湖南科技大学信息与电气工程学院

首页>> 学科介绍>> 低空技术与工程

低空技术与工程

低空技术与工程-硕士研究生培养方案

发文时间：2026-10-16 访问量

低空技术与工程学科硕士研究生培养方案

二级学科代码：0802J1

一、培养目标

本学科面向国家重大需求和国际前沿技术发展趋势，致力于培养德、智、体、美、劳全面发展的能从事低空技术与工程科研、教学、管理、技术开发、且具有良好创新思维和学术素养的高级专业人才。具体目标包括：

1. 掌握马克思主义的基本理论，拥护中国共产党的领导，热爱祖国，遵纪守法，诚信公正，科学严谨，学风端正，具有服务国家和社会的高度社会责任感、良好的学术道德和创新创业精神。

2. 在低空技术与工程学科上掌握坚实的基础理论与系统的专业知识，了解本学科的最新进展和研究动态，具有从事本学科课题研究和解决实际工程问题的能力，具有创新思维，并能在所从事的研究方向上做出具有创造性的成果。

3. 至少掌握一门外国语，能熟练地阅读本学科的外文资料及撰写科研论文。

崇尚科学，具有献身科学研究的探索精神、严谨的科研作风和良好的团队合作能力。

二、研究方向简介

1. 低空智能航行技术

本方向聚焦智能通信与网联、高精度定位导航与授时、飞行器自主运行及低空态势感知等为核心的前沿交叉学科，围绕低空复杂环境下的动态组网、抗干扰通信、多源融合定位与导航、实时安全高效通信等领域的关键科学问题，结合人工智能、边缘计算、雷达感知等技术，构建低空智能航行的理论与技术体系。开展低空异构网络协同通信、GNSS/视觉/惯性组合自主导航、分布式自主协同飞行、多模态自主感知与高精度定位、低空雷达/光电多模态感知与监测等方向研究。

2. 低空安全保障技术

低空安全保障技术围绕低空异构网络下的网络攻防对抗需求、低空数据全生命周期的隐私泄露与篡改风险、非合作目标的威胁应对需求等，构建适应低空复杂场景、复杂气象及电磁环境的低空安全保障体系，重点突破低开销网络测量及低空网络安全运维技术、低空数据隐私保护与安全计算框架、非合作目标动态辨识及主动防御技术等，包括低空网络安全、低空信息安全和低空反制防御三个研究方向。

3. 智能立体交通工程

本方向研究涵盖立体交通多模态感知、立体交通建模与智能计算、多智能体群智协同运行与群智控制等方向。具体包括：1）研究多源感知模态与传感器数据时空配准、多模态数据融合策略与算法、感知网构建、边缘计算及平台搭建，实现对低空交通环境全面、准确、实时的感知；2）研究多模态交通系统建模、立体交通数字孪生与三维建模、交通量预测与分配建模、可解释垂域大模型搭建、智能推演优化方法；3）研究多智能体系统架构与协同机制、群体智能与分布式决策、人机协同与混合增强智能算法、智能交通管理与协同安全控制与验证技术。

4. 低空智能装备与系统

本方向围绕低空智能装备研发与系统效能提升，开展低空装备结构设计技术、高性能低空装备材料科学、低空装备轻量化技术、低空装备控制系统集成与优化技术、低空装备制造全过程协同优化技术、低空环境多物理场耦合建模、高保真数字孪生系统集成技术、在线验证技术与平台、人机交互技术、低空装备关键零部件性能可靠性评估技术、低空装备运行安全监测与预警技术、多源传感器数据融合技术、预测性智能维护技术等研究。

三、学制及学分要求

1．学制与学习年限

本学科硕士研究生正常学制3年，包括完成学位论文答辩。

硕士论文答辩前应完成规定的学分和各培养环节，达到学校规定的毕业条件。最长在校学习年限不超过6年（包括休学时间）；提前完成培养计划者，经规定的审批程序可提前毕业并获得学位，但获得正式学籍后的在校时间不能少于2年。

2．学分要求

本学科硕士研究生培养总学分33学分，其中学位课程不少于20学分。

学位论文开题2学分，学位论文中期检查（进展报告）2学分，预答辩2学分。

四、实践环节要求

一般形式为教学实践、生产实践、科技竞赛活动或社会调查。其中教学实践的形式包括与本学科相关的本科生课堂教学、助课、实验指导、课程设计指导、实习指导、协助导师指导毕业设计等；生产实践的形式包括参加学校与企业联合建立的科研实习基地的实践工作、导师科研项目所涉及的现场实验和实践工作、以及研究生自己联系且经学院审核同意的其他实践单位的实践工作；科技竞赛包括研究生电子设计竞赛、机器人创新设计大赛等研究生创新实践系列大赛活动。实践环节完成后，研究生应提交实践考核表，考核通过后取得相应学分。

五、中期考核

本学科未修满学位课学分的研究生不能参加中期考核，考核内容包括政治思想表现、专业学习、学术活动等，考核的具体办法和要求按照《湖南科技大学研究生中期考核实施办法》执行。未参加中期考核或中期考核未通过者不能参加学位论文中期进展检查。

六、培养方式

1. 以课程学习与科学研究或技术开发并重的方式进行培养，以提高创新能力为目标，促进课程学习和科学研究的有机结合，要求并支持硕士研究生参与前沿性、高水平的科研工作，使硕士研究生通过课程学习、科研训练和论文撰写，系统掌握本学科领域的理论知识，提升科研创新能力。

2. 采取导师与导师组相结合的方式进行培养，导师是硕士研究生培养的第一责任人。

3. 硕士研究生教学形式灵活多变，采用研讨班、专题式、启发式等多种教学方法，把课堂讲授、交流研讨、案例分析等进行有机结合，加大对研究生创新能力的培养。

七、科学研究与学位论文

1. 研究生创新能力的考查评价主要围绕研究生是否具有独立地、创造性地从事科学研究与实践的能力，是否在本学科或专业领域中做出创造性的成果，且取得的成果能否支撑其具备良好的创新能力。具体考核规则详见《湖南科技大学信息与电气工程学院硕士研究生学术与实践创新能力考察评价办法》。

