信号处理与算法工程师

从多通道磁场数据中提取发动机运行信息,负责信号处理、异常模式识别与算法工程化。

工作职责

  • 分析磁场时间序列与采集条件,设计同步、滤波、干扰抑制及数据质量判断方法。
  • 研究时域、频域与时频域特征,建立运行事件检测、特征提取与异常模式识别算法。
  • 建设规则、统计方法和机器学习基线,分析误报、漏报及不同工况下的失效原因。
  • 按采集场次、车辆与场地组织训练和评估数据,控制数据泄漏,评估跨场地和跨工况泛化能力。
  • 与嵌入式工程师完成算法移植和运行性能优化,核对离线分析与设备端输出的一致性。
  • 参与现场数据分析,区分传感质量问题与模型问题,向产品团队说明输出含义和适用条件。

任职要求

  • 硕士及以上学历,信号与信息处理、电子信息、计算机科学与技术、控制科学与工程、应用数学等相关专业。
  • 具有两年及以上信号处理、时间序列分析或机器学习项目经历,能独立完成数据分析和算法评估;相关研究课题经历可计入。
  • 掌握数字信号处理、概率统计及统计学习,熟悉采样、谱分析、滤波和时频分析。
  • 熟练使用 Python、NumPy、SciPy 及至少一种机器学习框架,能够编写可复现的分析与训练代码。
  • 理解数据划分、类别不平衡、评价指标和泛化误差,能用实验解释模型表现并提出改进方向。
  • 具备算法工程化意识,能够与传感和嵌入式团队讨论数据接口、计算资源和部署约束。

加分项

  • 有机械状态监测、振动分析或工业异常检测经验。
  • 有磁场等低信噪比传感数据处理经验。
  • 熟悉 C++、ONNX 或边缘设备模型部署。

成长与协作

算法工作会接触传感器、发动机信号与现场应用。你可以与实验研发同事一起追溯数据来源,也可以参与模型在设备上的实现,在物理理解和算法能力之间建立更紧密的联系。

岗位与申请信息

欢迎将简历及相关项目经历发送至 hr@parkneural.com,邮件标题使用“姓名+岗位方向”。人才团队统一接收并与适合的候选人联系。