PhD-Aerospace - Cranfield University

MSc Computational Fluid Dynamic - Cranfield University

我的简介：

我于2021年四月拿到关于《Multi-Target Tracking for Sensor Networks》的Aerospace博士学位，于2022年四月入职Cranfield University 从事Autonomous Navigation 的研究。我在硕士毕业后曾在某国内小民企从事一年的CFD 工程师工作，主要承接大型制造业企业的流体仿真分析项目。

关于我的课程：

教学经验：

1. 负责SensorFusion的教学，答疑，批改作业
2. 负责Statistical Learning Methods的教学，答疑，批改作业

博后及项目：

1. Euroswarm，无人机集群探测跟踪

此项目中熟悉了Pixhawk无人机建模，仿真，硬件搭建，以及二次开发（独立完成PX4 位置控制的修改）

1. RelyMapEnhance，GNSS在城市街道中的性能提升

此项目中熟悉了Ublox， GNSSSDR等软件的使用， 独立开发基于Recurrent Neural Network 的传感器融合算法

博士课题：

多目标跟踪，一般简称为MOT (Multiple Object Tracking)，也有一些文献称作MTT (Multiple Target Tracking)。在事先不知道目标数量的情况下，对场景内的行人、汽车、飞行器等多个目标进行检测并赋予ID进行轨迹跟踪。不同的目标拥有不同的ID，以便实现后续的轨迹预测、精准查找等工作。MOT是计算机领域的一项关键技术，在自动驾驶、智能监控、行为识别等方向应用广泛。多目标跟踪中即要面对在单目标跟踪中存在的遮挡、变形、运动模糊、拥挤场景、快速运动、光照变化、尺度变化等挑战，还要面对如轨迹的初始化与终止、相似目标间的相互干扰等复杂问题。因此，多目标跟踪当前仍然是图像处理中的一个极具挑战性的方向，吸引了不少研究人员的长期投入。

MTT研究中涉及的：

1. 数据融合算法
2. 数据关联算法
3. 应用统计学
4. 传感器建模
5. 传感器网络
6. 分布式算法
7. 基于RNN以及其变种的机器学习算法

等方面的知识我都有涉猎。相关的工具有Matlab, Python, Tensorflow

硕士及工作课题：

关于计算流体力学，我主要进行应用方面的研究。我的硕士论文是车辆的流体力学仿真分析，工作后也主要从事汽车行业的研究分析包括：

1. 油动阀门的动态仿真 （fluent动网格）
2. 白车身电镀的滚浸机构流体仿真 （fluent多相流）
3. 某集团货车刹车系统专项仿真分析工具的开发（Hypermesh, Fluent的定制化开发）
4. 某车企畅销车型的空气动力学优化 （Hypermesh, Sculpter, Fluent, Isight 的全流程分析）

曾经在多本国际期刊，会议上发表论文，让我对国际期刊的发表流程深有体会，也愿意分享我的经历给有论文发表需求的同学们。

我目前负责院里的教学任务超过二年，对学生如何提高报告，考试成绩有第一手信息。

辅导课程：

传感器信息融合Sensor Fusion

计算流体力学Computational Fluid Dynamics

统计学习方法Statistical Learning Methods

无人系统建模于仿真UAS Modelling and Simulation

自动系统的人工智能Artificial Intelligence for Autonomous Systems