本科及本科以上學(xué)歷，雷達(dá)工程、通信信號(hào)、電子信息等相關(guān)專(zhuān)業(yè)，具備機(jī)器學(xué)習(xí)/深度學(xué)習(xí)在雷達(dá)領(lǐng)域的研究背景或項(xiàng)目經(jīng)驗(yàn)。

核心技能要求

1.精通基于深度學(xué)習(xí)的稀疏陣列信號(hào)處理技術(shù)，研究神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的MIMO雷達(dá)超分辨成像（如CNN/Transformer架構(gòu)的方位角估計(jì)）、稀疏布陣優(yōu)化方案，通過(guò)端到端模型提升角度分辨率，為雷達(dá)點(diǎn)云生成與三維成像提供技術(shù)支撐；具備深度學(xué)習(xí)聚類(lèi)（GraphNeuralNetwork/Transformer-based聚類(lèi)）與跟蹤算法經(jīng)驗(yàn)，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)腢KF濾波技術(shù)，強(qiáng)化角雷達(dá)全平臺(tái)目標(biāo)關(guān)聯(lián)與軌跡穩(wěn)定性，提升復(fù)雜環(huán)境下探測(cè)魯棒性。

2.精通深度神經(jīng)網(wǎng)絡(luò)（CNN/Transformer/LSTM/SNN）及機(jī)器學(xué)習(xí)算法體系，具備毫米波雷達(dá)原始數(shù)據(jù)預(yù)處理（噪聲抑制、特征工程）、端到端模型搭建、遷移學(xué)習(xí)與訓(xùn)練優(yōu)化能力，可根據(jù)項(xiàng)目需求設(shè)計(jì)輕量化AI方案。

工作職責(zé)

1.跟蹤毫米波雷達(dá)與機(jī)器學(xué)習(xí)交叉領(lǐng)域國(guó)際前沿算法（如深度學(xué)習(xí)超分辨DOA估計(jì)、神經(jīng)輻射場(chǎng)雷達(dá)成像），結(jié)合實(shí)際場(chǎng)景選型并開(kāi)發(fā)AI算法原型；
2.負(fù)責(zé)驗(yàn)證通過(guò)的AI算法原型輕量化處理（量化、剪枝、知識(shí)蒸餾），基于TensorRT/ONNX完成嵌入式平臺(tái)部署，或配合嵌入式工程師實(shí)現(xiàn)模型移植與實(shí)時(shí)性優(yōu)化；
3.主導(dǎo)室內(nèi)毫米波雷達(dá)AI算法研發(fā)與落地，包括Transformer/LSTM軌跡跟蹤模型、CNN+注意力機(jī)制跌倒監(jiān)測(cè)系統(tǒng)、端到端生命體征提取算法（呼吸/心率誤差控制）等核心模塊；
4.熟悉雷達(dá)數(shù)據(jù)處理的AI算法棧：精通深度學(xué)習(xí)聚類(lèi)與分割模型（替代傳統(tǒng)DBSCAN/KNN），掌握神經(jīng)網(wǎng)絡(luò)與EKF/UKF/粒子濾波的融合方案，熟練使用PyTorch/TensorFlow框架進(jìn)行模型開(kāi)發(fā)；
5.熟練掌握C/C++程序開(kāi)發(fā)、Python數(shù)據(jù)分析技能，具備雷達(dá)AI模型部署工具（TensorRT/ONNX）使用經(jīng)驗(yàn)。

任職資格

1.熟練運(yùn)用MATLAB/Python進(jìn)行雷達(dá)數(shù)據(jù)仿真，具備基于神經(jīng)網(wǎng)絡(luò)的信號(hào)建模與端到端仿真能力（如體征信號(hào)混疊分離、點(diǎn)云特征提?。?；
2.具雷達(dá)機(jī)器學(xué)習(xí)應(yīng)用經(jīng)驗(yàn)者優(yōu)先；
3.能結(jié)合神經(jīng)網(wǎng)絡(luò)優(yōu)化信號(hào)采集與特征提取策略。