针对光学遥感图像因目标尺度差异大、目标分布密集和背景复杂所导致的检测效果不佳的问题，提出了一种融合多注意力机制的遥感目标检测方法。设计了一种自适应感受野大小的坐标注意力模块，以加强网络对多尺度目标特征的提取能力，提升网络对复杂背景下目标的定位效果。基于Swin Transformer自注意力机制模块改进了YOLOv5网络的预测头，增强了网络对密集分布目标的识别能力。在DOTA公开遥感图像数据集上进行训练与测试，实验对比结果表明，所提方法在检测精度上比YOLOv5网络提高了3.6%，且优于多类典型对比方法；在Nvidia GTX 1080Ti平台上检测速度达49 帧/s，证明该方法具有较好的实时检测能力。

昆虫利用偏振光获取航向，经典的偏振光航向角解算方法都需要偏振光传感器指向天顶点。针对这一问题，设计了基于太阳位置模型、瑞利天空模型和虚拟偏振传感器的偏振光航向解算仿真系统，详细研究了4种典型的基于偏振光的航向解算方法在仅俯仰倾斜、仅滚转倾斜、俯仰和滚转倾斜条件下的误差特性。最后，仿真和实验均表明，4种典型方法在受到倾斜干扰时，其航向解算误差具有一致性的规律性，而且解算误差不仅受倾角的影响，还受太阳高度角，太阳与偏振传感器相对位置的影响。本文的结果不仅可以用于量化估计传感器倾斜所引起的航向角解算误差，还可用于补偿修正传感器倾斜导致的航向角解算误差。