基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。      

美国卫星工作执行小组完成对FAA规程8400·DGPS的审定

工业界对开发差分全球定位系统(DGPS)Ⅰ类仪表进近能力非常感兴趣。RTCA第一特别工作组强烈推荐首先通过特殊的专用的设施来实施DGPS功能。该特别工作组还推荐通过特殊的仪表进近程序(IAP)过程来开发所需的仪表飞行程序。 RTCA已经为差分全球导航卫星     

新型火箭地面加注系统设计难点与应用

传统加注系统的设计在加注模式、工艺流程、控制系统、计量可信度、屏蔽泵及训练功能等方面存在诸多不足，而新型智能加注系统的设计则在建立多贮箱组合加注模式、优化并泵工艺、建立远近控等多种控制方式并存的集散式自控系统、创建新型指挥管理体制、实现计量互校、研制新型高扬程屏蔽泵、创建加注模拟训练平台、采用工程化软件研制方法及引入安全可靠性设计理念等方面有理论和技术创新。     

单目弹载图像恢复跟踪目标3D信息的方法研究

提出并实现一种单目弹载图像恢复跟踪目标3D信息的方法,该方法结合导弹的运动航迹和高度信息构建出多目立体视觉三维重建模型来恢复跟踪目标的3D信息,增强了导弹的跟踪和识别能力,提高了精确打击效果。首先,单目成像器获取不同时间和高度的跟踪目标图像,构建多目立体视觉模型;再检测所获目标图像的特征点,对不同图像进行特征点匹配;然后根据匹配的特征点集合估算基础矩阵;接着结合导弹的飞行参数计算成像器的本质矩阵和外参数矩阵;最后,根据多目立体视觉模型恢复跟踪目标的3D信息。实验结果表明,该方法能够准确恢复目标3D信息,提高导弹的精确打击能力。