岗位职责
1.音频异常检测算法研发
主导基于拾音器音频数据的信号采集与异常识别系统研发，涵盖：
￮针对矿山环境的输送带托辊异常识别、机械故障异常音检测、结构碰撞音等多场景异常检测；
￮运用传统信号处理（如MFCC、STFT）与深度学习（如CNN、RNN、Transformer）方法构建高精度模型。
2.音频数据特征提取与建模
针对矿山特有的噪声和非结构化音频数据，设计有效的特征提取和建模策略，确保数据高质量处理和异常模式准确定性。
3.系统鲁棒性优化
解决矿山恶劣环境下的高噪声、频谱混叠等问题，通过算法优化不断提升系统的实时性、稳定性与抗干扰能力，确保检测精准和可控。
4.多模态协同与集成部署
与视觉、雷达等其他传感器模块紧密配合，实现多传感器数据融合，构建完善的矿山安全感知系统，并推动系统在现场顺利落地调试。
5.项目管理与执行
全面负责音频模块的研发任务规划、风险管控与成果交付，确保按期达成项目目标，与团队协同攻克技术难题。

任职要求
1.硕士及以上学历，信号处理、音频识别、机器学习及相关专业背景。
2.核心技能与工具
￮精通音频信号处理、时频分析和异常检测技术，具备从数据采集到建模的完整研发能力；
￮掌握CNN、LSTM、Transformer等在音频场景下的应用；
￮熟练使用Python、Pytorch/Tensorflow、Librosa、Kaldi等相关工具，具备一定C++工程开发经验者优先；
￮学术评测竞赛高名次（ACM/Kaggle等）优先。
3.项目经验与创新实践
￮优先考虑具备工业声学检测、机械故障音检测或智能语音分析项目经验者；
￮具备将非结构化音频数据转化为结构化、有用信息的能力，并能针对实际生产环境提出优化策略。
4.加分项
￮在DCASE、ICASSP、Interspeech等国际会议上发表论文或获得竞赛奖励；
￮有端到端语音模型研发和在线检测系统落地经验；
￮熟悉多传感器融合及边缘部署，与其它模块协同构建完整解决方案者优先。
￮参与并贡献过知名开源项目者优先。