指定时间t网格索引为![311217123768773.png][]的点的高度为

![311217381411478.png][]

为了使得和项只有实数部分对Cos项经过变换即得

![311217575161564.png][]

式中h0项为波普参数，使用这个式子可以执行FFT来计算结果。

# 基于统计模型的海洋波普 #

对于上式的变换，\[Jerry Tessendorf 2004\]提出使用基于统计的现象模型，所以我们使用了一个海洋学统计模型Phillips spectrum，这个模型的所有原始数据来自于多年海洋学观察，优点是可以选择风速和风向，他的经验公式是：

![311218242828439.png][]

为了具有随机性我们使用高斯分布来取得随机波普：

![311218421575267.png][]

现在h0项已经有了明确的定义可以计算数据带入了，我们在核心代码部分给出计算代码。

# 基于GPU的快速傅里叶变换 #

这个前面的博文已经讲过了就不再说了

# [FFT算法实现——基于GPU的基2快速傅里叶变换][FFT_GPU_2] #

# [2维FFT算法实现——基于GPU的基2快速二维傅里叶变换][2_FFT_GPU_2] #

[311210567665622.png]: /images/20220714/bea113dcabbf400d8592f094283c78d0.png
[311211486882318.png]: /images/20220714/d8c8e33bc6984b3e88faa8af0d1d71b7.png
[311212262665031.png]: /images/20220714/cda669ab644c4c83b8f55f7b2bd02795.png
[311212337663323.png]: /images/20220714/b91323a132d341ae8788e3f2b915d6b1.png
[311213172667812.png]: /images/20220714/98cbc3e984aa45208f8479f2511ae328.png
[311213509695109.png]: /images/20220714/404e70d602af47f3aca9ae9b2ec69a4d.png
[311214180321543.png]: /images/20220714/9075b50706df47208796e4c05d699ba9.png
[311214404547860.png]: /images/20220714/33c072c0caf64386b6392053a962d6ca.png
[311215020632362.png]: /images/20220714/922c0fcee51a4e178aca6c2669c636e0.png
[311215189236246.png]: /images/20220714/635a2cc58b6a4c8ca44598522fde4e7b.png
[311215411262563.png]: /images/20220714/20ba8175b5c04e7ca803cf911c6111ec.png
[311215586888360.png]: /images/20220714/a5354c7aac124f82aac8735f7ebf49b2.png
[311216167664717.png]: /images/20220714/d542d6d0be454bb8aee6e99342033151.png
[311216374696775.png]: /images/20220714/1c31f615283744ad86af74e7779b67d6.png
[311217123768773.png]: /images/20220714/b3811bac632c4286afe94732ac9a84e9.png
[311217381411478.png]: /images/20220714/7e3df9dc8f634e128e15ffad31113d01.png
[311217575161564.png]: /images/20220714/87235f1e3265494e99f953f690cb56ee.png
[311218242828439.png]: /images/20220714/d5c6c714579e47ed92a73b0f7d4d44ad.png
[311218421575267.png]: /images/20220714/84eb155afd454e94a59bf94317ee029a.png
[FFT_GPU_2]: http://www.cnblogs.com/wubugui/p/4446230.html
[2_FFT_GPU_2]: http://www.cnblogs.com/wubugui/p/4521174.html