智能化算法工程师

岗位职责：
1.智能化电子对抗算法设计与开发：
o 主导电子对抗侦察（信号检测、参数估计、调制识别）、干扰（自适应干扰波形生成、智能策略决策）、测向（DOA估计、空域滤波）、信号分选（复杂电磁环境下的多源信号分离）等核心算法的研究与工程化。
o 深度融合AI技术：
开发基于深度学习（CNN/RNN/Transformer/强化学习）的电子对抗创新方案，例如：
 智能信号分选与威胁识别（小样本学习、迁移学习）
 动态电磁环境下的干扰策略在线优化（强化学习与博弈论）
 对抗样本生成与抗干扰能力增强（GAN、对抗训练）
 探索大模型、元学习等技术在认知电子战中的应用。
2.算法全链路实现与优化：
o 完成算法数学建模、仿真验证及性能调优。
o 主导AI算法在嵌入式平台（FPGA/DSP/GPU）的工程落地，解决实时性、资源约束与功耗优化问题。
o 实现深度学习模型的轻量化部署（TensorRT/ONNX/模型剪枝），支持边缘计算与低延迟响应。
3.系统级技术攻关与前沿探索：
o 参与电子对抗系统指标论证，提出智能化算法驱动的性能提升方案。
o 跟踪AI+电子战领域国际前沿技术（如智能频谱对抗、自主认知电子战）,推动创新技术转化。
任职要求：
1.学历要求：硕士及以上学历，电子工程、人工智能、信息对抗技术、信号处理等相关专业。
2.核心技术能力：
o 电子对抗基础：
精通电子对抗侦察/干扰/测向/分选全流程算法（如DRFM、ESM、MUSIC、SDIF算法等）；熟悉通信/雷达信号体制（LFM、QAM、OFDM、跳频等）及典型对抗策略。
o AI深度能力：
熟练掌握深度学习理论与框架（PyTorch/TensorFlow），具备信号处理领域的AI模型设计能力；有AI在电子对抗中的落地经验，如信号分类、干扰波形生成、动态策略决策等。
o 工程实现能力：
精通至少一种硬件开发生态（Xilinx FPGA的HLS/Vivado、TI DSP的CCS、NVIDIA Jetson的CUDA加速）；熟悉AI模型端侧部署技术（量化、蒸馏、嵌入式推理框架）。
3.优先条件：
o 在IEEE/ACM等顶级期刊会议发表过AI+电子对抗相关论文。
o 有认知电子战、智能DRFM、自适应干扰机等项目开发经验。
o 熟悉多智能体强化学习、在线学习等动态对抗场景算法。
4.软性要求：
o 具备强技术洞察力与创新思维，能独立承担技术攻关。
o 良好的跨团队协作能力，可配合硬件与系统工程师完成联调。