深圳·光明区
职位详情
本科及本科以上学历，雷达工程、通信信号、电子信息等相关专业，具备机器学习/深度学习在雷达领域的研究背景或项目经验。
核心技能要求
1.精通基于深度学习的稀疏阵列信号处理技术，研究神经网络驱动的MIMO雷达超分辨成像（如CNN/Transformer架构的方位角估计）、稀疏布阵优化方案，通过端到端模型提升角度分辨率，为雷达点云生成与三维成像提供技术支撑；具备深度学习聚类（GraphNeuralNetwork/Transformer-based聚类）与跟踪算法经验，结合RBF神经网络补偿的UKF滤波技术，强化角雷达全平台目标关联与轨迹稳定性，提升复杂环境下探测鲁棒性。
2.精通深度神经网络（CNN/Transformer/LSTM/SNN）及机器学习算法体系，具备毫米波雷达原始数据预处理（噪声抑制、特征工程）、端到端模型搭建、迁移学习与训练优化能力，可根据项目需求设计轻量化AI方案。
工作职责
1.跟踪毫米波雷达与机器学习交叉领域国际前沿算法（如深度学习超分辨DOA估计、神经辐射场雷达成像），结合实际场景选型并开发AI算法原型；
2.负责验证通过的AI算法原型轻量化处理（量化、剪枝、知识蒸馏），基于TensorRT/ONNX完成嵌入式平台部署，或配合嵌入式工程师实现模型移植与实时性优化；
3.主导室内毫米波雷达AI算法研发与落地，包括Transformer/LSTM轨迹跟踪模型、CNN+注意力机制跌倒监测系统、端到端生命体征提取算法（呼吸/心率误差控制）等核心模块；
4.熟悉雷达数据处理的AI算法栈：精通深度学习聚类与分割模型（替代传统DBSCAN/KNN），掌握神经网络与EKF/UKF/粒子滤波的融合方案，熟练使用PyTorch/TensorFlow框架进行模型开发；
5.熟练掌握C/C++程序开发、Python数据分析技能，具备雷达AI模型部署工具（TensorRT/ONNX）使用经验。
任职资格
1.熟练运用MATLAB/Python进行雷达数据仿真，具备基于神经网络的信号建模与端到端仿真能力（如体征信号混叠分离、点云特征提取）；
2.具雷达机器学习应用经验者优先；
3.能结合神经网络优化信号采集与特征提取策略。
核心技能要求
1.精通基于深度学习的稀疏阵列信号处理技术，研究神经网络驱动的MIMO雷达超分辨成像（如CNN/Transformer架构的方位角估计）、稀疏布阵优化方案，通过端到端模型提升角度分辨率，为雷达点云生成与三维成像提供技术支撑；具备深度学习聚类（GraphNeuralNetwork/Transformer-based聚类）与跟踪算法经验，结合RBF神经网络补偿的UKF滤波技术，强化角雷达全平台目标关联与轨迹稳定性，提升复杂环境下探测鲁棒性。
2.精通深度神经网络（CNN/Transformer/LSTM/SNN）及机器学习算法体系，具备毫米波雷达原始数据预处理（噪声抑制、特征工程）、端到端模型搭建、迁移学习与训练优化能力，可根据项目需求设计轻量化AI方案。
工作职责
1.跟踪毫米波雷达与机器学习交叉领域国际前沿算法（如深度学习超分辨DOA估计、神经辐射场雷达成像），结合实际场景选型并开发AI算法原型；
2.负责验证通过的AI算法原型轻量化处理（量化、剪枝、知识蒸馏），基于TensorRT/ONNX完成嵌入式平台部署，或配合嵌入式工程师实现模型移植与实时性优化；
3.主导室内毫米波雷达AI算法研发与落地，包括Transformer/LSTM轨迹跟踪模型、CNN+注意力机制跌倒监测系统、端到端生命体征提取算法（呼吸/心率误差控制）等核心模块；
4.熟悉雷达数据处理的AI算法栈：精通深度学习聚类与分割模型（替代传统DBSCAN/KNN），掌握神经网络与EKF/UKF/粒子滤波的融合方案，熟练使用PyTorch/TensorFlow框架进行模型开发；
5.熟练掌握C/C++程序开发、Python数据分析技能，具备雷达AI模型部署工具（TensorRT/ONNX）使用经验。
任职资格
1.熟练运用MATLAB/Python进行雷达数据仿真，具备基于神经网络的信号建模与端到端仿真能力（如体征信号混叠分离、点云特征提取）；
2.具雷达机器学习应用经验者优先；
3.能结合神经网络优化信号采集与特征提取策略。
2026-06-17 12:16
IP属地：广东
职位福利
本科1-3年融合感知算法
深圳市灏志科技有限公司
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
