ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE

Ders Bilgi Formu ( STEK 567 )


   Temel bilgiler
Ders adı: Hedef Takibi ve Sensör Füzyonu
Ders kodu: STEK 567
Öğretim üyesi: Dr. Öğr. Üyesi Ahmet GÜNEŞ
AKTS kredisi: 7.5
GTÜ kredisi: 3 (3+0+0)
Yılı, Dönemi: 2020, Güz
Dersin düzeyi: Yüksek lisans
Dersin tipi: Alan seçmeli
Öğretim dili: İngilizce
Öğretim şekli: Yüz yüze
Ön koşullar: yok
Staj durumu: Yok
Dersin amacı: -
   Öğrenme çıktıları Yukarı

Bu dersi başarıyla tamamlayan öğrenciler, şu yetilere sahip olurlar:

  1. Bu dersle savunma teknolojilerinde de bir çok uygulaması olan konumlandırma, hedef tespit ve takibi, merkezi ve dağıtık sensör füzyonu algoritmalarının anlatılması hedeflenmektedir. Ders kapsamında simülasyon ve gerçek verilerle laboratuvar çalışmaları da yapılacaktır.

    Program Çıktılarına Katkıları

    1. Askeri uygulamalarda kullanılan sensör sistemleri hakkında bilgi kazanmak.
    2. Sensör verilerini analiz edip anlamlandırabilmek.
    3. Mevcut bilgiyi geliştirme yöntemleri bulmak

    Değerlendirme Tipi

    1. Ödev
    2. Dönem projesi
  2. Her öğrenci proje kapsamında bildiri formatında bir rapor da yazarak yazım kabiliyetinin de gelişmesine katkı sağlanır.

    Program Çıktılarına Katkıları

    1. Araştırma konusu ile ilgili fikir ve bulgularını sözlü ve yazılı olarak etkin şekilde ifade edebilmek
    2. Profesyonel ve etik davranış sorumluluğu sergilemek

    Değerlendirme Tipi

    1. Ödev
    2. Dönem projesi
   İçerik Yukarı
1. hafta: Temel tanımlar. Rastgele değişkenler ve olasılık dağılımlarıyla ilgili hatırlatmalar.
2. hafta: Bayes kuralı. Optimum kestirimciler. Maksimum a-posteriori, en küçük kareler hatası kestiricileri.
3. hafta: Durum-uzay ve ölçüm modelleri. Markov süreçleri.
4. hafta: Kalman filtresi. Bayesçi yaklaşımla Kalman filtresinin çıkarılması.
5. hafta: Genişletilmiş Kalman filtresi.
6. hafta: Parçacık filtresi.
7. hafta: Sensör füzyonu. Geliş açısı, geliş zamanı, geliş zamanı farkı ölçüm modelleri.
8. hafta: Kargaşa içindeki bir hedefin takibi. En yakın komşuluk, olasılıksal veri ilişkilendirmesi, Gaus toplamı filtreleri.
9. hafta: Bilinen sayıdaki çoklu hedef takibi. Tespit ve iz ilişkilendirmesi.
10. hafta: Küresel en yakın komşuluk filtresi, birleşik olasılıksal veri ilişkilendirme filtresi, çoklu hipotez takip filtresi.
11. hafta: Su altı yayım problemleri ve filtrelerin uygulanması.
12. hafta: Farklı süreç modelleri üzerine örnekler.
13. hafta: Farklı gözlem modelleri üzerine örnekler.
14. hafta: Bilinmeyen sayıdaki hedefin tespit ve takibi ile rastgele sonlu kümeler teorisi.
15. hafta*: -
16. hafta*: -
Ders kitapları ve materyaller: 1. B. Ristic, Beyond the Kalman Filter: Particle Filters for Tracking Applications, 2004.
2. J. V. Candy, Bayesian Signal Processing: Classical, Modern, and Particle Filtering Methods, 2016.
Önerilen kaynaklar: -
  * 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.
Değerlendirme Yukarı
Değerlendirme tipi Hafta numarası Ağırlık (%)
Ara sınavlar (Vizeler): 0
Dönem içi diğer çalışmalar: 0
Proje: 50
Ödev: 50
Kısa sınav (Quiz): 0
Final sınavı: 0
  Toplam ağırlık:
(%)
   İş yükü Yukarı
Etkinlik Süre (Haftalık saat) Toplam hafta sayısı Dönem boyu toplam iş yükü
Dersler (Yüz yüze öğretme): 3 16
Ders dışı bireysel çalışma: 2 16
Uygulama, Rehberli problem çözme: 0 0
Ödev: 5 16
Dönem projesi: 1 16
Dönem projesi sunumu: 1 16
Kısa sınav (Quiz): 0 0
Ara sınav için bireysel çalışma: 0 0
Ara sınav (Vize): 0 0
Final sınavı için bireysel çalışma: 0 0
Final sınavı: 0 0
    Toplam işyükü:
    Toplam AKTS kredisi:
*
  * AKTS kredisi, toplam iş yükünün 25'e bölümüdür. (1 AKTS = 25 saatlik iş yükü)
-->