2. 学术学位硕士研究生在读期间，重点提升科研能力。学位论文选题需与学科方向一致，通常结合导师项目确定。选题应具有较高的理论研究与实践意义，力求与国家级、省部级基金项目以及与国民经济、社会发展有重大影响的开发研究项目接轨。选题确定后，按要求撰写开题报告书，拟定学位论文工作计划，经审核认定后参加开题报告会。

3. 在开题报告通过后半年左右进行学位论文中期检查，学位点负责人组织导师组召开学位论文进展报告会，研究生在导师指导下根据导师组评议意见对学位论文进行修改，中期检查合格方可参加预答辩资格审核。通过预答辩的研究生学位论文经导师审阅合格之后进行学术不端行为检测，经研究生院检测合格后进入评审环节，评审合格方可申请答辩。学位论文要求概念清楚、立论正确、论述严谨、计算正确、数据可靠，且层次分明、文笔简洁、流畅、图表清晰。

4. 答辩前成果须符合《湖南科技大学控制科学学科学位硕士研究生学位授予标准》。

八、主要管理环节

序号	项目	时间安排	组织与考核专家
1	研究生制定个人培养计划	第1学期（入学当月完成）	指导教师。
2	开题报告（研究生向专家作开题报告，填写提交审定的《开题报告》）	第3学期（放假前完成）	学院统一布置；学科导师组评议指导。
3	中期考核	第4学期（放假前完成）	学院组织。
4	论文中期检查（研究生向专家作论文研究进展报告，填写提交《论文中期检查情况表》	第5学期（10月完成）	学院统一布置；学科导师组检查、指导。
5	论文预答辩和论文修改	第6学期（3月完成）	导师；学科导师组。
6	论文送审（按评审意见修改）	第6学期（4月完成）	学院（导师）；研究生院。
7	论文答辩	第6学期（5月完成）	学院组织。

九、个人培养计划

本学科研究生应在入学后一个月内，在导师及导师组的指导下依据本学科培养方案的要求制定和提交《硕士研究生个人培养计划》，包括课程学习和学位论文工作计划。学位论文工作包括研究方向，已有工作基础，研究计划和时间安排等，从提交合格的开题报告日期起到论文答辩，硕士学位论文工作的时间不得少于一年。

十、课程设置

课程类别		课程编号	课程名称	学分	学时	开课学期				开课单位	备注
课程类别		课程编号	课程名称	学分	学时	1	2	3	4
学位课（不少于20学分）	公共课	G25000001	新时代中国特色社会主义理论与实践研究(Theory and Practice of Socialism with Chinese Characteristics for a New Era)	2	32	√				马克思主义学院	必修
		G25000003	自然辩证法概论 (Introduction to Dialectics of Nature)	1	16	√				马克思主义学院	必修
		G25000004	综合英语 (Comprehensive English)	2	32	√				外语学院	必修
		G25000005	学术英语写作 (Academic English Writing)	1	16		√			外语学院	必修
	基础理论课	G25000007	数值分析 (Numerical Analysis)	3	48	√				数学学院	统一设课
		G25000011	矩阵论 (Matrix Theory)	3	48		√			数学学院	统一设课
		X25040101	线性系统理论 (Linear System Theory)	3	48	√				信息学院	必修
	专业主干课	X25040102	低空技术与工程学科前沿讲座 (Frontier Lectures on Low-Altitude Technology and Engineering)	2	32	√				信息学院	必修
		X25040103	最优控制与状态估计 (Optimal Control and State Estimation)	2	32		√				必修
		X25040104	检测技术与自动化 (Detection Technology and Automation)	2	32		√				必修
		X25040105	模式识别与机器学习 (Pattern Recognition and Machine Learning)	2	32		√				必修
非学位课	方向选修课	X25041101	学术论文写作 (Academic Paper Writing)	1	16	√				信息学院	限选
		X25041102	系统建模与仿真技术 (System Modeling and Simulation Technology)	2	32		√				至少选1门 ³2 学分
		X25041103	智能优化算法 (Intelligent Optimization Algorithms)	2	32		√
		X25041104	智能机器人技术 (Intelligent Robotics Technology)	2	32		√
		X25041105	模型预测控制 (Model Predictive Control)	2	32		√
		X25041106	无人机控制与技术 (Unmanned Aerial Vehicle Control and Technology)	2	32		√
		X25041107	鲁棒控制 (Robust Control)	2	32		√
		X25041108	自适应控制 (Adaptive Control)	2	32		√
		X25041109	控制系统计算机辅助设计 (Computer-Aided Design of Control Systems)	2	32		√
		X25041110	数字控制系统分析与设计 (Analysis and Design of Digital Control Systems)	2	32		√
		X25041111	飞行力学与控制 (Flight Mechanics and Control)	2	32		√
		X25041112	低空通信与识别技术 (Low-altitude communication and identification technology)	2	32		√
		X25041113	数据挖掘与机器学习 (Data Mining and Machine Learning)	2	32		√
		X25041114	自主智能系统 (Autonomous Intelligent Systems)	2	32		√
		X25041115	大数据分析与先进计算 (Big Data Analysis and Advanced Computing)	2	32		√
		X25041116	机器视觉与图像处理 (Machine Vision and Image Processing)	2	32		√
		X25041117	人工智能 (Artificial Intelligence)	2	32		√
		X25041118	机器学习 (Machine Learning)	2	32		√
		X25041119	智能信息处理 (Intelligent Information Processing)	2	32		√
		X25041120	智能无人系统自主规划 (Autonomous planning of intelligent unmanned systems)	2	32		√
		X25041121	系统科学与工程 (Systems Science and Engineering)	2	32		√
		X25041122	多传感器融合理论与应用 (Theory and Applications of Multi-Sensor Fusion)	2	32		√
		X25041123	低空无人系统能源导论 (Introduction to Energy for Low-altitude Unmanned Systems)	2	32		√
课程补修		X25041132	自动控制原理 (Automatic Control Theory)			√				信息学院	跨学科或同等学力学生补修
课程补修		X25041133	检测与转换技术 (Measurement and Transduction Technology)			√				信息学院	跨学科或同等学力学生补修
学位论文		G25000020	学位论文开题 (Dissertation Proposal Defense)	2	第3学期进行
		G25000021	论文中期检查（研究生作进展报告） (Mid-Term Progress Report)	2	第5学期进行
		G25000022	预答辩(Preliminary Defense)	2	第6学期进行
实践环节		G25000024	实践活动(Practical Activity)	1	第5学期前完成
学术活动		（1）参加学校组织的学术讲座10次以上。（2）参加国内外学术会议，发表/张贴论文；或参加1个月及以上国内外短期学术交流（交流前报学院审批，交流后提交总结报告）；或参加校级及以上研究生创新论坛、创新创业项目等学术交流活动。									必修

