惯性导航算法工程师8299

优缺点分析

角色解读

• 在技术深度上，可向高精度定位、多源融合算法专家方向发展
• 在业务广度上，可拓展至自动驾驶、机器人等领域的定位算法
• 有机会带领小团队，负责核心算法模块的架构设计
• 负责手机端传感器融合算法（如VDR/PDR/ADR）的研发与维护，提升定位精度和稳定性
• 调优INS/GPS组合导航算法，解决实际场景中的定位漂移问题
• 撰写技术设计方案和文档，参与算法评审和技术分享
• 精通Kalman滤波、最小二乘等经典估计理论，并能进行工程化调优
• 熟悉GNSS定位原理和PVT解算流程，了解卫星电文处理
• 熟练掌握C/C++和Matlab，具备良好的代码实现和仿真能力
• 具备组合导航或传感器融合项目的实际开发经验

申请策略

• 在面试中主动展示你对定位质量控制的深入理解，如粗差检测策略
• 关注新紫光集团在手机或IoT领域的业务布局，体现你对公司方向的了解
• 突出组合导航或传感器融合项目的完整经历，强调你在算法设计和调优中的具体贡献
• 详细描述Kalman滤波的变体应用，如自适应、抗差滤波的实际案例
• 展示C++和Matlab的工程能力，如代码性能优化、仿真验证等
• 如有相关专利或论文，务必列出，增加技术权威性
• 复习GNSS定位原理和PVT解算的细节，确保基础扎实
• 熟悉业界常用的开源融合框架，如RTKLIB、VINS-Fusion等

面试指南

• 对于算法推导类问题，先清晰陈述模型假设，再逐步推导，最后说明工程实现中的注意事项
• 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果），突出你的个人贡献和量化成果
• 对于开放设计类问题，先明确约束条件，再提出多种方案并比较优劣，最后给出推荐方案
• 请详细推导标准Kalman滤波的更新方程，并说明如何将其应用于PDR/INS融合
• 在GNSS信号弱或丢失时，如何利用VDR/PDR保持定位精度？请描述你的算法思路
• 如何检测和剔除GNSS观测值中的粗差？你使用过哪些抗差估计方法？
• 请介绍一个你主导的组合导航项目，重点说明你遇到的挑战和解决方案
• 在手机平台上实现高精度定位，你会如何权衡算法复杂度和功耗？