摘要：天基遥感图像分辨率的退化为舰船目标的识别带来了巨大挑战。图像超分辨率重建技术可以为识别任务提供丰富的信息,然而将图像超分辨率重建与舰船目标识别任务分别独立进行,将会忽略两个任务间的内在相关性。针对这些问题,为了探索图像超分辨率重建与目标识别任务间的有效结合方式,提出了面向舰船目标识别的遥感图像超分辨率重建方法。设计了一种通道全连接网络,以自适应加权的通道全连接代替残差连接,提升各层特征的流动性与表达性能,实现遥感图像的高效超分辨率重建。为了进一步挖掘超分辨率重建对舰船目标识别性能提升的潜力,引入多任务学习技术,提出了一种超分辨率重建与目标识别联合网络,通过多阶段训练优化策略实现联合端到端网络的稳定训练,从而引导任务间进行有效的互相监督学习。在公开数据集FGSCR-42上的实验结果表明,当遥感图像在8倍和16倍的分辨率退化情况下,提出的超分辨率重建网络帮助舰船目标识别准确率分别提升了33.27和17.48个百分点,所提联合网络则将识别准确率进一步提升了1.75和1.91个百分点。

摘要：针对星载紫外成像光谱仪展开研究,设计了一种用于监测大气环境污染变化的光谱仪结构组件。在初始结构基础上,采用变密度拓扑优化方法,确定重要部件材料的最佳分布。在此基础上分析了关键尺寸参数对系统性能的灵敏度,建立以第二代非支配排序遗传算法为优化算法的多目标优化模型,完成光谱仪结构组件的尺寸优化设计。优化后,结构重量降低58.7%。对设计后的结构进行了静、热分析及杂散光分析,分析结果均满足光学系统要求。动力学分析分析结果与试验结果最大误差为4.72%,力学试验前后结果对比得到光谱特性测试的最大变化为0.4个像素,证明了提出的紫外成像光谱仪结构组件设计的合理性和可靠性。

摘要：针对当前使用图像特征的空间非合作目标立方星位姿估计算法存在鲁棒性差的问题,提出一种利用立方星顶点进行位姿估计的设计方案.基于双目视觉获取的灰度图像,采用HED(holistically-nested edge detection)网络结合二值化形态学处理方法以提高边缘提取的鲁棒性.检测出边缘图像中的多边形特征后,滤除重复和干扰的多边形,设计共边双框关键顶点判别算法判别立方星的关键顶点,实现了对立方星结构参数和位姿的估计.采用立方星模型进行实验验证,整体方法相比ICP(iterative closest point)精配准方法在30~70 cm探测距离内实现了最大4.4°、1.2 cm的偏差;边缘提取方法对目标结构参数判别准确率提升10%~40%,为非合作目标立方星的结构参数和位姿估计提供新技术路线.

摘要：低密度奇偶校验码(LDPC)是最接近香农极限的纠错码之一,具有优良的性能且被国际通信标准组织广泛采纳为信道编码。CCSDS推荐使用LDPC码作为近地空间和深空探测的信道编码方案。该文提出高效,低功耗,低并行度的LDPC编码方法。该方法通过采用插"0"和改变循环矩阵的结构实现了对CCSDS标准中推荐的校验矩阵子矩阵大小为奇数的LDPC码的低并行度编码。通过分析编码过程,提出了只对输入信息中的"1"有效信息位进行编码的方案,减少了编码中移位寄存器的移位次数,大幅度地降低了编码器功耗。文中采用FPGA实现了(8176,7154)78LDPC码的编码器,结果显示在硬件开销略有增加的情况下,编码功耗大幅度下降,编码速率接近低并行度编码方案。

摘要：针对大气环境监测和预报的需求,设计了一种满足光学系统要求的近紫外天底成像光谱仪。首先根据给定的光学系统,设计了设备的总体构形,对主镜和次镜进行了变密度拓扑优化,并对各模块进行布局功能设计;然后对方案进行了有限元仿真分析,同时对设备系统进行了光机热集成分析;最后进行了实验验证。实验结果表明:设备一阶频率大于100 Hz;正弦振动实验最大放大倍数为1.04;随机振动实验结果最大误差为4.72%;力学实验前后设备光谱特性一致。实验结果证明了所提结构设计满足各项技术要求,为今后近紫外天底成像光谱仪结构设计提供了一种新的参考。

摘要：针对传统的探空火箭减速板质量大、展开角度不可调节等缺陷,提出一种新型探空火箭裙锥减速器减速方案。它具有质量小、可改变展开角、展开阻力面积大等优点。针对超声速探空火箭减速器再入时的气动特性,对其外围流场进行了仿真分析,得出了减速器不同锥角对气动特性及过载的影响,并给出了减速器外围流场、压力场以及减速器的应力应变分析,结果表明,减速器所受的气动阻力与其锥角有明显关系,具有非线性特点,且减速器的最大应力小于许用应力。该方案可为探空火箭的回收及新型减速器的设计提供一定的参考依据。

摘要：鉴于低空场景下无人机尺度多变、背景复杂的特点,提出一种基于深度学习的多尺度低空无人机目标检测算法。针对高层卷积特征对小无人机目标特征表达能力差的问题,引入VGG16低层特征图Conv3_3,构建特征金字塔网络,利用有效感受野技术,重新设计各特征图中先验框的尺寸和长宽比例,建立多尺度、多背景且包含干扰目标的低空无人机图像数据集,完成算法的训练和优化。实验结果表明,该算法相比原始SSD网络,平均精度(average precision,AP)提高了7.32%,有较好的抗干扰效果和实时检测能力。

摘要：针对深度神经网络在轨实时目标检测需求与星上有限硬件资源之间的矛盾,基于宇航级处理芯片特性,提出一种结合剪枝、渐进式混合量化的混合压缩方法。对网络卷积层进行滤波器级剪枝,大幅度降低卷积计算操作数量;提出一种渐进式混合量化方法,在网络量化过程中混合使用不同的量化位宽,有效降低目标检测网络在宇航级处理芯片中的内存大小。在RSOD遥感图像数据集上的实验结果表明,该方法在网络检测精度损失<1%的前提下,提升了网络对星上有限计算和存储资源的利用率。

摘要：针对现有行人属性识别方法模型复杂,识别性能较低的问题,提出一种端到端的行人属性识别方法。构建注意力机制修正网络,在主干网络的不同卷积层后添加注意力分支,以提取注意力特征关注属性相关空域;提出一种注意力机制辅助训练方法,将注意力分支与主网络在预测级进行损失融合,通过梯度反向传播修正主网络权重,实现主网络的有效训练;在预测阶段,利用权重修正后的主网络实现属性识别。在RAP数据集上的实验结果表明,提出方法在没有额外辅助信息、不增加主网络体积和计算量的情况下,提升了行人属性识别性能。

摘要：为提高平截头点云网络在三维障碍物检测中的精度,基于平截头点云网络的结构提出一种扩张平截头点云的检测方法。采用图像和点云数据,使用二维目标检测网络Yolov3,检测障碍物的二维包围框;扩张包围框的大小,在点云数据中提取出障碍物对应的点云;通过改进的Pointnet网络对该点云计算,得到障碍物的三维信息。在原模型基础上,加入扩张包围框,提高点云数据提取的完整性。通过KITTI数据集的验证和测试,实验结果表明,通过扩张二维包围框可以有效提高检测网络的性能。