均胜电子
UWB算法工程师
UWB算法工程师
发布于 8 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ble
Nxp
Ti
Uwb
天线设计
定位算法
嵌入式
性能调优
数字钥匙
值不值得投
薪资怎么样
2.2万
比算法优化工程师中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
17 个在招
市场机会
选择适中
宁波 · 算法优化工程师 · 13 个在招
职位详情
关于这个职位
该岗位聚焦汽车数字钥匙的定位算法，基于 NXP、TI、钮瑞芯等 BLE&UWB 芯片平台，完成测距与定位算法的设计、实现、标定和性能调优
你需要与天线工程师、数字钥匙应用团队协同，把算法落地到量产交付项目中，是智驾网联业务里偏底层信号处理与工程化的核心算法角色
最低要求
本科及以上学历，计算机、软件工程、数学、通信、电子等相关专业
年以上数字钥匙产品或CPD产品算法开发经验
具备基于多种BLE&UWB芯片平台（NXP，TI，钮瑞芯等）的开发经验
具备数字钥匙BLE和UWB定位算法开发经验
具备对定位算法中的一些性能瓶颈进行分析，提出改善措施的能力
熟悉BLE广播、连接、测距等基础知识，及相应的性能指标要求
熟悉UWB测距和UWB雷达的性能指标要求和具体解决方案
熟悉UWB、BLE的天线设计要求，及相关性能指标要求，尤其熟悉UWB、BLE测距性能对场型的指标要求，尤其熟悉UWB雷达对天线的定向性能的指标要求
工作职责
负责交付/平台项目的数字钥匙定位算法设计和实现
协助天线工程师完成天线方案的设计
负责数字钥匙定位算法的性能调优以及系统资源优化
负责数字钥匙定位算法的标定方案设计与实现
负责与数字钥匙定位算法与数字钥匙应用的集成调试
负责一些其他的技术任务
例如，参与完善团队技术发展规划，技术体系建设
指导组织内部跨领域技术团队学习与交流等
AI 洞察
优缺点分析
优点
- 技术栈稀缺且聚焦：UWB 数字钥匙是近年快速上量的汽车电子方向，掌握该技能的人才市场供给有限
- 端到端参与度高：从算法设计、天线协作、标定到量产集成全流程覆盖，能力积累扎实、可迁移性强
- 业务确定性强：数字钥匙已是主流车型标配功能，项目交付属性明确，成果可见
- 有跨领域协作与对外影响力机会，JD 提到可参与技术体系建设并指导跨领域团队
- 算法与硬件强耦合：定位精度高度依赖天线方案与车身场型，很多问题无法只在代码层面解决，需要跨专业沟通与现场实测
- 芯片平台多样（NXP/TI/钮瑞芯），不同 SDK 与工具链切换成本高，需要较强的学习与适配能力
- 适合有嵌入式或无线定位背景、喜欢把算法真正跑在硬件上、能接受实验室实测与量产打磨节奏的工程师
- 对只想做纯离线算法、不愿接触硬件与标定的人不太合适
缺点 / 挑战
- 量产标定工作量大且琐碎：不同车型、不同安装位置都要重复标定与验收，需要耐心和工程化思维
角色解读
- 纵向深耕：从单模块算法工程师成长为数字钥匙定位算法负责人，主导平台化算法架构与芯片平台选型
- 横向拓展：向智驾网联的融合定位（UWB+BLE+蓝牙+IMU+车端传感器）或 UWB 雷达（活体检测、脚踢尾门）等相邻方向延伸
- 复合发展：具备算法+天线+系统集成经验后，可转向系统架构、技术方案定义或技术管理路线
- 负责数字钥匙产品的 UWB/BLE 定位算法方案设计、代码实现与量产交付，覆盖测距、测角与位置解算全链路
- 设计并落地标定方案，处理不同车型、不同车身结构下的场型差异，保证定位精度与稳定性达标
- 与天线工程师配合确定 UWB/BLE 天线方案与指标要求，并与数字钥匙应用团队完成集成联调
- 分析算法性能瓶颈，做精度与系统资源（算力、内存、功耗）的平衡优化，并参与团队技术体系建设
- 扎实的定位与信号处理功底：熟悉 TOF/TWR/DS-TWR 测距、AoA 测角、多径与非视距误差抑制，会用卡尔曼滤波、粒子滤波等融合方法
- 芯片平台工程能力：在 NXP（如 SR100/NCJ29D5）、TI、钮瑞芯等 BLE&UWB 平台上有实际量产开发与调试经验
- 通信与射频基础：理解 BLE 广播/连接/测距机制，理解 UWB 测距与 UWB 雷达的指标要求，能与天线工程师用指标语言沟通
- 嵌入式和量产工程化能力：C/C++ 编码、资源受限环境优化、标定工具链与量产问题排查
申请策略
- 投递前了解均联智行在数字钥匙与智能网联方向的产品线与量产客户，面试时能对上业务语境
- 建议主动询问该岗位对应的芯片平台、量产节点和团队分工，判断自己能上手的速度与成长空间
- 用项目条目写清楚你负责的数字钥匙/CPD 产品：车型、芯片平台（NXP/TI/钮瑞芯具体型号）、定位方案、达成的精度指标与量产状态
- 突出 UWB 测距与 BLE 定位的具体算法工作，如多径抑制、NLOS 识别、滤波融合、坐标系与安装误差补偿
- 量化性能优化成果：定位误差从多少降到多少、内存/算力/功耗下降幅度、标定时长缩短比例
- 单列一段体现与天线工程师、应用/系统团队的协作经历，以及标定工具链、自动化测试脚本的开发经验
- 补齐 UWB 雷达相关知识与天线基础指标（方向图、增益、驻波、时域响应），能看懂天线测试报告并对接指标
- 系统复习 DS-TWR、AoA、时钟漂移补偿、卡尔曼/粒子滤波等定位算法原理，并准备可白板推导的案例
面试指南
- 用 STAR 结构讲项目：先讲清场景约束（车型、芯片平台、精度与功耗指标），再讲你做的技术选择及被否掉的方案，最后给出可量化的结果
- 遇到开放性问题（如多径、NLOS）按「现象—成因—方法—验证指标」四步回答，体现工程闭环而非只背概念
- 涉及跨专业协作的问题，突出你如何用指标和数据与天线/应用团队对齐需求、推动问题收敛
- 请完整介绍你参与过的一个数字钥匙 UWB 定位项目：方案选型、算法架构、标定流程与量产结果
- UWB 测距中的多径、NLOS 和天线时延偏差你怎么处理？用过哪些滤波或融合方案，效果如何量化？
- BLE 定位（RSSI/测距）精度瓶颈在哪里？你如何做指纹库或路径损耗模型的标定与验证？
- 算法在 MCU 上算力和内存受限时，你做过哪些优化？如何评估优化对精度的影响？
- UWB 测距与 UWB 雷达对天线的指标要求有何不同？你会如何与天线工程师提出需求并验证？
Watch Jobs