船体水下区域的检验(如图11)

船体水下区域的检验(如图11)。船舶由于碰撞、触礁、螺旋桨绞入渔网等事故，需要进行特殊检验，通常需要派潜水员到水下进行观测和拍摄视频(或照片)，以便根据实际损坏情况得出检验结论，供保险公司和船东参考。如果能使用水下智能机器人(如图11的水下蛇形机器人)，上述工作就变得非常容易，完全可以替代潜水员完成这项艰巨的任务。可以将拍摄(或其他探测方式)到的水下船体情况实时上传到水面分析，得到远比潜水员水下观测更为准确的信息。

多波束系统与侧扫声呐的探测原理

多波束系统与侧扫声呐的探测原理有相似之处，都是利用一个垂直航向排列的向海底发射的扇形波束剖面进行扫测，但多波束主要关心的是回波的传递时间，而侧扫声呐主要关心的是回波（或反向散射波）的脉冲幅度。与此相应的是两种仪器设计理念上的不同：多波束实质上是一套测深系统，测定水深并定位是其基本功能；侧扫声呐初用于**，后来才逐渐发展到民用，迅速地发现、识别并判定目标是其基本功能。

从原理上讲，侧扫声呐适合搜索和发现海底目标，多波束则适合全覆盖测定水深，并根据水深变化判断目标的范围和大小，在实际应用中往往也是这么做的。

如何提高水声目标探测性能

在复杂海洋环境下，面向越来越低的目标输入信噪比条件，如何提高水声目标探测性能是水声信号处理领域亟待解决的问题。而从目标角度出发，通过研究目标信号在产生、传播与接收过程的特征，并利用目标特征进行高增益处理，以提高对目标信号侦察与探测性能是一种自然的选择。

基于固有特征量的目标探测技术。所谓固有特征量，就是指目标辐射噪声中受海洋信道长距离传输影响变化较小，或即使有变化，但变化规律已知或者是可控的那一部分分量。根据目标辐射噪声形成和传播机理，固有特征量往往集中在低频、甚低频段，因此此类目标探测技术主要聚焦在目标的低频、甚低频特征探测上。例如，李启虎等提出的带有自适应线谱增强的单频特征信号探测技术，能够获得比传统能量探测方法更高的处理增益，有效探测具有线谱特征的微弱目标，从而有效提高了被动目标探测作用距离。

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。