具备全栈式智能感知技术能力,覆盖算法研发、嵌入式实现与系统集成。精通MATLAB进行雷达信号仿真、时频分析及算法快速验证;熟练运用C语言开发嵌入式端高性能信号处理模块,注重资源优化与实时性;擅长Python生态(NumPy、SciPy、Scikit-learn、PyTorch)完成特征工程、机器学习建模(SVM、随机森林、CNN)及数据可视化;掌握Java用于构建稳定后端服务与系统接口。深度聚焦毫米波雷达技术领域:熟悉FMCW原理、点云生成、CFAR检测、微多普勒特征提取、手势时序建模;具备多传感器协同感知系统设计经验,包括时空同步校准、点云融合、卡尔曼滤波跟踪及抗干扰策略。熟悉从算法仿真到嵌入式部署的全流程工程实践,注重代码健壮性、跨平台适配与性能调优,可高效支撑智能交互与环境感知类产品的技术落地。
主导“毫米波雷达手势识别与多雷达协同感知系统”核心算法研发与实现。在单雷达模块中,针对原始IQ数据设计信号预处理流水线(含MTI滤波、噪声抑制),提取微多普勒时频特征并构建轻量化CNN分类模型,精准识别方向滑动(上下左右)、旋转及点击等交互手势,在复杂光照与遮挡场景下识别准确率稳定达95%以上。进一步突破单点感知局限,设计分布式多雷达协同框架:开发高精度时间同步与空间标定算法,融合多视角点云数据,引入改进卡尔曼滤波实现多目标轨迹关联与跟踪,显著扩展有效感知区域并提升动态环境鲁棒性。全程采用MATLAB完成算法迭代验证,C语言实现嵌入式端低延迟部署,Python支撑数据标注与模型训练优化。项目成果成功应用于智能终端人机交互场景,验证了技术方案在实用性、稳定性与创新性上的综合价值。