附1:参考著作和专业学术期刊目录

著作：

1. Chi Tsong Chen. Linear System Theory and Design, 3rd Edition, Oxford University Press, 1999.

2. Kemin Zhou, John C. Doyle, Keith Glover. Robust and Optimal Control, Prentice Hall, Pearson, 1995.

3. 郑大钟. 线性系统理论(第2版), 清华大学出版社, 2002.

4. 徐树方. 控制论中的矩阵计算, 高等教育出版社, 2011.

5. 吴敏, 何勇, 佘锦华.鲁棒控制理论, 高等教育出版社, 2010.

6. Hassan K. Khalil. 非线性系统(第3版, 英文版), 北京: 电子工业出版社, 2007.

7. 章毓晋. 计算机视觉教程. 北京: 人民邮电出版社, 2017.

8. 塞利斯基. 计算机视觉:算法与应用. 北京: 清华大学出版社, 2012.

9. 桑卡, 赫拉瓦卡, 博伊尔. 图像处理、分析与机器视觉(第4版) . 北京: 清华大学出版社, 2016.

10. 陈兵旗. 机器视觉技术. 北京: 化学工业出版社, 2018.

11. 罗素, 诺维格. 人工智能: 一种现代的方法(第3版). 北京: 清华大学出版社, 2013.

12. 史蒂芬卢奇, 丹尼·科佩克. 人工智能(第2版). 北京: 人民邮电出版社, 2018.

13. 伊恩古德费洛, 约书亚本吉奥，亚伦库维尔等. 深度学习. 北京: 人民邮电出版社, 2017.

14. 周志华. 机器学习. 北京: 清华大学出版社, 2016.

15. 哈林顿. 机器学习实战. 北京: 人民邮电出版社, 2013.

16. 陈万米. 机器人控制技术. 北京: 机械工业出版社, 2017.

17. 熊和金. 智能信息处理(第2版) . 北京: 国防工业出版社, 2012.

18. 林渭勋. 现代电力电子技术. 北京: 机械工业出版社, 2013.

19. 付蓉. 新能源发电与控制技术. 北京: 中国电力出版社, 2015.

20. 朱晓青. 数字控制系统分析与设计. 北京: 清华大学出版社, 2015.

21. 韩正之. 自适应控制. 北京: 清华大学出版社, 2011.

22. 孙常春. 基于切换方法的系统稳定性分析与鲁棒控制. 北京: 清华大学出版社, 2017.

23. 刘君华. 智能传感器系统.西安电子科技大学出版社, 2010.

24. 付华, 徐耀松, 王雨虹. 智能检测与控制技术. 电子工业出版社, 2015.

25. 张冀, 王晓霞, 宋亚奇, 庞春江, 李天等. 物联网技术与应用. 清华大学出版社, 2017.

26. 潘立登, 李大宇, 马俊英. 软测量技术原理与应用. 中国电力出版社, 2009.

27. 赵茂泰. 智能仪器原理及应用. 电子工业出版社, 2009.

28. 酒井英昭. 信号处理. 科学出版社, 2001.

29. 梁威. 智能传感器与信息系统. 北京航空航天大学出版社, 2004.

30. 杨万海. 多传感器数据融合及其应用. 西安电子科技大学出版社, 2006.

31. 周德泽, 袁南儿, 应英. 计算机智能检测控制系统设计及应用. 清华大学出版社, 2002.

32. 滕召胜, 罗隆福, 童调生等. 智能检测系统与数据融合. 机械工业出版社, 2000.

33. 沙占友, 王晓君, 马洪涛, 张苏英. 智能化集成温度传感器原理及应用. 机械工业出版社, 2002.

34. 辛斌, 陈杰. 面向复杂优化问题求解的智能优化方法. 北京理工大学出版社, 2018.

35. J. Nathan Kutz (J. N. 库茨)著, 吕丽刚, 王立华, 黄红坡, 等译. 数据驱动建模及科学计算—复杂系统和大数据处理方法.电子工业出版社, 2015.

36. 田宇. 伺服与运动控制系统设计. 人民邮电出版社, 2010.

37. 马延德. 海洋工程装备. 清华大学出版社, 2013.

38. 陈超洋. 网络基本通信约束下的系统性能极限分析与设计. 电子工业出版社, 2019.

39. 吴亮红, 王耀南. 动态差分进化算法及应用. 北京: 科学出版社, 2014.

40. 刘朝华. 混合免疫智能算法理论及应用. 电子工业出版社, 2014.

41. 刘朝华, 吕明阳, 陈磊, 许岳兵. 大数据智能分析与先进计算. 中南大学出版社, 2022.

42. 王耀南, 孙炜. 智能控制理论及应用. 机械工业出版社, 2008.

43. 刘金琨. 智能控制—理论基础、算法设计与应用(第2版). 清华大学出版社, 2023.

44. 李邓化, 彭书华, 许晓飞. 智能检测技术及仪表(第2版).科学出版社, 2021.

