岗位描述
职责——在团队指导下,为传感器应用原型化并实现DSP算法,包括滤波、时域和频域分析以及特征提取。- 分析原始传感器数据,并针对项目里程碑为去噪、检测和参数估计提供切实可行的解决方案。在传感器信号链方面为硬件工程师提供支持,包括原始信号处理、噪声分析和校准检查。- 协助将功能定义转化为可测试的用例,然后实现并评估相应的算法。- 对算法设计进行建模和仿真,并对照约定指标报告性能。- 使用蒙特卡洛仿真以及录制数据或现场数据验证算法。计算并跟踪检测率、虚警率、SNR和延迟。- 在适当之处应用机器学习方法,并在数据收集、训练和验证方面获得指导。使用MATLAB、Python或C++分析数据、实现算法并记录结果。- 与平台软件工程师合作,理解定点运算、内存和实时执行等嵌入式约束,并在需要时支持原型实现。与机械、硬件和软件工程师协作。清晰记录假设、结果和未解决问题。- 调试仿真数据与实测数据之间的不一致,并提出下一步实验或代码修改建议。要求——电气工程、计算机工程、物理或相关领域的在读硕士或博士生,或优秀的本科毕业年级学生。- 扎实的DSP课程或项目工作,涵盖采样理论、Z变换、加窗、谱估计、统计信号处理、概率和功率谱密度估计。- 具备滤波和频域分析(如FFT或STFT)的动手实现经验,而不仅仅是调用库函数。具备Kalman、EKF、UKF或其他跟踪经验者优先。- 能够使用蒙特卡洛仿真或课程/研究中同等实验设计来计算并解释SNR、检测率、虚警率以及误差或延迟。- 具备使用MATLAB和/或Python进行科学分析和算法开发的实践经验。具备C或C++经验者优先。- 具备处理原始或接近原始传感器数据的经验,如ADC采样、IQ数据、阵列快照或相关器输出,来自课程、论文或研究项目。- 清晰的书面和口头沟通能力,能够解释噪声模型、处理链和结果曲线。在限定问题上自主推进执行,定期汇报进展,而非独立负责产品。优先条件——传感器校准或增益、相位、频率响应或偏置分析,以及任何硬件/软件联合调试经验。接触过汽车或机器人传感器,如雷达、超声波、IMU或麦克风阵列。- 在嵌入式或资源受限平台上运行过的原型,包括定点或内存感知实现。- 在信号或传感器数据的机器学习方面有课程或项目经验。这不能替代DSP基础知识。- 具备绘制结果和运行基本统计比较的经验。