核心技术能力要点
一、跨学科理论功底
- 掌握应用物理与电子信息双学科知识体系
- 核心理论涵盖:数学物理方法、线性代数、统计建模、信号处理原理、机器学习基础
- 深入理解流体力学数值模拟方法(格子玻尔兹曼方法)
二、编程与仿真专长
- 精通MATLAB算法开发(6年+经验),熟悉COMSOL多物理场耦合仿真
- 掌握C/C++高性能计算编程,具备GPU加速优化经验(实现60%+速度提升)
- 熟练Python科学计算,具有工业级代码移植能力(MATLAB转Java/iOS)
三、算法工程化能力
- 传感器信号处理全栈开发:
√ 多源传感器融合(加速度计/陀螺仪)
√ 实时滤波与运动状态估计
√ 千万级数据批处理流水线构建
- 机器学习应用:
√ 基于可穿戴设备的跌倒检测算法
√ 运动姿态分类模型开发(iOS端落地)
四、科研创新能力
- 参与国家自然科学基金流体模拟项目:
√ 构建复杂表面多相流模型
√ 开发高精度LBM仿真程序
√ 百万量级仿真步长优化
五、工程实践成果
- 发明专利:
√ 三相反渗流仿真方法(专利号202410314431.9)
- 产品级开发:
√ Apple Watch力量训练算法(App Store上架)
√ 工业传感器数据处理系统(3800万数据点验证)
- 代码工程化:
√ MATLAB Runtime集成开发
√ 自动化C代码生成
六、核心软技能
- 复杂问题拆解:成功交付10+科研/工业项目
- 技术文档撰写:2篇高水平学位论文
- 跨平台协作:MATLAB/Java/iOS多环境协同
- 持续优化意识:算法精度/可靠性迭代提升
- 自主学习能力:快速掌握新技术栈(3个月实现GPU加速)
1.重力训练信号处理算法项目
开发并优化行业领先的算法,用于运动训练中的加速度传感器和中立传感器数据
不断提高算法的准确性和可靠性,这些算法处理来自重量训练的 3800 万个传感器数据点
在 MATLAB 中为噪声传感器数据实现批处理模式和实时处理管道
算法包括传感器融合、过滤、分割、速度和状态估计、运动学模型
较强的修复 bug 调试技能。此外,通过分析和重构代码算法来提高性能
2.流体力学仿真项目
国家自然科学基金面上项目
基于晶格玻尔兹曼方法开展复杂表面多相流的数值模拟研究,并通过自主编程构建多相流模拟模型
使用 GPU 加速在 MATLAB 和 C++ 中实施高性能计算技术,优化数值仿真算法的性能。模型在 GPU 上运行速度提高了 60% 以上并稳定执行 1000 万个以上仿真步骤
本项目为一个简单观察信号噪音影响因素的项目,通过模拟不同的天线数与信道数对信号的影响。使用不同信道增益,侧重SER随信道数量变化的趋势。对比弱信道与理想信道的组合,侧重SNR标注(需修正计算)。
本项目由本人担任主要算法设计与编写者,实现了行业内顶级的算法实现效果,该项目现已投产。 该项目主要通过matlab进行最初的算法开发实现以下功能: 1.短时内处理上百万个传感器数据点 2.为噪声数据实现批处理和实时处理模式 3.算法包括传感器融合、过滤、分割、速度和状态估