毫米波多模态算法工程师-2027届

优缺点分析

角色解读

• 可向资深雷达算法专家或多模态感知技术负责人方向发展，参与核心算法架构设计
• 有机会横向扩展到机器人感知、自动驾驶或医疗健康领域，积累多学科交叉经验
• 在大平台内可通过技术晋升或转岗成为项目/团队负责人，管理算法研发团队
• 负责多传感器（毫米波雷达、摄像头等）的时空同步标定，解决感知数据对齐和自动标注问题
• 基于微动多普勒特征进行家庭人员识别，处理遮挡和轨迹交叉导致的ID切换难题
• 利用MIMO毫米波模组开发手势/行为识别和睡眠监测算法，提升智能家居体验
• 精通FMCW MIMO雷达全链路处理，包括测距、测速、测角、DOA估计、CFAR、聚类与跟踪
• 掌握点云处理与特征提取，具备基于传统机器学习或深度学习的点云分类/动作识别能力
• 熟练使用Python及相关科学计算库或MATLAB进行算法原型开发

申请策略

• 小米非常看重实际动手能力，可以在简历附上GitHub链接或项目Demo视频
• 提前了解小米智能家居产品线（如小米智能音箱、小米手环等），面试时能体现对业务场景的理解
• 突出毫米波雷达相关项目经验，详细描述你如何实现从ADC到语义输出的完整链路
• 展示点云处理、目标跟踪、动作识别等具体成果，最好有量化指标（如准确率、速度）
• 如有顶会/顶刊论文（如Radar、CVPR、ICASSP等），放在显眼位置
• 如果还未深入掌握点云深度学习，可以快速补习PointNet系列和Transformer在点云中的应用
• 强化Python科学计算和MATLAB原型开发能力，练习快速验证算法思路

面试指南

• 对于原理类问题：先讲清物理和数学基础（如公式推导），再结合实际应用中的工程考量
• 对于项目经验：采用STAR法则（情境-任务-行动-结果），重点突出你的贡献和难点解决
• 对于开放性问题：先分析问题边界，再给出多方案对比，最后给出你的推荐及理由
• 请详细解释FMCW雷达测距、测速、测角的基本原理，以及如何设计MIMO虚拟阵列
• 在目标跟踪中，如何处理遮挡和ID switch问题？你用过哪些滤波或关联算法？
• 你如何将点云数据与深度学习模型结合？请举例说明你使用PointNet或Transformer的经验
• 请描述一个你独立完成的毫米波雷达项目，从问题定义到最终结果
• 对于睡眠监测场景，你认为毫米波雷达相比其他传感器（如摄像头、压力垫）有哪些优劣势？