1、负责可穿戴设备传感器信号（光电、生物电、运动姿态等）的算法设计，包括特征提取、信号融合、滤波降噪及FFT等核心算法开发； 2、基于深度学习框架（如TensorFlow Lite、NCNN）设计轻量化模型，实现健康数据（如心率异常、睡眠分期）的智能分析，并持续优化模型精度与计算效率；结合硬件资源限制，对算法进行复杂度分析与性能调优，确保在低功耗MCU/DSP平台实时运行。 3、针对多模态传感器数据（如PPG、ECG、加速度计），开发信号预处理算法，解决运动干扰、基线漂移等实际问题； 4、设计健康指标（如血压估算、心电诊断）的特征提取方案，结合医学标准构建可解释性算法模型。 5、将Python/MATLAB验证的算法高效移植至嵌入式平台（ARM Cortex-M系列），使用C/C++重构关键模块，优化内存占用与计算延迟； 6、针对目标芯片（如STM32、NPU）进行指令级优化，利用硬件加速单元（如GPU、OpenCL）提升算法吞吐量。 7、制定算法测试方案，通过临床数据集验证算法鲁棒性，解决实际场景中的噪声干扰、个体差异等问题； 8、联动测试团队进行端到端功能验证，定位算法缺陷并迭代优化，确保产品通过医疗级认证标准。 9、撰写算法设计文档、测试报告及用户手册，规范版本管理与技术交接流程； 10、与硬件团队协作定义传感器接口协议，参与芯片选型评估，确保算法与硬件架构深度适配。

1、数学、计算机科学、电子信息工程、生物医学工程等相关专业本科及以上学历，硕士博士优先。 2、3年以上嵌入式算法开发经验，具备可穿戴设备、医疗器械或生理信号处理项目经验者优先； 3、有完整算法工程化落地案例（如算法从PC端移植至嵌入式产品）。 4、精通C/C++编程，熟悉嵌入式Linux/RTOS开发环境，掌握ARM架构下的性能调优方法； 熟练使用Python/MATLAB进行算法原型验证，了解TensorFlow Lite、Tengine等轻量化框架； 掌握信号处理基础理论（数字滤波、频谱分析）及机器学习算法（SVM、CNN），具备特征工程与模型压缩经验； 5、熟悉常见传感器（如光电容积描记PPG、ECG、IMU）的工作原理及数据特性。 6、具备强逻辑思维与问题解决能力，能独立分析复杂信号问题并设计优化方案； 7、良好的跨团队协作意识，可高效对接硬件、临床及产品团队； 8、英语读写能力优秀，能跟踪国际前沿算法论文及技术文档。