45. 李莺歌. 智能传感器与电子测量技术(英文注释版). 化学工业出版社, 2023.

46. 戴亚平, 马俊杰, 王笑涵. 多传感器数据智能融合理论与应用. 机械工业出版社, 2021.

47. 汤晓君, 刘君华, 李晨, 李晓杉. 智能传感器系统(第3版). 科学出版社, 2023.

48. 付华, 徐耀松, 王雨虹. 智能检测与控制技术. 电子工业出版社, 2015.

49. 戴忠健. 分布式计算机控制系统. 北京理工大学出版社, 2020.

50. 姚剑清. 数字信号处理. 机械工业出版社, 2024.

51. 武奇生, 姚博彬, 高荣. 物联网技术与应用(第3版). 机械工业出版社, 2023.

52. 雅各布. 现代传感器手册: 原理、设计及应用(原书第5版). 机械工业出版社, 2020.

53. 蒋海峰. 智能信息处理技术原理与应用. 清华大学出版社, 2019.

54. 王李管. 智慧矿山技术. 中南大学出版社, 2019.

55. 李国清. 智能矿山概论. 冶金工业出版社, 2019.

56. 郭森. 工业机器视觉基础教程. 机械工业出版社, 2021.

57. 马本学. 数字图像处理与机器视觉—基于MATLAB实现. 机械工业出版社, 2023.

58. Tom. M. Mitchell著, 曾华军等译. Machine Learning, 机械工业出版社, 2008.

59. Ian Goodfellow, Yoshua Bengio等著, 赵申剑等译. Deep learning, 人民邮电出版社, 2017.

60. George F. Luger. 人工智能: 复杂问题求解的结构和策略, 机械工业出版社, 2004.

61. 黄竞伟, 朱福茜, 康立山. 计算智能, 科学出版社, 2010.

62. 邱锡鹏. 神经网络与深度学习. 机械工业出版社, 2020.

63. 彭进香, 张莉. 大数据处理技术与应用, 清华大学出版社, 2020.

64. 孙仕亮, 赵静. 模式识别与机器学习, 清华大学出版社, 2020.

65. 王洪元, 张继. 人工智能基础: 算法与编程, 清华大学出版社, 2024.

66. 梁艳春. 群智能优化算法理论与应用, 科学出版社, 2009.

67. 万步炎. 海底钻机系统原理与关键技术, 湖南大学出版社, 2024.

