小米
毫米波雷达高级算法工程师
毫米波雷达高级算法工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Fmcw
Mimo雷达
姿态估计
嵌入式优化
毫米波
深度学习
点云处理
目标跟踪
生理信号提取
AI 估算 · 35k–55k
高级算法工程师岗位，北京一线大厂，毫米波雷达技术稀缺，薪资具有竞争力，通常在35k-55k之间。
职位详情
关于这个职位
这个职位主要负责基于毫米波雷达的家居场景感知算法研发，包括人体姿态估计、生理信号提取、动作识别等
你将深入参与从雷达信号处理到点云感知与跟踪的全链路开发，并与嵌入式团队合作实现算法落地
适合有扎实雷达信号处理基础、熟悉点云和机器学习、并希望将前沿技术应用于智能家居领域的算法工程师
最低要求
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
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
工作职责
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
优先资格
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
AI 洞察
优缺点分析
优点
- 小米作为行业巨头，平台大、资源丰富，项目直接落地智能家居产品，影响力强
- 毫米波雷达感知是前沿技术，技能稀缺性高，市场价值持续上升
- 工作内容覆盖信号处理、点云、深度学习等多领域，技术广度与深度兼具
- 团队专业，有机会与顶尖嵌入式/系统工程师合作，提升综合能力
- 家居场景复杂多变，多径干扰、遮挡、多人互扰等问题对算法鲁棒性要求极高
缺点 / 挑战
- 算法需要从原型到产品化，涉及嵌入式移植和实时优化，工程挑战大
- 竞争激烈，大厂内部对技术深度和产出有较高要求，工作压力可能较大
- 适合有强烈技术好奇心、热爱挑战、对雷达感知有深厚兴趣、并愿意在算法工程化方向深耕的工程师
角色解读
- 技术纵深发展：成为毫米波雷达感知领域的专家，主导核心算法创新
- 横向扩展：向系统架构师或技术负责人发展，统筹雷达感知技术在智能家居的落地
- 管理路径：带领算法团队，负责产品级算法方案的设计与交付
- 负责毫米波雷达核心算法研发，包括人体姿态估计、生理指标提取和动作识别
- 设计雷达信号处理流程，包括杂波抑制、CFAR检测、DOA估计等
- 构建点云感知系统，实现多目标跟踪与基于深度学习的动作分类
- 与嵌入式团队协作，完成算法在ARM/DSP/GPU上的移植与加速
- 扎实的雷达信号处理基础，精通FMCW MIMO雷达原理和DOA估计算法
- 熟练使用Python和C/C++，有嵌入式开发经验者优先
- 熟悉点云处理和机器学习算法，特别是深度学习和传统方法在动作识别中的应用
- 了解生理信号提取方法，能够处理体动干扰下的鲁棒估计
申请策略
- 了解小米智能家居生态，在面试中展现对产品场景的理解和算法落地的思考
- 准备一个完整的技术项目故事，从问题定义、方案选型到最终效果，展示全栈能力
- 突出雷达信号处理全链路经验，例如CFAR、DOA、点云生成等具体项目
- 强调点云分类或人体姿态估计的落地成果，最好有量化指标（准确率、延迟等）
- 展示嵌入式优化或模型轻量化的实践经验，如定点化、CUDA加速等
- 如果有顶会论文或专利，务必列出，体现研究和创新能力
- 补充点云深度学习知识，如PointNet++、PointPillars等框架的实际应用
- 加强对生理信号处理的理解，特别是呼吸心率鲁棒提取方法
面试指南
- 对于原理类问题：先明确核心概念（如FMCW拍频、相位变化），再逐步推导公式，最后结合实际应用
- 对于项目类问题：使用STAR法则（情境、任务、行动、结果），重点突出个人的技术贡献和难点突破
- 对于工程类问题：强调性能（延迟/精度）和资源（内存/功耗）的权衡，展示系统思维
- 请描述FMCW雷达测距测速的基本原理，如何实现距离-多普勒解耦？
- 在多目标跟踪中，如何处理遮挡和重识别？请举例说明您使用过的跟踪算法
- 请谈谈您对人体动作识别（HAR）的理解，比较传统方法与深度学习方法在雷达点云上的优劣
- 如何从毫米波信号中提取呼吸和心率？在体动干扰下如何保证鲁棒性？
- 您有将算法移植到嵌入式平台的经验吗？请具体说说优化过程和遇到的挑战
职位点评
76
综合评分
小米毫米波雷达高级算法岗，技术前沿、成长空间大，但工作强度和WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求技术深度和成长机会、愿意投入高强度工作换取前沿技能积累的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
小米作为上市大厂，薪资水平在行业中上，且有完善的福利体系，但具体薪资未在JD中明确，需面议。
薪资信号面议 (35K-55K/月)
成长发展
90较高
该职位涉及前沿毫米波雷达技术，从信号处理到深度学习全面覆盖，技能成长空间大，且有机会接触产品化全流程。
技术前沿前沿/新兴技术
技术栈FMCW、MIMO雷达、点云、深度学习、目标跟踪、生理信号提取
业务类型ambiguous
工作生活
50较低
JD中未提及远程或弹性工作，且北京小米通常要求现场办公，工作强度可能较高，但未明确加班情况。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
智能家居是高速增长赛道，毫米波雷达用于健康监测和智能感知具有社会价值，但JD中未明确提及使命愿景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
小米 的其他在招职位
相似职位推荐
Watch Jobs