核心职责
核心红外图像处理算法的FPGA实现与优化：
非均匀性校正： 设计并实现高性能的NUC算法（两点、多点校正、基于场景的校正等），处理红外焦平面阵列的响应非均匀性，是红外图像质量的基础。这是最核心、挑战性的FPGA任务之一。
盲元检测与补偿： 实时检测并补偿探测器中的坏点（盲元）。
时域滤波： 实现帧间累加平均、运动目标检测等算法，提升图像信噪比或实现特定功能。
空域滤波： 实现实时图像增强算法（如直方图均衡化、对比度拉伸、细节增强、降噪滤波等）。
坏点校正/插值： 对盲元或特定坏点进行像素级修复。
测温算法支持： 实现辐射定标、发射率校正等测温核心步骤的底层计算（可能涉及浮点或定点高精度运算）。
图像几何变换： 电子稳像、数字变焦等功能的实现。
图像处理流水线架构设计：
设计高效、低延迟、高吞吐量的图像处理数据流架构。
合理划分处理模块（预处理、主处理、后处理），优化数据带宽和存储访问。
利用FPGA的并行性（流水线、多核并行）最大化算法性能。
系统集成与接口处理：
与探测器数字读出电路接口，接收原始红外图像数据（LVDS, SLVS-EC等）。
实现图像数据的格式转换、缓存、重组。
与后端处理器（如ARM, DSP）或视频输出接口（HDMI, SDI, GigE Vision, Camera Link）对接。
可能涉及片上系统设计（如Xilinx Zynq, Intel Cyclone V/10 SoC）中PS-PL交互。
资源优化与低功耗设计：
针对FPGA的有限资源（逻辑单元、DSP Slice、BRAM）进行算法精简化、定点化、资源复用设计。
优化功耗，对关键模块进行门控时钟、动态频率调整等设计。
时序约束分析与收敛：
定义和满足关键路径的时序约束，确保系统在目标频率下稳定运行。
进行时序分析、优化和收敛工作。
仿真、验证与调试：
使用HDL仿真工具进行模块级和系统级仿真。
利用FPGA厂商的在线调试工具进行板级调试。
配合光学、探测器团队进行系统联调和图像质量评估与优化。
编写测试平台和测试用例。
技术预研与创新：
跟踪最新的FPGA技术、红外图像处理算法和行业趋势。
探索和评估新算法在FPGA上实现的可行性及性能提升潜力。
必备技能与知识
深厚的FPGA开发能力：
精通硬件描述语言： VHDL 和/或 Verilog。
熟悉FPGA开发工具链： Xilinx Vivado/Vitis HLS, Intel Quartus Prime。
掌握高级综合： 熟悉HLS工具（如Vitis HLS）用于算法加速和快速原型开发是显著优势。
深刻理解FPGA架构： 逻辑单元、DSP Slice、Block RAM、时钟管理、高速收发器等。
时序分析与约束： 熟练编写时序约束文件，理解静态时序分析报告。
仿真与调试： Modelsim/QuestaSim, VCS, ILA/ChipScope等工具。
接口协议： AXI4（Stream, Lite, Full）, AXI4-Stream是SoC设计核心。
扎实的图像处理算法基础：
深刻理解数字图像处理核心概念：滤波、变换、增强、特征提取等。
特别精通红外图像处理特有算法： NUC (各种方法)、盲元补偿、红外图像噪声模型与降噪、红外测温原理。
熟悉常见图像处理算法在硬件实现上的特点（定点化、并行化、流水线化）。
红外技术基础知识：
了解非制冷红外探测器（微测辐射热计）的工作原理、特性和主要性能参数（NETD, 响应率等）。
了解红外成像系统的基本组成和工作流程。
理解红外图像的特点（低对比度、高噪声、非均匀性等）。
数学与信号处理基础：
线性代数、微积分、概率统计。
数字信号处理理论（滤波器设计、FFT等）。
嵌入式系统概念：
理解处理器（ARM, DSP）与FPGA的协同工作方式（SoC架构）。
了解常见外设接口和总线协议。
编程能力：
必备： C/C++ (用于HLS、测试平台、嵌入式软件交互)。
重要： Python/Matlab (用于算法原型验证、数据分析、自动化脚本)。
了解： Tcl (用于工具脚本)。
软技能：
强大的问题分析与解决能力： 解决复杂的算法实现和硬件调试问题。
优秀的沟通能力： 与光学、探测器、软件、系统工程师有效协作。
文档能力： 编写清晰的设计文档、接口文档、测试报告。
项目管理意识： 能管理自己的任务和进度。
持续学习能力： 技术更新快，需不断学习新工具、新算法、新器件。