天基边缘计算系统设计及关键技术

卫星具有覆盖范围广、抗灾害性强等特点,随着卫星研制与发射成本的不断降低,推动卫星与地面移动通信网络、物联网(IoT)、云计算中心深度融合,构建天地一体化网络和应用架构,已成为航天发展的重要方向。随着地面多用户、大数据量的接入,亟须开展卫星在轨数据处理技术相关研究,提升卫星的在轨服务能力和质量。本文提出了对卫星计算资源进行整合,构建天基边缘计算系统,并提出了天基边缘计算的3种资源管理策略和4种平台部署协同模式。此外,对天基边缘计算的优势和还需解决的关键技术进行了分析,并搭建了天基边缘计算原型系统,对不同计算卸载策略性能进行了分析。     

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。