XiaoMi-AI文件搜索系统
World File Search SystemUnderwater
利用DELTA3D进行分布式水下作战仿真
预测武器系统的性能很难用数学方程来估计，因为需要考虑的变量很多。建模和仿真技术已经提出了可以评估武器系统开发和部署的最佳解决方案。模拟目的是设计模拟系统的决定性因素，但为每一个目的开发一个模拟器成本高、速度慢、灵活性差。分布式模拟系统通过将现有模拟器与系统连接起来，允许以经济的投入资源进行大规模模拟，并且可以灵活、快速地重新设计系统用于其他目的。本研究使用 Delta3D 模拟游戏引擎（最初为军事模拟而设计）在分布式系统中实现水下战争模拟，由于水下作战受环境情况影响最大，因此模拟系统交换环境数据。本研究采用 SEDRIS 处理环境数据，采用 HLA/RTI 处理分布式系统。
深海搜索与打捞：使用和不使用水下航行器
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
自主水下航行器的同伦约束路径规划
警告。获取和使用本博士论文的内容必须尊重作者的权利。它可以用于咨询或个人学习，也可以用于研究和教学活动或艺术术语中的材料。知识产权法综合文本（RDL 1/1996）第 32 条。如需其他用途，需事先征得作者明确授权。无论如何，在使用其内容时，必须注明作者姓名和博士论文题目。出于盈利目的对其进行复制或其他形式的利用，或从 TDX 服务以外的网站进行公开传播，均未经授权。也没有被授权在除 TDX（框架）之外的窗口或框架中呈现其内容。这种权利保留影响论文的内容及其摘要和索引。警告。获取和使用本博士论文的内容必须尊重作者的权利。它可以用于咨询或个人学习，也可以用于研究和教学活动或艺术术语中的材料。知识产权法综合文本（RDL 1/1996）第 32 条。如需其他用途，需事先征得作者明确授权。无论如何，在使用其内容时，必须明确注明编号和诉求
水下声学应用的高级分层复合结构
检测水下物体是最关键的技术之一，并且在海军战中开发复杂的声纳系统一直存在着努力。反对这样的努力，隐藏水下车辆，设备和武器的对策是另一个技术挑战。针对潜艇和其他水下物体（例如海军矿山）的声音检测的有效对策之一是使用复合/混合材料来防止易于检测。几何形式，形状和层，以及声学阻抗的调整，通过吸收声波波导致声纳信号大大降低。在这项研究中，开发了多层复合/杂种结构的原始和新颖设计，并在80 kHz-100 kHz频率范围内应用了水下声学测试程序。这项研究中获得的发现表明，具有多孔结构的多层复合/杂化材料的值比钢板的值要低得多，并且可能是潜在的候选物，作为水下矿山的覆盖和/或外壳材料，以减少在检测和识别识别的声学签名。
使用动态自适应技术实现 IOUT 的水下 WSN
摘要 —本文考虑了能耗和网络寿命之间的权衡。本文提出了一种称为能量动态自适应路由 (EDAR) 协议的最佳路由协议。DAR 协议使用最佳动态自适应路由方法在传感器节点的可靠性或数据包传送率 (PDR) 与误码率 (BER) 之间保持权衡。所提出的方法在三个不同的阶段运行，即初始化、动态路由和传输。在初始阶段，UWSN 中的所有节点在网络中的所有节点之间共享位置和剩余能量信息。在动态路由阶段，利用基于最优有向无环图 (DAG) 的路由选择来选择邻居和后继节点。这有助于连续路由将数据包从一个节点传输到另一个节点。在这里，使用有向无环图的成本函数来更好地传输数据包。实验结果表明，所提出的方法遇到了传统协议中提出的问题，并提高了具有更高 BER 的数据包的可靠性。索引术语 —水下传感器网络、物联网、有向无环图、动态自适应路由
水下图像增强的多尺度级联注意网络
