智能自主技术已应用到水下机器人

智能自主技术已应用到水下机器人。2019年1月，美国兰德公司发布《推进自主系统发展—对无人航行器当前和未来技术的分析》研究报告，对无人航行器的自主能力发展现状进行了详细分析。DARPA新发布的“琵琶鱼”水下自主机器人，无需外部操纵和通信，仅通过自身传感器自主探测海底环境，实现自主水下***、导航、搜索、避障和控制。

智能AUV基于深度学习等***的图像智能识别技术，具有更***的感知智能化水平。过去几十年中，人工智能、计算智能和***网络展示了其在信号-图像分析、对象检测和模式识别等方面的强大能力。在智能AUV中装备的具有智能识别或控制决策能力的计算机系统，通过与***网络结合，可以充分发挥逻辑推理能力强和***网络鲁棒性好、学习功能强等优点，克服学习能力弱和容错能力差的缺点。

海洋机器人检测试验综合服务平台

海洋机器人检测试验综合服务平台致力于打造一个整合试验、检测服务资源，在更广阔的水域进行多渠道的测试试验，为服务对象提供更便捷服务的载体。平台定制一艘海洋试验工程船，配备液压尾部双臂吊，船舷吊、***机器人试验设备，可搭载履带机器人、悬浮机器人、侧扫声呐检测、前视声呐检测及***等一系列检测监测系统，对海洋机器人在海洋作业性能进行检验测试，对服务对象进行操作培训，以及对故障机器人进行针对性检修。

海洋环境的复杂性和变异性,使得经典的信号探测与估计理论很难

海洋环境的复杂性和变异性，使得经典的信号探测与估计理论很难在实际海洋信道中获得良好稳定的性能，因此需要发展与水声物理场相结合、相适配的信号处理技术。匹配场处理（MFP）就是其中一种代表性技术，它是通过水声传播模型计算出的拷贝场与测量数据之间互相关，来实现对目标的探测与***。MFP与之后演化出的匹配模处理（MMP）、模基匹配滤波（MBMF）等方法构成了声场空时匹配处理方法的基础[16]。由于考虑到海洋环境要素，匹配处理的性能理论上要优于传统基于统计特性的探测方法。

但是，早期的 MFP均是基于确定模型的，与实际海洋环境在时间与空间上的动态随机变化不相适应。

基于信息融合的分布式探测技术

基于信息融合的分布式探测技术。通过对分布式节点所获取的数据和信息进行关联与融合，是经典的分布式探测技术途径。但由于声音在水中传播慢，水声传播时延的影响在水声目标分布式探测过程中不可忽略，因此分布式水声信息融合探测有其特殊性，不同于陆上基于无线电传感器网络的信息融合探测方法。

此类方法主要可分为目标级融合探测和特征级融合探测2种。其中，目标级融合探测以各分布式节点目标探测信息为基础，结合各节点的位置、概率统计模型等信息进行加权与关联分析，再按一定的优化融合规则（如**似然、N-P准则等）进行全局。特征级融合探测则是先提取各分布式节点数据中的相关特征与参数，再利用特征关联进行目标的联合探测。国内外研究还主要集中在目标级融合探测方面，特征级融合研究尚处在起步阶段。