DSB智能自主技术定义DSB将自主技术定义为“使系统的特定功能能够自动运行，或者在经编程的边界内，能够‘自治’的一种（或一组）能力”。自主性将增加复杂/动态/战术环境中设备的生存性和自适应性，减少人为干预，通过导航和通信继电设备实现合作以及多设备操作，并提供更高水平的环境态势感知。AUV智能自主技术能够根据内部和外部状态完成环境探测和分析、运动决策、优路径实时规划、自主寻的和避障等
水下机器人研发
DSB智能自主技术定义
DSB将自主技术定义为“使系统的特定功能能够自动运行，或者在经编程的边界内，能够‘自治’的一种（或一组）能力”。自主性将增加复杂/动态/战术环境中设备的生存性和自适应性，减少人为干预，通过导航和通信继电设备实现合作以及多设备操作，并提供更高水平的环境态势感知。AUV智能自主技术能够根据内部和外部状态完成环境探测和分析、运动决策、优路径实时规划、自主寻的和避障等。为了适应复杂的水下环境，智能AUV对于自身模型的不确定性和外部扰动具有学习和自适应能力，其迅速发展是建立在大数据、深度学习、强化学习和计算硬件迅速发展的基础上。
多基地主动目标探测技术
多基地主动目标探测技术。分布式探测系统工作在主动模式下即是多基地。多基地概念来自雷达领域，引入到水声领域已有数十年时间，但在应用上很难与雷达领域相比，究其原因主要是水声传播速度慢、时延不可忽略、信道时空起伏严重，基于概率统计与忽略时延的多基达探测与估计理论很难适用。因此，相关研究主要集中在利用简单声学模型（主要基于声呐方程）、结合经典统计理论与数据关联融合方法优化系统配置、探测与定位性能方面，其中探测方法与基于目标级关联融合的被动探测方法类似，未考虑主动观测周期、传播时延等的影响，其性能还是依赖于单基地探测能力，很难利用多基地特性获取额外增益。
L波段与C波段在植被覆盖区测量点密度的差异
从定量化的角度出发，InSAR系统的敏感度（sensitivity）密切相关。长波长对于微小目标缓慢变形的敏感度要较短波长下工作的其他传感器，同等相位误差的条件下，长波长系统的测量误差要大，但因相干性的优势，其在植被区识别的测量点的密度与空间覆盖要好一些。考虑到变形过程的积累，一定的采集时间频率（例如，20幅图像/年）下，与较短波长系统相比，较长的波长可监测到更多变形过程（降低了发生相位混叠的可能）。但其他较低频率的SAR数据依然有价值，比如感兴趣区植被覆盖较为密集，且变形幅度超过数个厘米的情况时。
空间分辨率越高,就越能“看到”有用的信息
空间分辨率对任一对地观测系统而言都是极为关键的参数。光学遥感中，空间分辨率越高，就越能“看到”有用的信息。这一认识对SAR幅度影像同样适用，空间分辨率越高，数据解译将更加容易。但是对于InSAR形变测量情况又如何呢？实际上，同样的观测环境下，空间分辨率越高，有效测量点（measurementpoints）的密度越高，越能精细刻画变形场的细节差异。显然，Sentinel-1标称分辨率为5米x20米，在精细测量方面的能力是有欠缺的。根据经验，给定区域下，如采用标称分辨率为3米x3米（9平方米/像元）的TerraSAR-X雷达数据，其测量点的密度可达哨兵-1（5米x20米，100平方米/像元）情况下的10倍。
（作者： 来源：）
