针对四体无人艇的航行阻力性能受其分布式片体横、纵间距耦合影响的问题，通过综合对比多种片体布局方案在不同航速工况下的阻力系数，对自主设计的四体无人艇的片体布局进行优化。首先，构建多种布局方案，基于计算流体力学数值模拟方法与Fluent求解器对其三种航速工况下的静水阻力系数进行对比分析；其次，设计综合阻力系数评价函数，选取阻力性能最优的片体布局方案；最后，通过对比优化前后的航行兴波高度与片体表面压力进一步验证布局优化对整船航行效果的改善作用。仿真结果表明，片体的纵间距是影响整船航行阻力的主要因素，片体布局优化后的综合阻力系数较优化前减小约12.9%,并且能够有效减小无人艇的航行兴波高度与片体表面压力。

针对由全球海上船舶数量增长导致的碰撞事故频发问题，提出一种基于深度强化学习(DRL)算法的船舶智能避碰决策模型，基于对抗双深度Q学习(Dueling-DDQN)与船舶领域模型的建立，设计奖励函数时充分考虑了《国际海上避碰规则》(COLREGs)及船舶偏航等要素，以确保避碰决策的合规性与合理性。搭建仿真环境模拟多船会遇场景，并利用神经网络模型处理复杂环境信息，进行模型训练与验证。实验结果表明，相比传统深度Q学习算法，本文模型在收敛速度和稳定性方面均表现出显著优势，能够准确判断会遇局面，并依据COLREGs采取恰当的避碰措施，展现出较高的决策准确性和可靠性，可为船舶在复杂海况下的智能航行提供有效的决策支持。

针对运动水声通信难以低复杂度精准获取时变信道状态信息的问题，提出基于快速信息收集和虚拟训练序列（FIC-VT）的低复杂度双向水声信道精准估计算法。采用叠加训练（ST）方案，将符号序列和训练序列线性叠加，使得训练序列持续传输，提高时变信道跟踪能力。基于置信传播，提出FIC-VT算法，将一块数据分成多个短块，每个短块又分成多个子段，通过快速信息收集算法，将多个子段的信道信息进行融合，从而获得每个短块的低复杂度局部信道估计。利用短块间的信道相关性，对多个短块的信道信息进行双向信息融合，从而获得当前短块的低复杂度全局信道估计。基于Turbo均衡，将估计的符号序列虚拟为训练序列（VT），通过迭代计算实现时变水声信道低复杂度精准估计。本文算法由快速傅里叶变换（FFT）实现，每个抽头计算复杂度仅为对数级。计算机仿真、水池运动通信试验和胶州湾运动通信试验验证了本文算法的有效性。

针对内河船舶航行场景复杂、航海雷达图像形状与颜色特征较少且难以标注的问题，提出一种改进的YOLOv8航海雷达图像目标检测方法。首先，为缓解标注错误与模型过拟合问题，在模型训练阶段引入标签平滑策略；然后，结合雷达图像特有的位置先验信息，设计一种基于坐标的卷积结构用于同时提取目标的形状、颜色和位置特征。为验证该方法的有效性和优越性，对采集的长江航道雷达图像在不同天气环境下进行对比试验。结果表明，本文方法在保证目标检测实时性的同时，精确率达到91.52%，平均精度较经典YOLOv8提高了5.17%，可为提升内河航运现代化与智能化管理水平提供技术支持。

针对无人船在内陆湖环境使用A^*算法规划的路径存在避碰能力不足、转向动作多、转向路径不平滑的问题，提出一种改进A^*和路径平滑算法。首先改进估价函数，引入避障代价和转向代价；其次迭代使用A^*算法逆向分段生成路径，消除原始A^*算法的冗余路径；最后考虑无人船的旋回性能，对转向轨迹进行优化。在真实内陆湖水域栅格地图上的仿真实验表明，该改进算法可显著降低无人船的碰撞概率、转向角度和行驶距离，提高了无人船的转向表现。