openrov相关资料，软、硬件资料。OpenROV配备了三个推进器、LED前灯和塑形橡胶，加上一根绳缆(需要更长的绳缆可以另外购买)，玩家可以用电脑、手机等计算设备上的开源软件对OpenROV进行控制，最高时速能够达到2m/s，续航时长3个小时。

~摘 要：为解决水下无线传感器网络中由于水声信道的特殊性引起的空间公平性问题、长传播延迟导致的三重终端问题，并有效实现多信道机制，提出了一种基于单收发器的水下多信道MAC协议——SFM-MAC。该协议融合了水下定位信息，无需采用全网时间同步机制，通过多信道的RTS/CA/CL/CTS握手机制来解决相关问题。采用马尔科夫链构建了控制信道的预约模型，给出了多信道吞吐量的理论分析，得到了考虑预约碰撞条件下的多信道MAC协议的理论吞吐量。通过仿真实验验证了SFM-MAC的实际性能。仿真结果表明：SFM-MAC能提高网络的公平性，并能达到较高的网络吞吐量。

这是2020年IEEE上的论文，自己要用没找到翻译版本就翻译了一下，翻译不好。只是分享出来大家共同参考，有需要的请自取

使用常规植被指数很难从卫星图像中准确识别和提取水体和水下植被，因为对水的强烈吸收会削弱浅水湖泊中水下植被反射的高近红外光谱特性。 这项研究以中国半干旱地区的乌兰苏海浅湖为研究地点，并提出了一种新的凹凸决策功能，可以利用高粉1号（GF-1）检测水下水生植物（SAV）和识别水体。 ），并于2015年7月和2015年8月获取分辨率为16米的多光谱卫星图像。同时，通过决策树方法对新兴植被，“黄台藻开花”和SAV进行了同时分类。 经过实地调查和核实，7月和8月的分类精度分别为92.17％和91.79％，表明GF-1数据重访期短至四天且空间分辨率高，可以满足水生植被要求的精度标准。萃取。 结果表明，凹凸决策函数在区分水和SAV方面优于传统的分类方法，从而大大提高了SAV的分类精度。 凹凸决策函数可以应用于在1.5 m透明度下SAV覆盖率大于0.3 m大于40％，SAV覆盖率大于0.1 m大于40％的水域，这可以为在其他区域准确提取SAV提供新的方法。

基于人工测量的自适应滤波器，可通过水下无线传感器网络进行节能目标跟踪

此程序主要是根据点源声场的远场解表达式编写的匹配场定位程序，有Bartlett处理器和最小方差处理器，每步程序都有详细的解释

基于MAB的两层学习算法，用于随机水下声通信网络中的联合信道和功率分配

光在水中传播时受水的吸收作用和水中微粒的散射作用而发生衰减; 因水的浊度变化, 且水下拍摄时景深不一, 导致水下获取的图像雾化程度和色彩偏差不同。传统的去雾算法用于处理这些模糊程度和色差多变的图像时效果欠佳。针对该问题, 提出基于亮通道色彩补偿与融合的水下图像增强算法。首先, 基于亮通道对原图像进行色彩补偿, 获得色彩补偿的图像; 再对色彩补偿的图像进行自适应对比度拉伸获得对比度高的清晰图像; 最后采用多尺度融合策略对色彩补偿后的图像及对比度拉伸后的图像进行融合。结果表明, 本文算法可广泛应用于多种水下降质图像, 且在无任何先验信息的条件下, 能有效提高水下图像对比度和平衡图像色彩。

基于可变长时隙机制的水下传感器网络MAC协议

基于可变长时隙机制的水下传感器网络MAC 协议