毫米波雷达感知算法工程师（博士）

优缺点分析

角色解读

• 在技术深度上，从算法工程师成长为雷达感知领域专家，主导前沿技术研究
• 在横向发展上，可转向系统架构师或技术负责人，负责雷达产品全链路设计
• 跨领域拓展，结合智能家居、医疗健康等行业，成为行业解决方案专家
• 设计并优化毫米波雷达信号处理算法，包括波形设计、FMCW/MIMO处理等
• 开发目标检测、跟踪、分类算法，提升雷达感知精度
• 同时研究生命体征微动信号测量
• 引入深度学习技术，优化雷达全链路算法及端到端感知能力
• 参与芯片方案选型、算法部署及与产品团队的联调测试，推动技术落地
• 扎实的毫米波雷达信号处理基础，熟悉FMCW、MIMO等体制
• 精通目标检测、跟踪、分类算法，有生命体征检测经验者优先
• 掌握深度学习框架（如PyTorch/TensorFlow），能结合雷达数据优化模型
• 具备C++/Python编程能力，了解嵌入式系统或芯片部署流程

申请策略

• 关注安克创新航海计划的具体培养路径，面试时表达对技术落地的热情
• 准备一个完整的雷达感知项目介绍，从算法到部署的流程，展现系统性思维
• 突出博士期间的雷达或信号处理相关研究项目，尤其是FMCW、MIMO等实际经验
• 强调深度学习在雷达或传感器领域的应用成果，如论文、专利或开源项目
• 体现工程能力：算法部署、芯片移植、系统联调等实践经验
• 量化成果：目标检测精度、生命体征测量误差等性能指标
• 补充嵌入式或芯片相关的算法部署技能，如ONNX/TensorRT、C++优化
• 熟悉安克创新产品的业务场景（如智能家居），提前了解行业痛点

面试指南

• 基础概念题：从原理出发，结合公式或框图，再谈实际应用中的注意事项
• 算法设计题：明确问题定义，提出方案，对比不同方法的优劣，给出实验验证思路
• 开放题：先分析场景需求，再提出技术方案，最后总结可能面临的问题及解决思路
• 请解释FMCW雷达的工作原理，并推导距离和速度计算公式
• 如何利用深度学习改进毫米波雷达的目标检测？请举例说明
• 谈谈你熟悉的MIMO雷达技术及其优势
• 在一个雷达系统中，如何平衡检测精度和实时性？
• 你如何看待毫米波雷达在医疗健康（如生命体征监测）中的应用挑战？