智能AUV在对导航信息处理中引入人工智能技术实现智能导航的步

近代脑科学研究的进步促进了人工智能理论和技术的快速发展，也使以类脑的方式实现对人或动物认知导航机制的模拟成为可能，从而加快了在无人化平台发展中引入人工智能技术实现智能导航的步伐。智能AUV在对导航信息处理中引入了人工智能理论和技术，如认知科学等。例如，以认知导航具有的学习记忆、知识推理以及行为规划等智能导航信息处理能力为技术支撑，可以实现无人平台在自主选择的航迹上持续性自由行进，达到全自动化运行控制的目的。

AUV主要用于开展海洋调查、水下测绘、目标探测识别及情报搜集

目前，AUV主要用于开展海洋调查、水下测绘、目标探测识别及情报搜集与侦察等一些基本任务。随着人工智能技术和AUV平台的深度融合，对智能AUV的研究将得到进一步深化和拓展。

人工智能技术在诸多领域取得了突破性成果，并促进智能AUV向类型多样化、功能扩展化的方向发展。有关文献提出了将无人平台智能水平划分为5个等级，描述了各等级的作业能力、任务内容等，明确了各等级间演进的关键技术以及功能差异，对智能装备技术水平作了较好界定。

软(硬)式扫海具扫海、海洋磁力仪扫海是海道测量领域主要采用的

侧扫声呐是一种专门用来探测海底地貌起伏变化的拖曳式扫海测量设备，它和软（硬）式扫海具扫海、海洋磁力仪扫海是海道测量领域主要采用的扫海方法。鉴于侧扫声呐技术的不断发展完善，目前传统的软（硬）式扫海具扫海已经基本被取代，侧扫声呐扫海技术以其快捷、直观的作业模式得到广泛使用。

侧扫声呐工作原理如下图，当声脉冲发出之后，声波以球面波方式向远方传播，碰到海底后反射波或反向散射波返回到换能器，距离近的回波先到达换能器，距离远的回波后到达换能器，一般情况下，正下方海底的回波先返回，倾斜方向的回波后到达。这样，发出一个很窄的脉冲之后，收到的回波是一个时间很长的脉冲串。坚硬的、粗糙的、突起的海底回波强，柔软的、平坦的、下凹的海底回波弱。

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。