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，实现自主水下定位、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、计算智能和神经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，通过与神经网络结合，可以充分发挥逻辑推理能力强和神经网络鲁棒性好、学习功能强等优点，克服学习能力弱和容错能力差的缺点。

成熟技术支持下,能完成实际监视与侦察任务

在成熟技术支持下，能完成实际监视与侦察任务”。“可重构”作为技术要求被提出，是智能AUV研制的重要技术亮点之一，是提高智能AUV对环境适应能力的一种重要手段。当前可重构技术主要针对固定构型AUV，当任务超出其自身的机构物理特性时，它将很难甚至无法完成。可重构AUV是一种利用智能材料优势，结合轻质变形结构和驱动装置的“智能变形机构”。它能够根据任务需要，通过独立模块自主构型。这种组合并不是简单的机械重构，还包括控制系统（电子硬件、控制算法、软件）的重构。

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定位。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。

基于特征学习的自主探测技术

基于特征学习的自主探测技术。面向无人系统的应用，传统的依赖于先验知识与人类经验的人工很难在线实现，而水声目标与环境的时空起伏特性使得传统基于统计模型的恒虚警自动的方式，很难在复杂多目标环境下获得理想的检测性能。因此，目前研究主要集中在基于特征学习的自主探测技术上，即通过对具有一定规律性的目标和环境特征的自适应学习，在多特征联合概率模型下检测。

例如，对于微弱目标检测，采用跟踪或分类置前检测思想，利用目标方位、幅度、频谱等多维度特征，通过粒子滤波等算法进行基于关联学习，然后根据行为、特征差异性来进行自主探测，从而能够在低信噪比条件下获得高检测概率和跟踪精度。