面灵AI→

商汤系统建模工程师一面:通信仿真从协议到 OSI 分层,TDOA 与卡尔曼滤波连着问

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 简单做 2-3 分钟自我介绍。
  2. 详细介绍通信系统模拟项目,讲清楚自己承担的工作内容。
  3. 该通信系统模拟软件是纯软件仿真,还是包含硬件?项目基于什么平台开发?
  4. 通信模拟系统的上下行收发如何处理,广播、寻呼、长短消息业务怎么实现?
  5. 大消息分片丢失、多设备并发时序冲突,采用哪些方案解决?
  6. 讲一下本科以及研究生阶段学习过的核心专业课程。
  7. OSI 七层网络架构分别是什么,物理层主要完成什么功能?这套通信仿真软件对应 OSI 模型的哪几层?
  8. 你接触或者了解过哪些通信、电子类仿真软件,有没有使用过 Simulink?
  9. 一个完整通信链路建模包含哪些核心环节?
  10. 做通信仿真时,是完全对标真实行业协议标准,还是做简化处理?
  11. 是否了解 OpenNet 这类网络仿真工具?
  12. 通信模拟项目为什么选用 C++/Qt 开发,不使用 MATLAB 或者 Python?
  13. 无人机项目中,你的工作更偏向嵌入式固件落地,还是算法本身的研究?
  14. TDOA 时差定位的基本原理是什么,使用什么信号,超定方程组如何求解?
  15. 卡尔曼滤波在 IMU 姿态解算中如何使用,Q、R 参数代表什么含义?
  16. 你个人的工作意愿,更倾向纯算法仿真建模,还是嵌入式固件开发?
  17. 平时项目开发中,如何看待 AI 辅助编码,实际用到哪些场景?
  18. 你熟悉哪些开发、EDA 仿真工具?Python 主要用来做什么?
  19. 你手上目前有其他 offer 吗?期望薪资大概是什么水平?
  20. 反问:团队主要使用哪些建模仿真工具?工作偏向纯模型仿真,还是包含模型到代码落地?面试一共几轮,多久反馈结果?

《参考解析》

纯软件行为级仿真要交代边界。这类项目最容易在「到底仿了什么」上被问穿,回答要一句话划清:射频物理层由外部硬件模块负责,软件做协议层与数据链路层的行为仿真,用 UDP socket 模拟空口收发,用 C++ 与 Qt 实现协议解析和事件分发,业务侧覆盖广播、寻呼、长短消息。这样既说清了仿真粒度(行为级、非波形级),也解释了为什么不需要射频信道模型。若面试官继续问「UDP 怎么模拟无线链路」,答案是不模拟误码与衰落,靠人为注入丢包、乱序、延迟来构造异常场景——这是行为级仿真的标准取舍。

广播、寻呼、长短消息的实现。接收端先解析原始报文,按消息类型分发:广播下发到全部已注册设备,寻呼按标识定向到指定设备,长短消息走不同路径——长消息分片编号后逐片发送,接收端按序号重组,配合位图 ACK 做丢失重传;短消息一次完整收发。工程上要额外说明三件事:设备注册与在线状态表怎么维护(心跳 + 超时清理),消息与设备的匹配用哪个字段,以及并发发送时怎么保证同一设备的消息有序(每设备一条队列或按序号串行)。

分片丢失与多设备并发。长消息用「序号 + 位图确认 + 超时重传」:发送端切分后逐片发送并维护已确认位图,接收端收齐后回 ACK,发送端只重传位图中缺失的分片,超过重试次数或总时长就整条失败并上报。多设备并发用的是「每个设备一个独立状态机 + 独立会话与消息队列」,不做共享可变状态,从根上消除竞争;再配超时清理机制,设备离线或会话超时就把状态机与队列释放,避免长时间运行后内存泄漏。这套设计能自然回答「为什么能连续跑 72 小时」——没有共享状态、没有无界队列、所有等待都有超时。

