基于分级缓存加速的高可靠高速星载固存设计

星上模块在模式切换过程会因为星载固态存储器启动过程缓慢而导致无法快速访问固存。分级缓存系统设计采用片内缓存结合小容量非易失存储器(MRAM)的硬件架构,通过在MRAM中存储文件对象头索引以及Nand Flash块元数据区索引等流程优化来加速文件系统启动操作。本设计通过数据建模和仿真实验来分析性能,并在硬件板卡上进行算法实现和测试验证,以对象为索引的启动方式耗时3.12 ms,以块元数据区为依据的启动方式耗时143.47 ms。对比传统设计架构下的耗时170.35s的启动操作,基于分级缓存加速的系统具有高可靠性同时大大缩短了固存启动时间。其系统性能提升为卫星在轨管控优化提供技术基础。     

遥感舰船目标检测识别方法

针对基于经典图像处理方法的目标检测识别方法虚警率高、分类效果差等问题,提出了一种基于深度学习的光学遥感舰船目标检测识别方法。该方法采用形态学运算+深度学习的方法,基于视觉增强技术快速筛选疑似目标,大幅降低需处理的数据量;采用深度学习网络,大幅降低目标检测虚警率。在2片Xilinx FPGA上完成了设计验证,利用FPGA全并行流水处理的特点,大幅提升处理效率和实时性,相对采用i7-CPU和GPU-GTX1050实现该算法,能效比分别提升260倍和28倍。经16景高分2号卫星遥感图像验证,目标检测识别率高于98%,虚警率低于5%。与现有的目标检测识别方法比,该方法在工程化能力、鲁棒性、实时性、准确率、能效比等方面达到较好平衡,性能优越,优于当前业内方法。     

基于可编程电路的低延时中值求取方法

针对高性能实时计算对中值求取等常用处理方法低延时性能要求越来越高,而当前利用FPGA等可编程电路实现中值求取存在流水延时较高且控制逻辑复杂的问题,提出一种基于可编程电路的低延时中值求取方法。利用FPGA等可编程电路丰富的逻辑运算和存储单元,可快速实现移位、截取、拼接及构建查找表,减少加减乘除等运算的特点,设计一种充分发挥其并行计算能力的中值求取方法,有效提升处理效率和减少流水延时。实验结果表明,中值求取流水延时最低可做到2个时钟周期,控制流程简单可行,硬件资源占用适当,并可推广到更大规模的数据序列中值求取运算中,符合高性能低延时计算领域的需求和趋势。