水下环境的复杂性以及水中的轻衰减和散射通常会导致水下图像中的质量降解，包括颜色失真和细节模糊。为了消除水下成像中的障碍，我们提出了一种基于级联注意网络MSCA-NET的水下图像增强方法。特别是该方法设计了一个注意引导的模块，该模块以串行和并行方式连接通道和像素的注意，以同时实现通道特征的重新填充和特征表示增强。之后，我们提出了一个多尺度特征集成模块，以捕获图像中不同尺度的信息和详细信息。同时，引入了残留连接，以通过从浅水功能中获取更详细的信息来帮助深度功能学习。我们在各种水下数据集上进行了广泛的实验，结果表明，与最新的水下图像增强方法相比，我们的方法仍然具有优势。
基于改进的Segformer的水下图像的语义分割
水下图像细分对于诸如水下探索，海洋环境监测和资源开发等任务至关重要。尽管如此，鉴于水下环境的复杂性和可变性，改善模型准确性仍然是水下图像分割任务中的关键挑战。为了解决这些问题，本研究提出了基于标准Segformer模型的水下图像的高性能语义分割方法。首先，Segformer中的混合变压器主链被Swin Transformer替换，以增强特征提取并促进对全局上下文信息的有效获取。接下来，在骨干的下采样阶段和解码器中引入了有效的多尺度注意（EMA）机制，以更好地捕获多尺度特征，从而进一步提高了细分精度。此外，将特征金字塔网络（FPN）结构合并到解码器中，以在多个分辨率下组合特征图，从而使模型可以有效地集成上下文信息，从而在复杂的水下环境中增强了鲁棒性。对SUIM水下图像数据集进行测试表明，拟议的模型在多个指标上达到了高性能：联合（MIOU）的平均相交（MIOU）为77.00％，平均召回（MRECALL）为85.04％，平均精度（Mprecision）为89.03％，为89.03％，F1Score（MF1Score（Mf1score）为86.63％）。与标准Segformer相比，MIOU的提高3.73％，MRECALL为1.98％，Mprecision的3.38％和MF1Score的2.44％的提高，参数增加了989万。结果表明，所提出的方法通过最小的其他计算实现了出色的分割精度，从而显示了水下图像分割中的高性能。
自动水下车辆的控制系统的设计Edysys1
摘要。本文描述了自动水下车辆的控制系统的设计Edysys1。与远程操作的车辆（ROV）相比，一辆无人驾驶的水下车辆是一种无人驾驶的且自行的水下船只，可以独立运行，并执行几项分配给它的任务，该任务通常被束缚在船上或其他系泊的水车上。自主水下车辆的控制系统的智能设计是一个积极的研究领域，赋予对自治的需求和智能系统满足此类需求的能力。一个控制系统是用Raspberry Pi 4计算机设计为主控制单元的。通过车辆采集数据采集的各种子系统和传感器由Raspberry Pi 4控制，该覆盆子PI 4具有配置的机器人操作系统（ROS）。使用Python编程语言配置控制每个传感器的必要智能。此后，相关的python脚本在ROS框架中作为节点实现。通过调用ROS中的相关节点，通过ROS环境中的设计系统获得了各种感觉数据值。还实现了通过洛拉的成功沟通。
使用IDEA算法的自动水下车辆的监视系统
摘要。自动驾驶水下车辆（AUV）是一种在世界和印度尼西亚广泛发展的水下车辆。这个AUV以商业用途甚至军事目的而闻名。AUV配备了各种传感器和其他设备，以支持在水下观察的活动。这些传感器的使用可以用作水下观察中实际条件的参数。在这个最终项目中，将创建一个基于智能手机的应用程序，以监视AUV上的遥测数据并向车辆添加安全系统。用户可以执行监视过程以确定水下条件，并在网络上配备数据安全系统，以确保在交付过程中确保数据安全性。本应用程序的工作原理是，用户使用国际数据加密算法（IDEA）算法访问数据库服务器上已确保的数据，以进行数据解密过程。使用该算法是因为它是最好的，最新的块状算法，很少使用。遥测数据将在智能手机上处理，以便用户可以在水下看到或监视活动，并可用于实际分析。从实验结果中可以是平均处理时间为0.00065秒，可以得出结论，使用具有IDEA算法的安全系统的遥测数据监视系统可以与AUV上的安全和监视遥测数据一起使用。关键字：AUV，IDEA，KRIPTOGRAFI，加密。