基于智能感知技术,AUV能够基于声学、光学等传感信息进行自主

基于智能感知技术，AUV能够基于声学、光学等传感信息进行自主调配以自动适应环境，建立符合复杂环境的泛在感知能力，实现异构多源传感器信息柔性融合的组合运用。2016年，美国俄勒冈州立大合特拉华大巴哈马群岛附近海域成功完成了无人潜航器智能反应系统试验。通过在瑞典水螅公司生产的REMUS600型AUV上使用传感器融合技术，使AUV能够实时有效地应对周围生物的影响，并跟踪收集生物信息。

被突起海底遮挡部分的海底没有回波

被突起海底遮挡部分的海底没有回波，这一部分叫声影区。这样回波脉冲串各处的幅度就大小不一，回波幅度的高低就包含了海底起伏以及底质的信息。一次发射可获得换能器两侧一窄条海底的信息，在设备上显示成一条线。工作船向前航行，换能器按一定频率进行发射和接收操作，设备将每次接收到的一条线数据显示出来，就得到了二维海底地形地貌的声图，声图以不同的灰度表示海底的特征，由此来判断海底的地形地貌。侧扫声呐能直观地提供海底形态的声图，但声图显示受波束入射角度、环境噪声、扫测航向、航速以及目标形状的影响很大，所以对测量人员的判图经验要求很高。

水声目标探测技术向智能化方向发展

传统的水声目标探测，其目标性能受操作员的能力影响较大，有经验的操作员往往更容易检测判断出低信噪比背景下的目标。近年来，随着水下无人航行器（UUV）、水面无人艇（USV）等无人系统在水中逐渐应用，一方面，如何使无人系统在无人操作或者少人参与条件下自主探测并发现目标成为水声目标探测新问题；另一方面，伴随着以深度学习、和大数据等为代表的人工智能技术迅猛发展，也为水声目标探测技术向智能化方向发展提供了契机。

InSAR应用是从有效探测(detection)开始的

InSAR应用是从有效探测（detection）开始的，在此基础上才有定量测量（measurement），再由连续观测构成不同精度水平的监测（monitoring）。在这一过程中，与SAR数据相关的有两个重要因素需要考虑，一个是的波长（工作频率），另一个是空间分辨率。实质上，这也构成了对地观测时候的“采样频率”，一个是可量测能力方面的（两次观测期间相邻点间相位梯度不超过四分之一波长），另一个是形变场空间梯度方面的（空间分辨率越高，同等波长下分解高相位梯度的能力越强）。