摘要：图卷积神经网络GCN当前主要在PyTorch等深度学习框架上基于GPU实现加速。然而GCN的运算过程包含多层嵌套的矩阵乘法和数据访存操作,使用GPU虽然可以满足实时性需求,但是部署代价大、能效比低。为了提高GCN算法的计算性能并保持软件灵活性,提出一种基于RSIC-V SoC的定制GCN加速器,在蜂鸟E203的SoC平台中通过点积运算扩展指令和硬件加速器软硬件协同的方法实现了针对GCN的加速,通过神经网络参数分析确定了从浮点数到32位定点数的硬件量化方案。实验结果表明,在Cora数据集上运行GCN算法时,该加速器没有精度损失,速度最高提高了6.88倍。

摘要：在双轴、单轴旋转调制激光陀螺航海惯导备份配置中,主惯导双轴旋转调制航海惯导故障情况下,针对备份系统单轴旋转调制航海惯导定位精度受方位陀螺常值漂移影响的问题,提出了双航海惯导定位信息融合方法。在格网系下设计了两套系统的联合误差状态Kalman滤波器,以系统间位置参数的差异为观测量,对惯性器件的确定性误差进行估计;建立了定位误差预测模型,对单轴旋转调制航海惯导的确定性定位误差进行预测补偿;通过滤波器、预测模型在地理系与格网系间的相互转换,实现了定位信息融合算法的全球适应性。最后通过仿真、实际系统实验进行了验证,结果表明:对单轴旋转调制航海惯导的定位误差预测补偿后,与补偿前相比其定位误差减小了30%,进而保证了主惯导双轴旋转调制航海惯导发生故障情况下系统的定位精度。

摘要：针对资源勘探等高精度应用对航空重力仪测量精度和分辨率的更高要求,在前期研究基础之上,研发了新一代采用"捷联+平台"方案的新型航空重力仪。设计了采用石英挠性加速度计和光纤陀螺的捷联式重力仪,采用了新型温度控制方案,提高了重力仪的环境适应能力。设计了稳定平台,将捷联式重力仪保持在垂直方向,隔离载机的角运动干扰,减小了重力传感器的动态误差。飞行试验表明,该方案是有效的,将航空重力仪的精度和分辨率提升到优于1mGal/3km。