查看课程详细介绍.docVIP

附件6 天津大学研究生课程简介 课程名称 多传感器数据融合 课程编号 B203E015 英文名称 Multi Sensor Data Fusion 授课教师姓名 董 峰 授课教师职称 教授 开课单位 电气与自动化工程学院 开课学期 春季 学时 30 学分 1.5 授课方式（讲授或讨论以及各授课方式的学时安排） 课程形式采用教师课堂授课与学生文献检索、学习报告和课堂讨论相结合方式。在教师讲授基本概念、原理和方法的基础上，要求学生结合所从事的研究方向，从某一具体的多传感器融合的方法、模型和算法出发，采用分组学习、总结报告和全体参加讨论的形式完成课程学习。 课程内容简介 《多传感器数据溶合》是控制科学与工程学科博士研究生选修课。目的是掌握多传感器融合技术的基本内容和研究方法。建立多源检测信息获取和数据分析的理论体系，探讨该技术在复杂过程系统参数检测中的最新发展和应用。课程主要内容包括： （1）多传感器数据融合的基本概念、产生和发展历程； （2）多传感器数据融合的基本理论、模型和方法； （3）多传感器数据融合典型算法； （4）多传感器融合技术的应用。 考核方式（闭卷考试、开卷考试或文献综述等） 要求学生完成课堂报告、提出问题、回答问题和最终的学习报告，考核成绩以四方面的综合成绩评判。 教材 1. H.B. Mitchell, Multi-Sensor Data Fusion: An Introduction, Springer, 2007. 2. M.E. Liggins, D.L. Hall, J. Llinas, Handbook of Multisensor Data Fusion: Theory and Practice (Second Edition), CRC Press, 2007. 主要参考书目及文献 1．E. Waltz, J. Llinas, Multisensor Data Fusion, Artech House Inc.,1990. 2．I.R. Googman, R.P.S. Mahler, H.T. Ngutyen, Mathematics of Data Fusion，Kluwer Academic Publishers，1997. 注：教材与参考书目的录入格式为作者名，书名，出版单位，出版时间。 课程教学大纲 章节序号 章节名称 内容要点 学时安排 授课方式 课堂讲授 其它 （请注明） 1 多传感器及数据融合结构 多传感器融合概念、类型、及特性；多传感器数据融合体系结构 2 ( 2 多传感器数据表示及转换 多传感器数据表示形式、转换方式；空间校准、时间校准，及数值的方法 4 ( 3 贝叶斯推理融合算法 概率模型与分布函数；共轭先验条件与非先验信息；数据丢失；模型选择；贝叶斯模型求计算；马尔科夫蒙特卡洛法等 4 课堂 讲座+讨论 4 参数估计融合算法 参数估计与贝叶斯曲线拟合；线性高斯模型与线性拟合；变换点检测；概率子空间；广义米尔曼准则等 4 课堂 讲座+讨论 5 鲁棒统计方法 鲁棒参数估计与似然函数；经典鲁棒估计器；鲁棒子空间技术等 2 课堂 讲座+讨论 6 连续贝叶斯推理融合算法 循环滤波与卡尔曼滤波；数据关联与模型误差；多目标跟踪；各类卡尔曼滤波器扩展模型；多传感器多尺度数据融合、测量融合与航迹融合等 4 课堂 讲座+讨论 7 贝叶斯决策理论与数据融合 特征表示、性能、变换与模式识别；特征空间、模型假设、学习方法与误差估计；典型分类器等 4 课堂 讲座+讨论 8 数据融合中的学习策略 经验框架；多样性测量；总体选择；分类器类型；组合策略；简单组合；优化学习等 4 课堂 讲座+讨论 9 多传感器管理方法 多传感器数据分类；传感器控制、排列、资源安排；传感器管理技术；信息论准则、决策等 2 ( 课程负责人：董峰 年 月 日 附件7 Course Introduction Course Multi Sensor Data Fusion Course code Teacher’s name DONG Feng Title Professor School School of Electrical Engineering and Automation Semester Spring Semester Hours 30 Credit 1.5 Teaching method Course form uses the way of the teacher’s classroom teaching combined with student’s literature retrieval, the study report and cla