提出了一种Hex-Rotor无人飞行器以克服现有多旋翼飞行器的欠驱动和强耦合特性对其飞行控制效果的影响，利用6个旋翼独特的结构配置来保证飞行器独立控制空间六自由度的能力。介绍了这种新型飞行器的结构特点并建立其动力学模型，引入滤波反步法与自抗扰算法设计了具有双环并行结构的飞行控制系统，在数字仿真中实现了飞行器的空间六自由度独立控制并克服了未知外部扰动以及模型不确定性带来的影响。结果显示，原型机试飞实验中，飞行器的水平位移跟踪误差不超过±4 m，高度误差不超过±3 m，姿态角误差不超过±005 rad，均保持在传感器的测量误差范围内，飞行器较为准确地跟踪了期望指令。仿真和实验结果证明了该新型Hex-Rotor飞行器具有期望的六自由度独立控制能力，建立的数学模型准确，设计的飞行控制系统能够实现轨迹与姿态跟踪飞行。

光电成像跟踪系统需要保证不同目标的自适应识别, 同时严格按照时间序列执行的图像处理又是一个强实时性过程。实时融合跟踪技术提出并行执行多个算法组以适应不同类型目标的识别, 并通过像素级、特征级和决策级的同时融合处理保证了系统跟踪的稳定性, 最后在嵌入式并行处理硬件平台上有效解决了对运动目标的自适应跟踪。文中详细阐述了实时融合跟踪技术的技术思想和技术路线, 在剖析其并行结构的基础上完成了光电成像跟踪系统的嵌入式硬件并行平台的设计和实现, 取得了显著的工程应用成果。

针对JPEG2000中小波变换的硬件实现占用资源量大、速度慢等问题，提出了一种有效的二维小波硬件实现模型。该模型采用流水线并行结构，即对图像中各行像素进行流水线处理的同时，对小波分解的各级采用并行结构处理。这样的结构提高了小波变换的处理速度，实现了实时处理，节省了硬件的片上存储及外部存储资源。用FPGA对此模型进行验证。验证实验采用Xinlinx公司的SPARTEN-3系列芯片，对1 024×2 048的大图像进行处理，图像处理速度达到 80 Mpixels/s，满足实时性要求。

根据提升小波的框架结构,提出了基于FPGA小波变换核的设计与实现方案;根据自顶向下的设计思想,利用FPGA片内存储资源,实现了行列变换的并行执行;该结构由一个行处理器和一个列处理器组成,行、列处理器通过时分复用同时进行滤波,用优化的移位加操作替代乘法操作;采用流水线设计方法,减少了运算量,提高了硬件资源利用率;整个模块采用VHDL语言进行设计,并在QuartusⅡ下进行了编译和仿真。经验证系统工作可靠,完全满足实时处理的要求。

给出了一种基于并行结构的Gabor小波神经网络算法.根据多CPU系统的并行结构和神经网络本身并行性的特点,设计了用于图象目标识别的Gabor小波神经网络算法,算法的输入层包括Gabor小波尺度、平移和频率调制参数的运算;隐层是在并行CPU中实现神经网络算法及优化;输出层是Gabor小波神经网络的分类结果.对4类飞机图像目标进行了仿真实验,识别率达到98%以上,识别时间为40 ms.

为提高空中红外小目标检测速度,提出了一种基于灰值形态学序列图像膨胀累加、背景估计和自适应阈值分割的并行结构小目标分割算法.该算法对灰值膨胀运算后的相邻三帧图像进行累加以增强小目标能量;将灰值形态学开、闭运算的平均值作为背景估计图像;采用自适应阈值算法从二者相减的差图像中分割出可能目标;其中小目标能量增强和背景估计采用并行处理结构.基于Visual C++6.0编程进行了实验,结果表明,算法对连续三帧768像素×576像素红外视频采集图像的处理时间为3.73s,较常规串行分割算法快一倍以上.