期刊：

1. ACM Transactions on Sensor Networks/ASSOC Computing Machinery

2. Advanced Robotics/Taylor&Francis Online

3. Artificial Intelligence/Elsevier

4. Artificial Intelligence Review/ Springer

5. Asian Journal of Control/Wiley

6. Automatica/Elsevier

7. Autonomous Robots/Springer

8. Chinese Journal of Chemical Engineering/Elsevier

9. Computers & Chemical Engineering/Elsevier

10. Computer Vision and Image Understanding/Elsevier

11. Communications in Nonlinear Science and Numerical Simulation/Elsevier

12. Control Engineering Practice/Elsevier

13. Digital Signal Processing/Elsevier

14. Engineering Applications of Artificial Intelligence/Elsevier

15. Energy/Elsevier

16. European Journal of Control/Elsevier

17. Evolutionary Computation/The MIT Press

18. Expert Systems with Applications/Elsevier

19. Fuzzy Sets and Systems/Elsevier

20. IEEE/ACM Transactions on Computational Biology and Bioinformatics/IEEE

21. IEEE-ASME Transactions on Mechatronics/IEEE

22. IEEE Electron Device Letters/IEEE

23. IEEE Industry Applications Magazine/IEEE

24. IEEE Industrial Electronics Magazine/IEEE

25. IEEE Intelligent Systems/IEEE

26. IEEE Sensors Journal/IEEE

27. IEEE Signal Processing Letters/IEEE

28. IEEE Systems, Man and Cybernetics Magazine/IEEE

29. IEEE Transactions on Artificial Intelligence/IEEE

30. IEEE Transactions on Automatic Control/IEEE

31. IEEE Transactions on Automation Science and Engineering/IEEE

32. IEEE Transactions on Circuit Theory/IEEE

33. IEEE Transactions on Circuits and Systems I: Regular Papers/IEEE

34. IEEE Transactions on Circuits and Systems II: Express Briefs/IEEE

35. IEEE Transactions on Control Systems Technology/IEEE

36. IEEE Transactions on Cybernetics/IEEE

37. IEEE Transactions on Energy Conversion/IEEE

38. IEEE Transactions on Evolutionary Computation/IEEE

39. IEEE Transactions on Fuzzy Systems/IEEE

40. IEEE Transactions on Human-Machine Systems/IEEE

41. IEEE Transactions on Image Processing/IEEE

42. IEEE Transactions on Industrial Electronics/IEEE

43. IEEE Transactions on Industrial Informatics/IEEE

44. IEEE Transactions on Industry Applications/IEEE

45. IEEE Transactions on Instrumentation and Measurement/IEEE

46. IEEE Transactions on Intelligent Transportation Systems/IEEE

47. IEEE Transactions on Knowledge and Data Engineering/IEEE

48. IEEE Transactions on Neural network/IEEE

49. IEEE Transactions on Neural Networks and Learning Systems/IEEE

50. IEEE Transactions on Pattern Analysis and Machine Intelligence/IEEE

51. IEEE Transactions on Power Electronics/IEEE

52. IEEE Transactions on Power Systems/IEEE

53. IEEE Transactions on Reliability/IEEE

54. IEEE Transactions on Robotics/IEEE

55. IEEE Transactions on Robotics and Automation/IEEE

56. IEEE Transactions on Signal Processing/IEEE

57. IEEE Transactions on Smart Grid/IEEE

58. IEEE Transactions on Software Engineering/IEEE

59. IEEE Transactions on Systems Man Cybernetics-Systems/IEEE

60. IEEE Transactions on Wireless Communications/IEEE

61. IET Computer Vision/IET

62. IET Control Theory and Applications/IET

63. IET Electric Power Applications/IET

64. IET Image Processing/IET

65. IET Power Electronics/IET

66. IET Renewable Power Generation/IET

67. IMA Journal of Mathematical Control and Information/Oxford Academic

68. Image and Vision Computing/Elsevier

69. International Journal of Computer Vision/Springer

70. International Journal of Control/Taylor & Francis Online

71. International Journal of Computational Intelligence Systems/Atlantis Press

72. International Journal of Intelligent Systems/Wiley

73. International Journal of Pattern Recognition and Artificial Intelligence/World Scientific

74. International Journal of Robotics and Automation/ACTA Press

75. International Journal of Robust and Nonlinear Control/Wiley

76. International Journal of Simulation Modelling/SIMM

77. International Journal of Systems Science/Taylor & Francis Online

78. Information Fusion/Elsevier

79. Information Sciences/Elsevier

80. International Journal of Advanced Manufacturing Technology/Springer

81. Journal of Information Technology/Springer

82. Journal of Instrumentation/IOP

83. Journal of Intelligent & Robotic Systems/ Springer

84. Journal of Machine Learning Research/JMLR

85. Journal of Mechanisms and Robotics/ASME

86. Journal of Microelectromechanical Systems/IEEE

87. Journal of Mining Science/Springer

88. Journal of Process Control/Elsevier

89. Journal of The Franklin Institute/Elsevier

90. Journal of Visual Communication and Image Processing/Elsevier

91. Knowledge-Based Systems /Elsevier

92. Machine Learning/Springer Link

93. Measurement/Elsevier

94. Measurement Science & Technology/IOP science

95. Minerals Engineering/Elsevier

96. Neural Networks/Elsevier

97. Neural Computation/The MIT Press

98. Neural Computing & Applications/Aries

99. Neurocomputing/Elsevier

100. Nonlinear Analysis: Hybrid Systems/Elsevier

101. Optimal Control Applications and Methods/Wiley

102. Pattern Recognition Letters/Elsevier

103. Pattern Recognition/Elsevier

104. Review of Scientific Instruments/AIP

105. Reliability Engineering and System Safety/Elsevier

106. Robotica/Cambridge University Press

107. Robotics and Autonomous Systems/Elsevier

108. Sensors and Actuator A-Physical/Elsevier

109. SIAM Journal on Control and Optimization/SIAM

110. SIAM Journal on Imaging Sciences/SIAM

111. Soft Computing/Springer

112. Systems & Control Letters/Elsevier

113. 传感技术学报/东南大学和中国微米纳米技术学会

114. 电工技术学报/中国电工技术学会

115. 电机与控制学报/哈尔滨理工大学

116. 电力电子技术/电力电子学会

117. 电气传动/天津电气科学研究院有限公司、中国自动化学会

118. 电子测量与仪器学报/中国电子学会

119. 机器人/中国科学院沈阳自动化研究所

120. 计算机研究与发展/中国计算机学会

121. 计算机学报/中国科学院计算技术研究所

122. 控制理论与应用/华南理工大学

123. 控制与决策/东北大学

124. 煤炭学报/中国煤炭学会

125. 模式识别与人工智能/中国自动化学会

126. 软件学报/中国科学院软件研究所

127. 数据采集与处理/南京航空航天大学

128. 太阳能学报/中国可再生能源学会

129. 信息与控制/中国自动化学会

130. 信号处理/中国电子学会

131. 仪器仪表学报/中国仪器仪表学会

132. 系统工程理论与实践/中国系统工程学会

133. 系统工程学报/中国系统工程学会

134. 系统工程与电子技术/中国系统工程学会

135. 系统仿真学报/中国系统仿真学会

136. 仪表技术与传感器/沈阳仪表科学研究院

137. 自动化学报/中国自动化学会

138. 智能系统学报/中国人工智能学会

139. 中国电机工程学报/中国电机工程学会

140. 中国科学: 信息科学(含中文版和英文版)/《中国科学》杂志社

141. 中国机械工程学报/中国机械工程学会

142. 中国有色金属学报/中国有色金属学会

线性系统理论

课程编号：X25040101

一、计划总学时： 48 （其中实验 0 学时）学分： 3 开课学期： I

授课方式：课堂教学与研讨考核方式：考试（闭卷）

二、适用专业：控制科学与工程

三、预修课程：矩阵分析，常微分方程

四、教学目的：

通过本课程的理论学习，使学生系统掌握控制系统的基本概念、基本原理以及典型的系统分析和综合设计方法，同时加强学生在系统理论基础方面的基本训练，提高学生运用系统分析基本方法和技巧来解决科研中所遇问题的意识和能力。

五、教学内容：

线性系统理论是控制科学与工程学科最为基本的理论性课程，也是进一步学习控制理论其它系列课程必备的基础。本课程强调严格的逻辑训练和研究生创新思维能力的培养。具体内容为:

第1部分为绪论，主要介绍现代控制理论的发展历程、线性系统相关研究背景及意义以及相关预备知识。明确采用系统理论以及解决工程问题的一般步骤以及建模、分析、综合在解决实际问题中的作用。

第2部分引入线性系统状态空间描述相关概念，研究由系统输入输出描述导出状态空间描述的方法，并讨论线性时不变系统的结构特征及其在坐标变换下的特性。

第3部分介绍基于状态空间描述的系统运动分析方法，包括连续时间线性时不变系统的运动分析、状态转移矩阵及脉冲响应矩阵、连续时间线性时变系统的运动分析以及其时间离散化方法与离散时间系统的运动分析。

第4部分基于系统能控性和能观性定义，讨论系统结构特征和结构化规范分解的方法及其性质，首先，介绍连续时间线性时不变系统的能观性判据和能控性判据、连续时间线性时变系统的能观性判据和能控性判据以及离散时间线性时变系统的能观性判据和能控性判据。然后，进一步引入能控和能观的对偶性以及离散化线性系统保持能控和能观性的条件。最后，学习单输入单输出情形下线性系统的能控规范形和能观规范形和连续时间线性系统的结构分解方法。

