多AUV协同智能化系统多AUV协同智能化系统是由多个同构或异构智能无人子AUV系统组成的空间、时间、事件和功能分布的复杂系统。具有高度并行性、鲁棒性和协作性的多AUV智能系统已成为智能AUV发展的重要方向之一。该系统具备信息收集和环境认知能力，可借鉴人类在认知过程中的认知信息处理、复杂环境认知算法、基于认知的学习和推理方法等，感知、识别、理解其所处的水下环境。智能化系统主要涉及自主
模块化水下机器人价格
多AUV协同智能化系统
多AUV协同智能化系统是由多个同构或异构智能无人子AUV系统组成的空间、时间、事件和功能分布的复杂系统。具有高度并行性、鲁棒性和协作性的多AUV智能系统已成为智能AUV发展的重要方向之一。该系统具备信息收集和环境认知能力，可借鉴人类在认知过程中的认知信息处理、复杂环境认知算法、基于认知的学习和推理方法等，感知、识别、理解其所处的水下环境。
智能化系统主要涉及自主控制、多源信息融合、水声通信、场景分割、目标检测与识别、导航、地图构建等多项关键技术，朝长航时、大深度、智能化、模块化、体系化、协同化等方向不断发展。多AUV协同智能化系统将突下通信和组网局限，通过水下传感器网络，从独立运作升级为与可其他平台协同完成复杂任务。
多波束系统适合时间要求不紧的非应急情况下的探测任务
多波束系统是一个精密测深系统，辅助设备多，为保证测量精度，必须测定运动姿态、声速剖面、航向和潮汐变化，在测量前后还要进行仪器校准，否则测量精度会降低，探测性能也将受影响。多波束系统在海上作业结束后，需要经过内业后处理才能得到较为清晰的目标图像，探测效率一般。因此多波束系统适合时间要求不紧的非应急情况下的探测任务。
侧扫声呐使用水下拖鱼拖曳式作业，拖鱼入水即可开始探测工作，不需要严密的校准，探测，适合时间紧迫的应急探测任务。侧扫声呐声图在海上测量时就可以实时显示出来，测量人员可以根据声学图像效果及时调整探测方案进行精扫，直至获得清晰可读的图像，然后在图像上量取目标位置和坐标信息。
主动认知探测技术将智能认知与主动目标探测相结合
主动认知探测技术。在传统主动探测中，由于缺乏知识反馈机制，在复杂变化的水下环境很难获得理想的探测效果。而所谓认知过程就是将感知、处理、学习与反应密切结合的知识形成过程，因此主动认知探测技术将智能认知与主动目标探测相结合，提出了一种基于知识反馈的智能探测架构和处理形式，即通过借鉴智能认知过程，利用发射水声信号主动感知水声环境和目标信息的特点，形成对环境与目标的认知学习，并将这种知识实时反馈给探测过程中的发射和接收环节，使之与环境和目标状况相适配形成正向反馈环路，从而能够在复杂环境下获取主动声目标探测性能。虽然主动认知探测研究尚处在起步阶段，但是为主动探测提供了新思路。
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：）
