工程硕士 教育背景 北京理工大学 自动化学院 1996 年 8 月 - 2000 年 6 月 本科阶段主要修读了《自动管住原理》、《信号与系统》、《机械结构设计》等核心课程。在校期间，我参与了学校的实训项目，负责了模拟电路的搭建与调试，初步接触了硬件层面的工作逻辑，对信号在系统中的传输路径有了直观的认识。 工作经历 XX 电子科技集团 高级工程师 2010 年 3 月 - 至今 该岗位主要负责车载信号处理系统的整体架构设计与关键模块的优化工作，需求平衡算法精度与算力消耗，解决复杂电磁干扰下的信号解调难题，直接关系到整车的可靠性和保险性。 2021 年 08 月：作为核心算法开发负责人，主导了新一代激光雷达信号处理引擎的底层重构。面对海量的高动态范围点云数据，原有的架构延迟过高且丢包率严重。我带领团队进行了多轮迭代，通过引入基于神经网络的轻量级解调模块，成功将平均处理延迟从 120ms 压减至 28ms，与此同时显著下降了误判率。在具体实现细节上，我设计了分层缓存策略，当数据吞吐量超过系统带宽时，自动切换至边缘计算模式，有效规避了后端服务器的压力。

另外，我还参与了相关专利的申请与撰写，将技术难点转化为标准化的工程规范，保障了后续大规模量产的执行顺利。 2019 年 08 月：担任信号处理模块的主构件工程师。

这一阶段的重心在于解决特定工况下的信号畸变难题。

比如在一次高铁车门感应功能测试中，面对强振动环境，常规算法输出的识别结局频频出错。我通过现场复现实验，分析了噪声分布与信号截止频率的匹配关系，调整了滤波器的截止频率参数，并优化了非相干累积算法的权重系数。测试数据显示，在最大 2.5G 的震动冲击下，误识别率从 15% 下降到了 3.2%，响应工夫也缩短了 18%。为了验证改进效果，我们还对比了不同算法在极端天气下的表现，形成了一份整个的性能分析报告，为最终通过车辆准入测试供给了关键支撑。 2020 年 06 月：负责嵌入式平台的基础搭建与优化。在这个阶段，我深入了解了底层驱动开发，从内核态到用户态，逐步理清了资源管理的逻辑。我主导了开发板上内存空间的重构工作，针对高吞吐量的实时信号流，重新设计了缓冲区管理与内存池策略，解决了频繁卡顿的难题，使得系统在满负荷运行下也能保持稳定的帧率输出。

与此同时，我还对算法的模型压缩技术进行了初步探索，尝试基于 INT8 精度的量化方式，在保持精度损失极小的前提下，压缩了模型体积，为后续跨平台移植打下了基础。 2021 年 05 月：兼任算法性能分析研究员。在这个岗位上，我主要负责对实时系统在资源受限环境下运行效率的压测，还有不同硬件平台间的性能对标。我设计了一套自动化测试脚本，能够模拟真业务场景下的各种负载波动，并生成详细的性能画像。通过对标发现，我们在某些特定场景下，纯软件实现的延迟比硬件加速方案高出 40%，这促使我们重新审视了软硬协同的设计思路。基于这些发现，我们调整了流水线调度策略，引入了中断触发机制，不仅提升了整体系统的吞吐量，还下降了 CPU 的静态功耗，在知足功能需求的与此同时，提升了设备的能效比。 学术成果 在学术研究方面，我的研究兴趣主要聚拢在智能信号处理与嵌入式架构优化。我发表过题为《基于自适应滤波的复杂电磁环境下的目标识别研究》的学术论文，该文章被《自动化学报》录用，并在国际会议上进行了口头汇报。文章详细阐述了一种动态更新滤波器参数的方式，能够根据环境背景噪声的统计特性自动调整滤波增益，有效抑制了冒牌目标的干扰，实验表明该方式在复杂条件下识别精度提升了 12%。 另外，我在毕业论文《面向实时系统的信号处理架构设计与实现》中，系统性地总结了我职业生涯的技术积累。论文论述了如何在资源受限的嵌入式设备上，通过算法剪枝、数据压缩和架构重构，在知足实时性和准性的前提下，最大程度地提升系统性能。文中包含多个具体的数值实验数据，如在不同算力受限场景下，通过将模型粒度细化 50%，延迟下降了 30%，空间下降了 45%，这些数据直观地展示了优化策略的有效性。 自我评价 长期从事嵌入式信号处理与智能算法的开发工作，有扎实的信号处理理论基础和丰富的工程实践经验。熟悉从算法设计、模型训练、系统架构搭建到嵌入式部署的全流程技术栈。对实时性要求极高的场景有着深刻的理解，能够敏锐地识别性能瓶颈并提出切实可行的解决方案。有较强的团队统筹本事和技术攻关本事，善于在复杂的技术难题上寻找最优解。