第5部分阐述系统稳定的一些基本概念、线性系统稳定理论及判定定理，包括外部稳定和内部稳定的定义、李雅普诺夫意义下运动稳定性的一些基本概念、李雅普诺夫第二方法的主要定理以及连续时间线性系统的状态运动稳定性判据。

第6部分研究线性反馈系统的时域综合问题，包括状态反馈和输出反馈、单输入及多输入情形下状态反馈极点配置、状态反馈镇定、全维状态观测器、降维状态观测器以及基于观测器的状态反馈控制系统的特性。

第7部分介绍线性二次型最优控制与系统输入输出解耦的基本问题，包括线性二次型最优控制问题描述，有限时间调节问题、无限时间调节问题以及系统的输入输出解耦问题。

第8部分介绍不确定系统的鲁棒二次镇定问题，包括不确定线性系统问题描述、二次稳定条件以及鲁棒状态反馈控制方法。

实验：无

六、教材及主要参考书：

1. 郑大钟. 线性系统理论. 北京: 清华大学出版社, 2002.

2. 周兰, 肖文彬, 熊培银. 线性系统理论. 中南大学出版社, 2025.

3. ChiTsong Cheng. Linear System Theory 3^rd. Oxford Universrty Press, 1998.

4. 凯拉斯著, 李清泉等译. 线性系统. 北京: 科学出版社, 1985.

5. 陈启宗. 线性系统理论与设计(第2版). 北京: 科学出版社, 1984.

6. 段广仁. 线性系统理论(第3版). 科学出版社, 2016.

低空技术与工程学科前沿讲座

课程编号：X25040102

一、计划总学时： 32 （其中实验 0 学时）学分： 2 开课学期： Ⅰ

授课方式：课堂教学与研讨考核方式：论文报告

二、适用专业：低空技术与工程

三、预修课程：自动控制理论，智能控制理论，矩阵论

四、教学目的：

让学生系统地了解低空技术与工程学科的主要研究方向（低空智能航行技术、低空安全保障技术、智能立体交通工程、低空智能装备与系统），汲取本学科各研究方向的最新研究成果，知晓本学科各研究方向的最新研究方法，从而开拓学术视野，培育创新精神，启发科研思路，提高学生的科研能力。

五、教学内容：

1. 低空智能航行技术

本方向主要介绍低空复杂环境下的动态组网与抗干扰通信、多源融合定位与导航（GNSS/视觉/惯性组合）、飞行器自主运行与分布式自主协同飞行、低空态势感知与多模态感知（雷达/光电）等关键技术，融合人工智能、边缘计算等方法，构建低空智能航行的理论与技术体系。

2. 低空安全保障技术

本方向主要介绍低空异构网络下的网络攻防对抗与低开销网络测量技术、低空数据全生命周期的隐私保护与安全计算框架、非合作目标动态辨识及主动防御技术，涵盖低空网络安全、低空信息安全和低空反制防御三个层面，旨在构建适应复杂场景、复杂气象及电磁环境的安全保障体系。

3. 智能立体交通工程

本方向主要介绍立体交通多模态感知与数据融合、立体交通系统建模与数字孪生、交通量预测与可解释大模型构建、多智能体群智协同运行与分布式决策、人机协同与混合增强智能算法，以及智能交通管理与协同安全控制验证技术，实现低空交通环境的全面感知、智能推演与协同控制。

4. 低空智能装备与系统

本方向主要介绍低空装备结构设计与轻量化技术、高性能材料应用、控制系统集成与优化、制造全过程协同优化、多物理场耦合建模与高保真数字孪生系统集成、在线验证与人机交互技术，以及关键零部件可靠性评估、运行安全监测与预警、多源传感器数据融合及预测性智能维护技术，全面提升低空装备的研发水平与系统效能。

实验： 无

六、教材及主要参考书：

本课程为前沿讲座，讲授内容随着本学科各研究方向的发展动态而不断调整，无固定教材，参考书主要为本学科国内外高水平期刊。

最优控制与状态估计

课程编号：X25040103

一、计划总学时： 48 （其中实验 0 学时）学分： 3 开课学期： Ⅱ

授课方式：课堂教学与研讨考核方式：考试（闭卷）

二、适用专业：控制科学与工程

三、预修课程：数理统计，随机过程，矩阵论，线性系统理论

四、教学目的：

最优控制与状态估计已成为现代控制科学与工程的重要理论基础和不可缺少的方法，在工业、经济、国防等各个领域，发挥着越来越重要的作用。本课程主要讲授最优控制和状态估计的基本理论和研究方法，使学生能够掌握并利用变分法、极大值原理、动态规划等分析和解决最优控制问题；同时掌握龙伯格观测器、卡尔曼滤波器以及它们的变型等。对最优控制与状态估计其理论和算法的研究可以为进一步学习和研究模型预测控制、故障诊断等提供重要基础，并为之后从事控制领域的工作打下坚实理论基础。

五、教学内容：

1．最优控制基本概念

主要介绍最优控制的提法、最优控制的发展和最优控制与经典控制的区别以及各种约束条件的处理。

2．最优控制中的变分法

主要介绍泛函极值问题以及变分法基本原理，讲授欧拉方程、横截条件、边界条件。进一步介绍有约束时的变分问题和终端时刻可变的变分问题以及用变分法解最优控制问题。

3．极大值原理

主要介绍极大值原理及证明过程，连续时间系统极大值原理、离散时间系统的极大值原理，进一步讲授Bang-Bang控制必要条件的推导过程以及适用范围以及最短时间控制系统、最少燃料控制系统等。

