船舶除污机器人(如图2)

船舶除污机器人(如图2)。船体外部，特别是水下部分由于长期处于海水环境中，藤壶等海洋生物很容易寄生在船体表面。以往清除这些污物都需要在船舶进坞时用高压水或人工手动进行清理。除锈机器人采用磁盘等技术吸附在船舶外壁上，可以携带高压水、机械臂等装置，在不需要进坞的前提下进行水下清理，具有良好的船舶外壁除污效果。

随着科技的进步、与智能机器人相匹配的通讯控制网络的日益完善，一定还可以产生更加合理和科学的船检方法。我们期待着这些技术能及时应用到相关领域。同时，作为船舶检验方，其配套的相关船检规范也应及时完善，比如如何承认智能机器人的巡检结果，以及该结果与以往人工检验的等效性对接等等。

水声目标探测技术是水声信号处理与声呐领域的重要研究方向

水声目标探测技术是指通过接收水声目标辐射噪声或者散射回波，在一定范围内实现对水声目标的探测、跟踪和定位与识别的信号处理技术。水声目标探测技术是水声信号处理与声呐领域的重要研究方向，是环境感知、目标监测、资源勘探、情报收集等海洋应用领域的技术之一，一直是国内外研究学者重点关注的热点问题。 水声目标探测技术伴随着现代电子信息、信号处理和海洋船舶技术的进步，不断演进发展。水声目标探测主要是以回波检测为手段的主动探测方式。20世纪，经过两次后，出于对自身隐蔽性的要求，以噪声检测为手段的被动探测方式逐渐成为主要的水声目标探测体制。而近几十年来，随着现代静音技术的发展，被动目标探测距离急剧下降，从而促使主被动联合探测的方式成为水声目标探测重要手段。

非线性信号处理则包括随机共振理论、基于随机统计学理论的非线性

非线性信号处理则包括随机共振理论、基于随机统计学理论的非线性时间序列分析（非参数化模型估计、非线性 ARMA 模型参数估计等）、基于混沌动力学理论的非线性时间序列分析（嵌入维估计、相空间重构技术、分形维和Lyapunov指数估计、全局与局部动力学模型估计、非线性预测与降噪等）、自相似随机信号模型（分数布朗运动、分数高斯噪声、分数Lévy稳定运动）等方面的工作。比如，Haykin和Thomson提出了一种新的非平稳信号探测的思路，即非平稳环境下的信号探测问题可以转化为自适应模式识别的问题，利用 Wigner-Vill分布等时频分析工具对数据进行二维时频分析，进行特征提取，并用神经网络进行探测。