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
水下机器人价格
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。
目标探测设备由单平台集中处理向多平台协同处理方向发展
“多发多收”技术，一方面通过不同发射节点上的波形设计和发射控制，可以减少信道选择性衰落和目标散射强度起伏对探测性能的影响，提升探测稳健性；另一方面通过能量发射分散、接收集中，可以在保证目标探测范围的同时，减少被截获的概率。因此，随着目标探测设备由单平台集中处理向多平台协同处理方向发展，分布式目标探测技术由于融合了信号处理、分布式计算、通信网络等交叉领域技术，已经成为水声目标探测领域内日益关注的一个研究方向。
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。
波长的选择同等环境要素下(地表覆被等)重复轨观测(形变监测的
波长的选择
同等环境要素下（地表覆被等）重复轨观测（形变监测的“天然”要求）时，长波长可穿透植被冠层，甚至穿透部分地表，相干性受植被变化的影响较小，尽可能确保了有效观测（获取地表相位）的存在，这是“测量”的基础。从定量测量出发，理论上，SAR的波长决定了可测量形变场的梯度（此处暂不考虑重访周期）。由于相位混叠（phasealiasing）的存在，应用中为探测过大的变形，一般选择波长较长的SAR数据。以L波段传感器（日本的ALOS-2、阿根廷的SAOCOM以及未来德国的TanDEM-L和我国的TL-1号）为例，其波长约为24 cm，是C波段（6 cm）或X波段（3 cm）长的几倍，与C波段（Sentinel-1、RADARSAT-2等）和X波段（TerraSAR-X、COSMO等）相比，可探测大变形的能力胜过几倍。这种能力在植被较为密集地区的大变形测量中的优势尤为明显。
（作者： 来源：）