4．线性二次性能指标的最优控制

主要讲授有限时间状态调节器、有限时间输出调节器及无限时间状态调节器等问题，进一步介绍黎卡提方程及解法。

5．动态规划

主要介绍动态规划的基本思想、多阶段决策过程。进一步讲授用动态规划解离散LQR问题，以及动态规划的连续形式（Hamilton-Jacobi-Bellman方程）。

6．最优状态估计的数学基础

主要介绍最优状态估计的基本概念、数学基础理论。讲授估计、最优估计和最优估计方法，最小方差估计、极大似然估计以及最小二乘估计等，并进一步介绍各种估计方法的比较及其关系。

7．基于状态观测器的状态估计

主要介绍状态观测器的设计的原理及实现。状态估计的开环方法及龙伯格观测器设计原理，进一步讲授降阶观测器的设计原理及实现。

8．基于卡尔曼滤波器的状态估计

主要介绍基于线性系统和非线性系统的滤波理论和方法，包括线性离散系统和连续系统的卡尔曼滤波原理、滤波器形式、稳定性理论及发散的抑制方法等。进一步讲授非线性系统的扩展卡尔曼滤波。

实验： 无

六、教材及主要参考书：

1．胡寿松, 王执铨, 胡维礼. 最优控制理论与系统(第3版), 北京: 科学出版社, 2005.

2．Kemin Zhou, John C. Doyle, Keith Glover. Robust and Optimal Control, Prentice Hall, Pearson, 1995.

3．李国勇. 最优控制理论与应用, 北京: 国防工业出版社, 2008.

4．王志贤. 最优状态估计与系统辨识, 西安: 西北工业大学出版社, 2004.

5．张红梅, 刘胜, 孙明健. 最优状态估计理论及应用, 哈尔滨: 哈尔滨工业大学出版社, 2019.

检测技术与自动化

课程编号：X25040104

一、计划总学时： 48 （其中实验 0 学时）学分： 3 开课学期： Ⅱ

授课方式：课堂教学与研讨考核方式：论文报告

二、适用专业：控制科学与工程、电气工程

三、预修课程：检测与转换技术、信号与系统、数字信号处理

四、教学目的：

本课程旨在培养学生掌握检测技术与自动化的基本理论、方法和技术，并能够应用所学知识解决实际问题。具体来说，学生应具备以下能力：理解检测技术与自动化的基本原理和概念；掌握各种传感器和换能器的原理、工作特性及应用方法；熟悉数据采集与处理技术；掌握控制系统理论与设计方法；了解机器人技术与应用；掌握机器视觉技术与应用；了解人工智能与机器学习在检测与自动化中的应用；能够设计和实现检测与自动化系统；能够分析和评价检测与自动化系统的性能；能够跟踪和学习检测技术与自动化领域的最新进展。

五、教学内容：

1．传感器与换能器

传感器是能够感知和响应特定外部信息或环境变化的器件，并将感知到的信息转化为可识别的电信号或其他形式的信号。换能器是一种能够将一种形式的能量转化为另一种形式的能量的器件，其中传感器是一种特殊的换能器，它将非电量转化为电量。传感器与换能器在现代工业生产、科学研究和日常生活等领域有着广泛的应用。例如，在工业生产中，传感器被用于监测和控制生产过程中的各种参数，如温度、压力、流量、速度、位置等；在科学研究中，传感器被用于采集和分析各种实验数据；在日常生活中，传感器被用于各种家用电器、电子产品和医疗器械中。本课程将介绍传感器与换能器的基本原理、工作特性及应用方法。学生将学习各种常见传感器的类型、结构和工作原理，以及传感器信号的采集、处理和分析方法。学生还将学习传感器在不同领域的应用实例，并能够根据实际应用需求选择合适的传感器。

2．数据采集与处理

数据采集与处理是检测技术与自动化系统的重要组成部分。数据采集是指将来自传感器或其他信息源的数据采集到计算机中；数据处理是指对采集到的数据进行分析、处理和利用。数据采集与处理技术在现代工业生产、科学研究和日常生活等领域有着广泛的应用。例如，在工业生产中，数据采集与处理技术被用于监测和控制生产过程中的各种参数，并对生产过程进行实时监控；在科学研究中，数据采集与处理技术被用于采集和分析实验数据，并对实验结果进行分析和评价；在日常生活中，数据采集与处理技术被用于各种家用电器、电子产品和医疗器械中。本课程将介绍数据采集与处理的基本原理、方法和技术。学生将学习数据采集硬件和软件的基本知识，以及数据通信协议的原理和应用。学生还将学习数据处理的常用方法和技术，如数据过滤、去噪、特征提取、模式识别等。学生能够根据实际应用需求设计和实现数据采集与处理系统。

3．控制系统

控制系统是指能够对被控对象进行控制，使被控对象的状态或行为符合预期的系统。控制系统由控制器、传感器、执行器和被控对象等部分组成。控制器是控制系统的核心，它根据来自传感器的反馈信号计算出控制指令，并发送给执行器。执行器根据控制指令对被控对象进行控制。控制系统在现代工业生产、科学研究和日常生活等领域有着广泛的应用。例如，在工业生产中，控制系统被用于控制生产过程中的各种参数，如温度、压力、流量、速度、位置等；在科学研究中，控制系统被用于控制实验装置，并对实验结果进行分析和评价；在日常生活中，控制系统被用于各种家用电器、电子产品和医疗器械中。本课程将介绍控制系统的基本理论、方法和技术。学生将学习控制系统的基本概念、分类和结构；经典控制系统的分析与设计方法；现代控制系统的理论与方法；以及控制系统的应用实例。学生能够根据实际应用需求设计和实现控制系统。

4．机器人技术

机器人技术是集机械学、电子学、计算机科学、控制理论等多学科知识于一体的交叉学科。机器人是一种能够自主完成预定任务的机器装置。机器人技术在现代工业生产、科学研究和日常生活等领域有着广泛的应用。例如，在工业生产中，机器人被用于焊接、搬运、喷涂、组装等工作；在科学研究中，机器人被用于探索危险或未知环境，进行科学考察和实验操作；在日常生活中，机器人被用于家用服务、医疗康复、教育娱乐等领域。本课程将介绍机器人技术的原理、方法和技术。学生将学习机器人运动学、动力学、控制、传感、规划、智能等方面的基本知识。学生能够根据实际应用需求设计和实现机器人系统。

5．智能检测自动化系统实现案例分析

以教师从事的实际科研项目为基础，介绍智能检测自动化系统的具体方案设计、涉及的关键技术和智能方法的实际应用，与人工智能AI技术相结合，使学生能够将本课程所学知识运用到智能检测与传感系统、智能自动化化装置、现代测控技术及仪器仪表等领域。

实验： 无

六、教材及主要参考书：

1．智能检测与控制技术. 付华, 徐耀松, 王雨虹. 电子工业出版社, 2015.

