音频算法实习生（睡眠声学/智能呼吸监测方向）

负责睡眠场景下的音频信号分析与算法研发，重点包括鼾声检测、梦话识别、咳嗽声检测等特定事件的检测与分类。 研究并优化基于深度学习（CNN, RNN, Transformer等）的音频分类与语音增强算法，提升复杂环境（如风扇声、空调声、伴侣说话声）下的识别准确率。 参与非平稳噪声环境下的语音分离（Speech Separation）与信号增强工作，解决梦话与鼾声混合、人声与环境声混杂的难题。 构建并优化训练数据集，包括数据清洗、弱标注数据处理及数据增强策略的设计。 跟进音频信号处理及睡眠医学领域的前沿技术，将研究成果转化为实际产品功能（如睡眠报告生成、鼾声干预策略等）。 协助进行算法的嵌入式部署优化（如ARM平台），或参与Python/C++的 原型 验证与性能测试

在读硕士/博士，信号处理、计算机科学、应用数学、电子信息等相关专业。 扎实的数字信号处理（ DSP ）基础，熟悉傅里叶变换、滤波器设计、谱分析等。 熟悉语音/音频领域的经典模型（如CRNN, ResNet, Conformer等）及常用工具（Librosa, Kaldi, Audacity等）。 熟练掌握 Python 编程，熟悉 PyTorch 或 TensorFlow 等深度学习 框架 。 有以下经验者优先： 有鼾声检测、关键词唤醒（KWS）、声纹识别或异常声音检测项目经验； 熟悉语音增强（Denoising）、回声消除（AEC）或源分离技术； 了解睡眠医学基础知识（如AASM标准），有医疗信号处理经验； 有顶会论文（ICASSP, Interspeech, NeurIPS等）发表。 具备良好的英文文献阅读能力， 逻辑 清晰，自驱力强，对解决具有挑战性的实际问题有浓厚兴趣。 加分项： 有Android/iOS端音频算法优化经验。 参加过Kaggle、科大讯飞/阿里天池等声学相关算法竞赛并获奖。 熟悉C/C++编程，有实时音频流处理经验