随着人工智能的飞速发展以及我国“海洋强国”战略的不断深化实施,无人艇的相关研究与应用也进入一个新的发展阶段,无人艇在海上救援、海洋探测等方面发挥着重要的作用。无人艇顺利执行任务,涉及无人艇集群场景感知、实体语义理解、场景态势分析、控制决策等多个环节。其中水面态势感知技术是无人艇进行控制决策的基础,因此对其进行研究具有重大意义。然而,现实场景下水面态势感知技术少有大量公开应用,导致真实的水面海洋态势难以大量获得。并且无人艇作为未来必将广泛应用的精密设备,对应用在上面的技术有着实时性高、成本低、准确率高等要求。面对以上问题,本文对水面海洋态势的生成方案及面向无人艇的水面态势感知技术进行了深入研究。本文的主要研究内容与创新点如下:针对真实的水面海洋态势难以大量获得等问题,提出了一种基于策略库的水面海洋态势生成方案。在策略库设计层面,启发于真实水面海洋实体属性和环境属性设计策略属性集合,并由策略属性组成多样的策略用于判断水面海洋态势成立的条件。在水面海洋态势生成层面,通过对策略库和真实水面海洋实体的随机抽样,生成近乎真实的水面海洋态势,便于后续算法研究。经后续实验从反面印证了该水面海洋态势生成方案的有效性。针对无人艇应用成本低、算力有限等问题,提出基于LightGBM的无人艇水面态势感知算法。该算法利用Light GBM结合决策树、Boosting集成策略和梯度提升的特点,通过构造一系列具有强关联的决策树提取水面海洋实体属性信息,使得总体模型的态势感知准确率逐步上升。使用本文中生成的水面海洋态势作为数据集,该算法相比其他算法准确率更高且训练时间更短,同时作为机器学习方法相比深度学习方法具有部署成本低的优点。针对无人艇应用有实时性、准确率的要求,提出基于图卷积神经网络的无人艇水面态势感知算法。该算法通过将水面海洋实体的部分属性转化成图数据,在实体之间建立了联系,然后使用图卷积神经网络充分提取图数据的特征信息,得到它们的图嵌入向量,最后结合其余特征向量用于最终的水面态势感知。使用本文中生成的水面海洋态势作为数据集,相比其他算法,在准确度上获得了最好的结果,在实际推理效率上,由于图嵌入向量具有维度低和可提前保存的特点也是效率最高的。