岗位职责
- 核心算法研发 - 负责基于 FMCW MIMO雷达 的家居场景感知算法开发，包括： - 单人/多人人体姿态（坐/站/躺/跌倒等）估计与骨骼关键点提取 - 生理指标（呼吸频率、心率）的毫米波信号提取与鲁棒估计 - 人体动作识别（行走、挥手、跌倒、跌倒后状态等）及行为分析
- 雷达信号处理 - 设计并实现雷达原始数据预处理流程（杂波抑制、背景去除、距离-多普勒图（RD图）生成、虚拟孔径阵列合成等） - 开发目标检测算法：CFAR（单元平均/有序统计/二维CFAR）、峰值分组、多普勒解模糊 - 实现 MIMO 角度估计（DBF、Capon、MUSIC、压缩感知等）与 多目标关联
- 点云感知与跟踪 - 构建高质量的 4D点云（距离/速度/方位/俯仰），设计点云滤波与聚类算法（DBSCAN、KMeans等） - 实现多目标跟踪（Kalman滤波、扩展卡尔曼、JPDA、匈牙利匹配等），解决遮挡与重识别问题 - 基于点云的分类/识别：特征工程（速度/能量/微多普勒）或基于深度学习（PointNet++、PointPillars等）对动作、姿态进行分类
- 系统优化与落地 - 配合嵌入式团队完成算法在 ARM/DSP/GPU 上的移植与加速（定点化、向量化、模型轻量化） - 建立家居场景测试数据集与自动化评估流程，处理多径干扰、家具遮挡、光照变化等实际挑战 - 撰写技术文档、算法设计规格书及专利
职位要求
- 基本条件 - 硕士及以上学历，电子信息、通信工程、计算机科学、自动化等相关专业，博士优先 - 3年以上 毫米波雷达算法开发经验（含博士期间研究），熟悉FMCW MIMO雷达全处理链路（从原始ADC到目标语义输出）
- 信号处理能力 - 精通 FMCW雷达测距/测速/测角原理，熟练掌握MIMO虚拟阵列设计与校准、DOA估计算法 - 深入理解 CFAR（1D/2D）、峰值提取、多普勒中心估计、相位解缠绕等方法 - 掌握至少一种聚类算法及多目标跟踪框架（Kalman滤波系列、粒子滤波、匈牙利算法）
- 点云与机器学习 - 熟悉点云基本处理（下采样、滤波、分割）及点云特征（例如：局部密度、速度分布、RCS） - 具有点云分类/动作识别经验，可独立实现基于传统特征（SVM/随机森林）或深度学习（PointNet、Transformer）的方案 - 了解微多普勒理论及其在人体动作识别中的应用者优先
- 生理信号提取 - 熟悉利用毫米波相位/距离单元提取微小位移，掌握呼吸/心率的周期估计方法（FFT峰值搜索、小波变换、VMD等），能应对体动干扰下的鲁棒提取
- 工程能力 - 熟练使用 Python + NumPy/SciPy/scikit-learn 或 MATLAB 进行快速原型开发 - 具备 C/C++ 基础，了解嵌入式雷达芯片（TI IWR/AWR系列、NXP、Acconeer等）底层数据格式与实机调试 - 良好的英文文献阅读与独立研究能力
- 加分项 - 有多人居家场景下姿态估计或生理监测的实际项目落地经验，能处理遮挡、多人互扰、多径混叠问题 - 发表过雷达感知、点云处理、Human Activity Recognition（HAR）等相关领域顶会/顶刊论文 - 熟悉深度学习框架（PyTorch/TensorFlow），并成功将雷达时间-距离-多普勒张量或点云应用于动作分类（如使用CNN/RNN/图卷积网络） - 熟悉雷达抗干扰技术（静态杂波图、动态环境学习、去泄漏）及高级跟踪（LMB滤波器、轨迹关联） - 具备实时系统优化经验（NEON/OpenMP/CUDA）或DSP/FPGA算法移植经验
