小米
毫米波雷达算法工程师
毫米波雷达算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
武汉市 / 北京市
中级经验
全职员工
仅现场办公
硕士
电子工程师
Cfar
Doa估计
Gcn
Mimo
深度学习
点云处理
Fmcw雷达
AI 估算 · 25k–40k
小米AIoT核心算法岗，雷达与AI复合技能稀缺，薪资有竞争力。
职位详情
关于这个职位
该职位负责小米智能家居中毫米波雷达感知算法研发，包括FMCW信号处理、深度学习行为识别及边缘端部署
你将参与从物理模型到AI融合的算法设计，应用于人体感知和异常预警
适合具备雷达信号处理和深度学习背景的工程师，工作地点灵活（武汉/北京/南京/上海）
最低要求
硕士以上学历，雷达信号处理相关专业 有MIMO雷达/单基地/多基地雷达相关的项目课题或文章
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估计算法等
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）的方案等
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：具备 C/C++ 基础，熟练使用 Python + NumPy/SciPy/scikit-learn 或 MATLAB 进行快速原型开发
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
工作职责
信号处理链路搭建：负责FMCW（调频连续波）雷达中频信号处理，包括CFAR（恒虚警检测）、DOA（到达角）估计、MIMO虚拟孔径成像，输出高保真的目标点云或微多普勒特征谱
行为识别算法研发：针对家居复杂环境（多径效应、家具杂波），研发基于深度学习（GCN、Transformer、CNN）或传统机器学习的行为分类器，精准识别行走、静坐、挥手、摔倒（Fall）、跌倒后无法起身（Lying Post-Fall）等关键状态
物理模型与AI融合（重点）：借鉴模型驱动深度学习（Model-based Deep Learning）思想（如SubspaceNet类似架构），利用信号处理的物理先验（阵列流型、多普勒谱物理约束）引导神经网络训练，解决小样本及开集泛化难题
时序行为分析与语义理解：基于连续帧的状态序列，构建行为语义理解模型，分析用户长期活动模式（作息规律、活动量），实现异常行为（如久坐、夜间离床过久）的主动预警
边缘计算部署：将算法在嵌入式平台（TI/Skyrelay）进行轻量化优化与移植，确保家居产品的实时性与低功耗
AI 洞察
优缺点分析
优点
- 技术前沿，结合传统信号处理与AI，学习曲线陡峭但成长价值大
- 小米平台大，智能家居产品落地场景丰富，技术易转化
- 多城市可选（武汉、北京、南京、上海），工作地点灵活
- 项目涉及从算法到嵌入式部署全链路，综合能力提升快
- 边缘部署需兼顾实时性和低功耗，工程实现难度高
缺点 / 挑战
- 跨学科要求高，需同时掌握雷达原理和深度学习，学习压力大
- 家居环境多径和杂波强，算法鲁棒性挑战大
- 适合对雷达感知和AI融合有强烈兴趣，具备扎实理论基础和工程能力，能接受挑战的工程师
角色解读
- 在雷达感知和AI融合方向持续深耕，成为算法专家
- 可横向拓展至AIoT更广泛的感知技术（如视觉、语音融合），成为系统架构师
- 可转向技术管理，主导智能感知团队
- 负责FMCW雷达中频信号处理，包括CFAR检测、DOA估计和MIMO虚拟孔径成像，生成目标点云
- 研发基于深度学习的行为识别模型，识别家居环境中的行走、摔倒、静坐等关键状态
- 将信号处理的物理先验融合进神经网络，提升小样本和泛化能力，并落地到嵌入式平台
- 分析用户长期活动模式，构建异常行为预警逻辑
- 扎实的雷达信号处理理论基础，熟悉FMCW测距测速测角原理及MIMO阵列设计
- 熟练使用Python和C/C++进行算法开发，掌握NumPy/SciPy/sklearn或MATLAB
- 具备点云处理和深度学习实战经验，了解PointNet、Transformer等模型
- 了解嵌入式雷达芯片（如TI IWR系列）的数据格式和调试方法
申请策略
- 提前了解小米智能家居的产品线（如人体传感器）和应用场景，在面试中展现对业务的理解
- 准备一个完整的项目案例，从问题定义、信号链路设计到最终算法落地的全过程展示
- 突出MIMO雷达或相关项目经验，包括具体的信号处理实现细节和算法效果
- 展示深度学习在点云或时间序列上的应用案例，附上可量化的成果（如准确率、实时性提升）
- 强调C/C++和Python的工程能力，如有嵌入式平台移植经验更佳
- 如果发表过相关论文或专利，务必列出
- 补充学习TI毫米波雷达芯片（如IWR1443）的SDK和例程
- 强化C++在嵌入式平台的编程能力，掌握OpenCL或NEON优化技巧
面试指南
- 采用STAR结构：背景（Situation）、任务（Task）、行动（Action）、结果（Result）来描述项目经历
- 对于算法原理问题，先解释理论基础，再联系实际应用，最后提出优化思路
- 对于部署优化问题，从算法层面（轻量化模型）和工程层面（硬件加速、定点化）两个维度展开
- 请解释FMCW雷达测距和测速的基本原理，以及如何设计DOA估计算法？
- 如何在多径效应严重的家居环境中提升行为识别的准确率？
- 你如何理解模型驱动深度学习？在雷达信号处理中如何实现物理先验与AI的融合？
- 请描述一个你处理过的点云/行为识别项目，从数据到模型部署的完整流程
- 如果要求你将算法部署到低功耗嵌入式芯片上，你会如何优化？
职位点评
68
综合评分
小米AIoT核心算法岗，技术前沿、薪资竞争力强，但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
适合追求前沿技术成长、对雷达和AI交叉领域有强烈兴趣，能接受现场办公和较大工作强度的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值65
薪资福利
65中等
薪资未明确但小米作为大厂具有竞争力，福利体系完善，但具体待遇需面议。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
技术栈前沿（FMCW+AI融合），成长空间大，但JD未明确提及培训或晋升机制。
技术前沿前沿/新兴技术
技术栈FMCW、CFAR、DOA、MIMO、深度学习、Transformer、GCN、点云、嵌入式、Python
业务类型ambiguous
工作生活
50较低
多城市可选，但必须现场办公，且未提及弹性工作或加班政策，小米整体节奏较快。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
智能家居产品有助于提升生活便利性和安全性，具备一定社会价值，但整体中性。
行业发展稳定成熟行业
社会影响中性/一般
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