没头脑

• UID:18561

综合评分 38

方向：硬件开发-FPGA开发、人工智能-机器学习与深度学习

沈阳市

2000元/8h

1-3年经验

求职意愿：接单·考虑求职(30天前更新)

个人简介

核心技能：掌握STM32嵌入式开发，硬件电路设计，PCB画板，FPGA开发时序设计，有过深度学习算法方面经验，以及AI加速器设计经验在嵌入式开发方向，熟悉基于ARM Cortex-M/R/A系列处理器（STM32、NXP i.MX等）的系统开发，可完成底层驱动移植（GPIO、SPI、I2C、UART）基础配置与任务调度设计。在FPGA开发领域，掌握Xilinx（Zynq-7000）、Altera（Cyclone IV）等主流芯片的使用方法，熟悉Verilog/VHDL硬件描述语言，了解图像处理（HDMI视频采集、基础图像滤波）、常用接口设计与时序约束基础。软件编程能力尚可，精通C/C++基础开发。熟练使用Python进行数据处理和脚本编写，了解PyTorch框架的基本使用，可协助完成深度学习模型（如CNN，RNN,Transformer）的简单训练与嵌入式平台部署测试工作。了解硬件开发流程，能配合硬件工程师进行原理图评审、PCB布局建议提供及硬件调试辅助，具备问题定位与解决能力，可处理常见的系统稳定性问题。编程语言：C/C++，python，Verilog。

技能

核心技能： VHDL/Verilog、Keil MDK、STM32CubeIDE、Arduino IDE

其他技能： PyTorch、C/C++、C、Python、DesignSpark PCB、EasyEDA

交流语言：普通话（母语水平）、英语（借助工具可书面交流）

行业经验：人工智能、生活服务、游戏/电竞

项目案例

基于transformer架构的3D人体姿态识别

人口老龄化的加剧已是不能忽视的问题，银发经济的需求也随之增长。随着智慧医疗智慧养老等模式兴起，本项目提出一种基于深度学习的人体行为姿态识别和预测系统，通过摄像头实时捕捉人体姿态并进行分析预测，以到达实时并迅速准确地检测人体的动作姿态及动作规范性的目的；同时，可以预测未来短时间内的人体行为，可与其他防摔倒设备或者穿戴式摔倒缓冲设备结合，为提前避免损伤创造了可能，更好的满足了老年人的健康需求。开发一个高效的人体姿态识别系统：利用深度学习技术，实现对人体姿态的准确检测和识别。

人工智能

简易信号接收器

在射频信号监测领域，传统专业频谱分析仪存在体积大、成本高（普遍数万元）、功耗高的问题，难以满足教学实验、户外简易监测等轻量化场景需求。同时，调频广播频段（88MHz-108MHz）作为日常应用广泛的民用频段，其信号强度分布、频率占用情况的实时监测需求日益增长。为填补低成本、低功耗简易频谱分析设备的市场空白，提升对微弱调制信号（-65dBm至-85dBm）的采集与解析能力，特立项开发基于STM32的简易信号接收器与频谱分析系统，兼顾技术可行性与应用实用性。设计并实现一款可采集-65dBm至-85dBm调制信号、覆盖88MHz-108MHz调频广播频段的简易信号接收器，基于STM32微控制器完成信号解析与频谱分析，实现信号强度实时监测、频率识别（误差≤±0.5MHz）及频谱波形可视化，整机功耗≤150mW。设计并实现一款可采集-65dBm至-85dBm调制信号、覆盖88MHz-108MHz调频广播频段的简易信号接收器，基于STM32微控制器完成信号解析与频谱分析，实现信号强度实时监测、频率识别（误差≤±0.5MHz）及频谱波形可视化，整机功耗≤150mW。采用“信号接收→调理→AD采样→数字处理→可视化”五阶架构，核心设计聚焦低功耗与高精度信号解析，具体如下：

生活服务

基于数字电路的 AM 波调制以及多径传输模拟

研究背景：1.研究目标：目标设计出一套系统，有两路输出，一路可以实现 AM 波调制，另一路可以模仿 AM 波在实际传播时的幅度衰减，相位偏移，并可以实现步进调整称为多径信号，最后将两路信号合并输出

汽车生活服务