锦鲤求职岗位描述
岗位职责
1、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：
人体姿态估计与骨骼关键点提取
人体动作识别（行走、挥手、跌倒、跌倒后状态等）及行为分析
生理指标（呼吸频率、心率）的毫米波信号提取与鲁棒估计
2、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、range-多普勒图生成、虚拟孔径阵列合成等）
开发目标检测算法：CFAR、峰值分组、多普勒解模糊
实现MIMO角度估计与多目标关联
3、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
实现多目标跟踪（Kalman滤波等），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）或基于深度学习对动作、姿态进行分类
4、系统优化和落地
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，处理多孔干扰、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
岗位要求
基本条件
1、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
2、有毫米波/UWB雷达算法开发经验（含硕博期间研究）
信号处理能力
1、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
2、深入理解CFAR、峰值提取、多普勒中心估计、相位解缠绕等方法
3、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
1、熟悉点云基本处理及点云特征
2、具有点云分类/动作识别经验，可独立实现基于传统特征（随机森林等）或深度学习(PointNet、Transformer)的方案
3、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
1、熟练利用毫米波相位/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、小波变换等)，能应对体动干扰下的鲁棒提取
工程能力
1、熟练使用Pyhton+NumPy或MATLAB进行快速原型开发
2、了解嵌入式雷达芯片(T1/NXP/驰芯/岸达)底层数据格式与实机调试