AUV不能实现无人自主指挥控制

目前，AUV虽然能进行路径规划、避障避碰、编队航行等简单智能行为，但受人工智能技术和智能控制系统发展水平限制，其智能化程度不足，自主决策能力较差，尚无法完全自主控制，同时受复杂水下环境等因素影响，水下自适应能力仍有待提升。尤其对于AUV系统，战场态势和作战规则复杂多变，智能AUV通过自主学习进化的过程比较缓慢，无法快速适应瞬息万变的水下战场环境。在无人参与指挥情况下，AUV不能实现完全无人自主指挥控制，作战灵活性较差。

确定目标位置的精扫有两种扫测模式

确定目标位置的精扫有两种扫测模式：一是在粗扫发现障碍物的基础上，以障碍物普扫的位置为中心，与障碍物的走向平行，间隔扫测量程一半距离布设扫测线正反两次同速通过障碍物来消除风流、潮流等的影响，然后将两次位置算术平均作为障碍物的准确位置；二是在粗扫发现障碍物的基础上，以障碍物粗扫的位置为中心，换小扫测量程，间隔扫测量程一半距离，以 30 度、90 度、300 度方向布设三条扫测线，组成扫测封闭三角形，根据三次扫测位置计算出障碍物或然位置作为障碍物的准确位置。

的十八大提出“建设海洋强国”的基本方针

历经数十年的发展，我国的水声目标探测技术不论在理论研究还是工程应用方面都有了长足的进步，但是与水平相比还有不小的差距。然而，因为水声目标探测技术在保护***海上安全发挥着不可或缺的作用，所以“加快技术创新、赶超***水平”显得更为迫切。的十八大提出“建设海洋强国”的基本方针，为水声目标探测技术的加速发展提供了新契机，相信随着***在人才与资金上的大力支持，通过广大科研人员砥砺奋进，能够实现水声目标探测技术的跨越式发展。

L波段与C波段在植被覆盖区测量点密度的差异

从定量化的角度出发，InSAR系统的敏感度（sensitivity）密切相关。长波长对于微小目标缓慢变形的敏感度要低于较短波长下工作的其他传感器，同等相位误差的条件下，长波长系统的测量误差要大，但因相干性的优势，其在植被区识别的测量点的密度与空间覆盖要好一些。考虑到变形过程的积累，一定的采集时间频率（例如，20幅图像/年）下，与较短波长系统相比，较长的波长可监测到更多快速变形过程（降低了发生相位混叠的可能）。但其他较低频率的SAR数据依然有价值，比如感兴趣区植被覆盖较为密集，且变形幅度超过数个厘米的情况时。