OSI 七层与这套仿真的对应关系。从下到上是物理层、数据链路层、网络层、传输层、会话层、表示层、应用层(原帖漏了传输层,答题时要补上)。物理层负责比特流的传输,定义电气特性、机械接口、时序与编码,比如电平标准、连接器、码元速率。这套仿真软件实现的是数据链路层与网络层的逻辑(成帧、寻址、分片重组、路由与转发),会话与业务逻辑再往上,物理层的射频收发交给外部硬件,所以它不对应 OSI 的第 1 层。

完整通信链路的建模环节。经典的七段是信源编码、信道编码、调制、信道传输、解调、信道译码、信宿。建模时每一段都要给出可配置参数与失真来源:信源编码关注压缩率与重建质量;信道编码关注码率、纠错能力(卷积码、LDPC、Turbo);调制关注星座图与频谱效率;信道模型是最关键的一段,要包含噪声(AWGN)、衰落(瑞利、莱斯)、多径与多普勒;解调与译码要能输出误码率、误块率这类可比对的指标;信宿侧做指标统计。行为级仿真通常把调制解调简化为「按 SNR 查误码率表」,把算力留给协议与调度逻辑,这个取舍要主动说明。

为什么是 C++/Qt,而不是 MATLAB 或 Python。三个理由分开讲:性能与稳定性——长时间(72 小时以上)连续跑,C++ 无 GC、内存可控、可预测;工程性——Qt 提供事件循环、信号槽与跨平台 UI,正好对应「事件分发 + 界面展示」的需求,MATLAB 做界面与并发事件处理很别扭;生态定位——MATLAB/Python 适合算法原型快速验证,一旦要做多设备并发、协议状态机、长时稳定运行,就要换到系统级语言。反过来也要承认代价:开发周期长、调试成本高,算法探索阶段仍然用 Python 更快。

TDOA 定位与超定方程求解。原理是多个接收站接收同一信号,测到达时间差,时间差乘光速得到距离差;每个距离差在以两个接收站为焦点的双曲线上,多条双曲线交会即目标位置。信号可以是脉冲、扩频信号或 OFDM 前导,关键是各站要有统一时间基准(GPS 驯服或光纤同步),否则 1 微秒误差就是 300 米。方程数上,二维定位至少要 3 个站(2 个独立时间差),三维至少 4 个站;多于最少站数时方程组超定,工程上用最小二乘求解——先把非线性双曲方程在初值处线性化(泰勒展开)做迭代,或用 Chan 算法给闭式初值再迭代;存在非视距与时钟偏差时用加权最小二乘,权重取各站测量方差的倒数,必要时加鲁棒损失函数抑制异常站。

卡尔曼滤波在 IMU 姿态解算中的用法。状态取姿态(四元数或欧拉角)与陀螺零偏,陀螺积分做预测(状态转移),加速度计与磁力计做观测更新——加速度计提供重力方向、磁力计提供航向,两者都只观测姿态的一部分,所以观测矩阵要按实际可用量写。Q 是过程噪声协方差,表征预测模型的不确定性,主要对应陀螺噪声与零偏游走,Q 给小会过度信任积分、姿态跟随迟滞,给大会让输出抖动;R 是测量噪声协方差,对应加速度计与磁力计自身的噪声以及运动加速度、磁干扰这类非高斯干扰,R 给小会让振动直接传到姿态上。实践上调参靠静态方差标定给初值,再按动态表现微调,并对加速度模长偏离 1g 的时段做自适应增大 R,滤掉线性加速度。

工作意愿这类问题怎么答。面试官问「偏纯算法建模还是嵌入式固件」,本质是在确认岗位匹配与稳定性,不是要你二选一。可行的答法是给证据:两个方向都做过——通信仿真项目做建模与协议,无人机项目做算法移植到 MCU、传感器预处理与滤波调优,所以既能从模型推到代码,也能从代码反推模型;再给倾向:更想做系统建模,因为它同时用到通信理论与工程实现。含糊地说「都可以」会被追问到底。

AI 辅助编码怎么答才不空。给出分工:用 AI 生成代码原型、补测试用例、读日志找线索;核心算法逻辑、参数整定、边界条件必须人工复核。再补一条具体的验证方式(生成的代码要能逐行解释、关键路径要有单测或对比仿真),比表态可信。