新型微光机电系统惯性测量技术研究进展

微惯性测量单元(MIMU)是惯性导航系统(INS)的核心组件，亦是构建微定位导航授时（μ-PNT）系统的重要组成部分。当前成熟的微惯性测量单元主要基于微机电系统（MEMS）实现，其性能逐渐难以满足新型无人驾驶车、无人飞行器以及制导弹药、航空航天器等军民用领域对高精确惯性导航的需求。近年来,各种新型微惯性测量技术相继被提出，以期望突破微惯性测量单元的性能与尺寸、质量、功耗（SWaP）之间相互制约的关键技术难题。系统总结了近年来国内外在常规MEMS惯性测量技术以及新型微光机电系统（MOEMS）惯性测量、微腔光力惯性测量、量子精密测量等几类新型惯性测量技术方面的研究进展，展望了未来新型高精度惯性测量技术的发展趋势，并提出了一种基于腔光力系统的量子增强型惯性测量技术构想。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。     

基于HLS的红外遥感图像连通域快速提取方法

连通域提取是红外遥感图像目标检测算法中的重要组成部分,包含在粗检算法中,能够筛去多数虚警,提升粗检效果,减少检测算法的运算量,降低系统功耗。现有的一些连通域提取算法基于CPU处理方式设计,不适合部署在现场可编程逻辑门阵列(FPGA)硬件端。本文采用高层次综合(HLS)的开发模式,设计了适合FPGA加速的连通域提取方法,相比传统的硬件描述语言开发方法具有更高的灵活性和效率。通过只扫描一次二值图像,将面积、范围和连通信息均记录在远小于图像的等价表中,通过简化标记规则和等价表刷新的方法,既提高了运算速度又节省了大量缓存,最终在硬件平台实测256×256的8 bit图像达到了797帧/s的处理速度。