主要职责： 1.设计和实现用于稳态视觉诱发电位（SSVEP）EEG信号的预处理、特征提取与分类算法，处理多目标SSVEP识别任务。 2.使用统计和机器学习方法（CCA、TRCA、FBCCA、CNN-Transformer 等）对SSVEP数据进行分析，以识别和量化神经生理信号。 3.与硬件工程师合作，确保算法在嵌入式/FPGA/SoC平台上的低功耗、低延迟实现。 4.进行算法性能评估和验证，包括准确性（ITR）、鲁棒性（跨人/跨设备）和实时性（≤40 ms）测试。 5.撰写技术文档，包括算法描述、用户手册和研究论文。 6.跟踪最新的SSVEP及脑-机接口信号处理技术，以保持公司的技术领先地位。 基本要求： 1.计算机科学、电子工程、生物医学工程或相关领域硕士学位。 2.至少3年的信号处理或机器学习算法开发经验；对SSVEP算法有实际落地经验或研究成果。 3.精通至少一种编程语言，如Python（PyTorch/NumPy）或 MATLAB。 4.熟悉常见机器学习/深度学习库，如TensorFlow、PyTorch、scikit-learn。 5.有使用公开EEG/SSVEP数据集（如BCI Competition IV-2a、Benchmark Dataset、THU-SSVEP）的经验。 6.能够独立工作，同时具备优秀的团队协作与沟通能力。