飞行器导航算法岗

优缺点分析

角色解读

• 从导航算法工程师成长为多源融合算法专家或飞行器系统架构师
• 未来可向飞行器飞控系统总体设计或低空经济领域的技术管理方向发展
• 负责飞行器导航设备的各类模型搭建，包括接口、噪声、测量误差及故障模拟模型
• 主导惯导、高度表、雷达等多源数据融合算法的设计、验证与测试规划
• 与软件工程师紧密协作，检查并确认算法逻辑与机载嵌入式代码的一致性
• 扎实的数学与物理基础，精通卡尔曼滤波、傅里叶变换等动态系统建模工具
• 具备导航设备（惯导、雷达等）的传感器特性理解与建模能力
• 具备一定的嵌入式代码阅读能力，能够跨学科与软件团队进行技术对齐

申请策略

• 了解吉利在飞行汽车（如沃飞长空）领域的布局与最新进展，面试时可结合行业趋势表达对低空经济的理解
• 突出在卡尔曼滤波、多源数据融合等方面的项目经验或学术研究成果
• 展示对导航设备（惯导、雷达等）的建模经历及嵌入式代码阅读能力
• 深入学习多传感器融合算法（如扩展卡尔曼滤波、粒子滤波）及机载软件标准
• 熟悉嵌入式系统基础及C/C++代码实现逻辑，提升跨团队沟通效率

面试指南

• 采用“理论基础+项目实践+结果验证”的结构，先阐述数学原理，再结合具体项目说明如何应用，最后强调测试与验证的结果
• 请详细描述卡尔曼滤波在导航数据融合中的应用及推导过程？
• 如何根据传感器特性搭建测量和误差模型？
• 在多源数据融合中，如何处理不同传感器数据的时间同步和空间对齐问题？
• 请分享一段你检查算法与嵌入式代码一致性的经验或思路
• 复习动态系统建模、卡尔曼滤波等核心数学工具，确保推导过程熟练
• 了解飞行器导航系统（如惯导、GPS、雷达）的基本原理及常见故障模式