安克创新毫米波雷达感知算法工程师（博士）
任职要求
1. 2025-2026届博士毕业生，信号处理/信息工程/电子工程/计算机/人工智能及相关专业； 2. 熟悉毫米波雷达系统工作原理，掌握FMCW信号工作原理、DOA估计算法（MUSIC、ESPRIT等）、MIMO信号处理、杂波抑制技术等，了解波形设计及雷达信号去噪技术； 3. 掌握目标检测、数据关联、卡尔曼滤波、粒子滤波、多目标跟踪（MTT）等算法；熟悉CNN； 4. Transformer、RNN、图神经网络（GNN）等常见网络模型，有雷达点云/回波数据与深度学习结合的研究经验者优先； 5. 精通Python，熟悉至少一个深度学习框架（PyTorch、TensorFlow等)； 6. 数学基础扎实，具备良好的概率统计、矩阵运算、优化算法基础，能够处理雷达原始数据，进行算法验证和仿真测试； 7. 具备良好的科研能力和英文文献阅读能力，能复现并优化前沿算法。
工作职责
1. 参与毫米波雷达技术在智能家居、医疗健康、IoT等领域的算法研发工作； 2. 研究并开发毫米波雷达信号处理算法，包括波形设计、FMCW信号处理、MIMO信号处理、新体制雷达方案设计及信号处理算法等； 3. 研究并优化目标检测、跟踪及分类算法，提高雷达对动态/静态目标的感知能力；研究并优化毫米波雷达生命体征信号测量能力，提高雷达对微动信号的测量精度； 4. 结合深度学习技术优化毫米雷达全链路算法及端到端感知能力； 5. 参与芯片方案选型、定制化工作，参与全链路算法设计及部署工作，参与毫米波雷达与产品侧联调、部署、优化等任务； 6. 关注前沿研究，阅读相关论文，推动新技术在实际应用中的落地。
1、目标轨迹预测算法开发： 1-1、基于激光雷达点云数据，结合摄像头、毫米波雷达等多传感器信息，开发动态障碍物（如车辆、行人）的轨迹预测算法，包括短时轨迹预测、行为意图预测，并优化预测模型的准确性与实时性。 1-2、典型任务：长短期记忆网络（LSTM）、Transformer等深度学习模型的改进，融合时序信息与空间特征。 2、多模态数据融合与预测模型构建： 2-1：主导多传感器（激光雷达、摄像头、IMU等）数据的时空对齐与融合，设计联合预测框架，提升复杂场景（如十字路口、拥堵路段）下预测系统的鲁棒性。 2-2：涉及技术：卡尔曼滤波、粒子滤波、贝叶斯网络等。 3、预测算法验证与场景适配：通过仿真工具（如CARLA、LGSVL）和实车测试验证预测算法性能，分析极端场景（如紧急变道、鬼探头）的预测失败案例（badcase），优化模型泛化能力。 4、协同规划与控制模块：将预测结果与自动驾驶决策、路径规划模块深度集成，提供动态障碍物的未来轨迹概率分布，支持车辆避障、跟车等决策逻辑。
工作职责【负责其中之一的方向即可】 1、【道路几何方向】跟进学界最新主流道路集合感知进展，包括且不限于车道线，停止线，斑马线，Roadmarker, 道路拓扑等方向 2、【Occupancy方向】跟进学界最新主流占据网络感知层面进展，研究基于相机、激光雷达、毫米波雷达等Occupancy感知方案，业界内形成技术领先； 3、【BEV方向】跟进学界主流BEV感知进展，研究基于相机、激光雷达、毫米波雷达等端到端BEV感知方案，业界内形成技术领先； 4、【激光雷达方向】跟进学界主流激光雷达感知进展，研究基于激光雷达的动态&静态障碍物感知技术，业界内形成技术领先；
1. 负责毫米波雷达算法优化工作，包括单帧滤波、点云聚类、帧间关联等算法设计和优化； 2. 负责毫米波雷达信号处理设计和优化，包括信号串扰、噪声等问题的解决方案设计和验证； 3. 负责毫米波雷达感知避障前沿算法探索； 4. 撰写仿真分析报告及测试验证文档，绘制干扰场景可视化图表。
1. 参与毫米波雷达技术在智能家居、医疗健康、IoT等领域的算法研发工作； 2. 研究并开发毫米波雷达信号处理算法，包括波形设计、FMCW信号处理、MIMO信号处理、新体制雷达方案设计及信号处理算法等； 3. 研究并优化目标检测、跟踪及分类算法，提高雷达对动态/静态目标的感知能力；研究并优化毫米波雷达生命体征信号测量能力，提高雷达对微动信号的测量精度； 4. 结合深度学习技术优化毫米雷达全链路算法及端到端感知能力； 5. 参与芯片方案选型、定制化工作，参与全链路算法设计及部署工作，参与毫米波雷达与产品侧联调、部署、优化等任务； 6. 关注前沿研究，阅读相关论文，推动新技术在实际应用中的落地。