基于（16,8）准循环码的星载FPGA有限状态机容错设计

有限状态机作为星载数字系统实现控制逻辑的重要手段,其稳定性直接影响系统的正常运行. 空间辐射环境所造成的单粒子翻转效应会导致有限状态机不稳定. 目前常用的容错方法适于处理状态机的1位翻转错误,而具有高可靠性要求的系统还需要能处理2位翻转错误. 基于（16,8）准循环码的有限状态机容错设计方法,可实时纠正1位或2位翻转错误,检测到3位翻转错误,使有限状态机拥有更高的可靠性. 此方法同时具有硬件易实现,系统延时小等优点.     

基于FPGA的卷积神经网络并行加速设计

为提升在资源、功耗受限的嵌入式平台上运行的深度卷积网络算法的速度和能效,提出一种基于现场可编程门阵列(FPGA)的卷积并行加速方案。利用卷积层与批归一化(batch normalization,BN)层融合减少计算复杂度;利用数据分片减少片上存储消耗;利用数据复用、并行计算提升运算速度,减少系统硬件开销;利用设计空间探索找到最符合硬件资源约束的计算并行度。实验结果表明,在100MHz的工作频率下,加速器的峰值计算性能可以达到52.56GFLOPS,性能是CPU的4.1倍,能耗仅为GPU的9.9%,与其它FPGA方案相比综合性能有一定的提升。     

基于改进SSD的多尺度低空无人机检测

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.