2019-10-01 -2020-04-01GTC 高新科技有限公司/斯图加特， 德国软开发员

⚫ 完成嵌入式软件的后端开发，包括 U-boot 的制作和移植， Linux 内核的移植以及相关 SOC 外设驱动的开发； ⚫ 根据三星 SOC 型号对官方 U-boot 进行文件和参数的配置，得到与 SOC 相匹配的 U-boot； ⚫ 借助 arm 交叉编译器制作 uboot.bin 文件， 用 dnw 软件将 U-boot 烧写至 SD 卡， 并进行测试； ⚫ Linux 内核的分析和配置，通过 ping 命令将内核复制到特定的寄存器中进行启动； ⚫ 分析 Linux 内核代码和 SOC 的 datasheet，运用 C 语言开发 USB， LCD 显示屏， Framebuffer 等外设驱动； ⚫ 开发图片播放器软件，实现不同格式图片在 LCD 显示屏播放展示。

2019-08-01 -2020-04-01能量传递和高压技术研究所/斯图加特大学， 德国硕士论文

⚫ 通过非监督性算法提取电能质量干扰数据中的特征，然后利用聚类算法对特征进行分类，对未知干扰的电能 质量数据自动贴上相匹配的干扰标签； ⚫ 查询相关文献，分析和选取相匹配的非监督性算法，包括 PCA 算法，自编码，稀疏自编码和 k-means++算 法。 PCA，自编码和稀疏自编码对数据进行特征提取， k-means++算法对特征进行聚类； ⚫ 借助 MATLAB 制作 16 种电能质量干扰数据集，总计 8000 个样本， 其中 80%作为训练集， 20%作为测试集； ⚫ 运用 Python 和 TensorFlow 实现数据提取算法，并对神经网络算法自编码和稀疏自编码进行训练，得到合 适的模型； ⚫ 利用训练好的模型对数据进行处理，获取数据的特征值； k-means++算法对特征值进行聚类分析，对未知 干扰的数据贴上相应的干扰标签； ⚫ 通过 Matplotlib 实现聚类结果的可视化。

2019-08-01 -2020-04-01能量传递和高压技术研究所/斯图加特大学， 德国硕士论文

⚫ 通过非监督性算法提取电能质量干扰数据中的特征，然后利用聚类算法对特征进行分类，对未知干扰的电能 质量数据自动贴上相匹配的干扰标签； ⚫ 查询相关文献，分析和选取相匹配的非监督性算法，包括 PCA 算法，自编码，稀疏自编码和 k-means++算 法。 PCA，自编码和稀疏自编码对数据进行特征提取， k-means++算法对特征进行聚类； ⚫ 借助 MATLAB 制作 16 种电能质量干扰数据集，总计 8000 个样本， 其中 80%作为训练集， 20%作为测试集； ⚫ 运用 Python 和 TensorFlow 实现数据提取算法，并对神经网络算法自编码和稀疏自编码进行训练，得到合 适的模型； ⚫ 利用训练好的模型对数据进行处理，获取数据的特征值； k-means++算法对特征值进行聚类分析，对未知 干扰的数据贴上相应的干扰标签； ⚫ 通过 Matplotlib 实现聚类结果的可视化。

2016-05-02 - 2020-01-23斯图加特大学电子信息工程硕士研究生

毕业于德国斯图加特大学，专业是电子信息工程。