2．信号检测与估计. 蒋留兵. 清华大学出版社, 2020.

3．Modern Signal Processing: Theory and Applications. Robert W. Schafer. CRC Press，2021.

4．数字信号处理——理论、算法与实现（第 3 版）. 胡广书. 清华大学出版社, 2012.

5．智能传感器系统. 刘君华.西安电子科技大学出版社, 2010.

6．Introduction to Modern Signal Processing, Hossein Arabi, Michael G. Bellanger. Cambridge University Press, 2023.

7．现代信号处理理论与技术. 陈后金, 李艳凤. 高等教育出版社, 2022.

8．智能仪器原理及应用. 赵茂泰. 电子工业出版社, 2009.

模式识别与机器学习

课程编号：X25040105

一、计划总学时： 32 （其中实验 0 学时）学分： 2 开课学期： Ⅱ

授课方式：课堂教学与研讨考核方式：论文报告

二、适用专业：控制科学与工程，电子信息，计算机科学与技术

三、预修课程：统计学习，Matlab编程基础，Python编程基础

四、教学目的：

模式识别与机器学习研究计算机识别物体的机理，该课程的学习将为数据分析与处理以及人工智能等领域的学习打下基础。本课程主要分为两大部分，第一部分主要介绍模式识别，包括模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，其目的是使学生掌握模式识别的基本概念和基本原理，掌握模式识别概述、特征的选择与优化，掌握基于概率统计的贝叶斯分类器设计和判别函数的分类器设计，了解模式识别在图像分析、语音识别和音频分类等领域的具体应用、存在的问题和发展前景。第二部分主要介绍机器学习，包括多项式回归、正则方程、逻辑回归、神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式网络等，通过教学使学生掌握机器学习的基础理论，以及无监督学习、有监督学习和强化学习等；熟悉常见机器学习的常用算法，以及算法的主要思想和运用方法，并通过编程实践和典型应用实例加深了解。

五、教学内容：

1．模式识别与机器学习概述，模式识别就是机器识别、计算机识别或机器自动识别，目的在于让机器自动识别事物，通过其基本概述，让学生了解如何通过模式识别进行信号处理与人工智能的基础学习。

2．特征的选择与优化，在实际应用中，样本数目很多的情况下，使用特征的选择与优化强烈地影响到分类器的设计及其性能，学会如何进行特征的选择与优化可以很好的解决样本数目多的情况。

3．模式相似性测度，这是模式识别中最基本的研究问题，判断样品之间的相似性，从而确定待测试样品的分类。

4．基于概率统计的贝叶斯分类器设计、判别函数分类器设计、神经网络分类器设计，了解有监督下的模式识别几本流程和原来。重点介绍如何找到一个分离函数来进行分类任务。

5．聚类分析、模糊聚类分析，这是无监督下的模糊识别的基本内容，学习和掌握K-Means、DB-SCAN等聚类方法，进而了解模糊集的基础概念及其运算，了解模糊关系和模糊集在模式识别中的应用，并在此基础上进行基于模糊的聚类分析。

6．模式识别的基本应用和前沿技术介绍。在前期研究基础上，进一步了解模式识别可应用的方向，典型的应用案例，以及其中隐藏着的先进的模式识别技术。

7．支持向量机，理解大间隔原理；掌握基本的支持向量机分类模型；能够熟练运用拉格朗日对偶优化技术；掌握数据线性不可分情形下的分类模型，以及核方法的建模原理；理解支持向量机回归的原理；了解支持向量机的模型扩展。

8．人工神经网络与深度学习，掌握感知机模型和学习算法；掌握多层神经网络模型和误差反向传播训练算法；理解深度神经网络的典型挑战问题；能够熟练运用至少两种常见的深度神经网络。

9．循环神经网络及其变体，掌握以序列化数据为对象的循环神经网络基本原理和流程；长短时记忆网络LSTM的基本原理和流程；门控循环神经网络GRU的基本原理和流程；双向循环神经网络和注意力机制的基本原理和流程。

10．卷积与卷积神经网络，掌握以图像为处理对象的卷积神经网络基本原理和流程；LeNet-5 网络模型的基本原理和流程；YoloVx网络模型的基本原理和流程。

11．生成式神经网络，掌握解决数据量不足问题的生成式神经网络的基本概念和原理；掌握自动编码器神经网络的基本原理和流程；掌握变分自动编码器的基本原理和流程；掌握生成对抗网络的基本原理和流程。

实验：无

六、教材及主要参考书：

1．杨淑莹, 郑清春. 模式识别与智能计算—MATLAB 技术实现（第四版）. 电子工业出版社出版. 2019年.

2．孙仕亮，赵静. 模式识别与机器学习. 清华大学出版社，2020年.

3．刘远超. 《深度学习基础》. 高等教育出版社. 2023年.

培养方案审批表

学科意见：

学位点负责人（签名）：

年月日

教学院审核意见：

主管领导（签名）学位评定分委会主席（签名）：

年月日年月日

学科教学各领域的学位评定分委会主席签名由教育硕士培养指导委员会主任签。

电子与电气技术国家级实验教学中心

信息与电气技术国家级虚拟仿真中心

电气信息类湖南省大学生创新训练中心