UP简历小U

+86 138-0000-0000|upresume.ai@example.com|北京

个人总结

资深脑机接口实验员，在非侵入式脑电（EEG）实验设计与执行方面拥有丰富经验。专注于信号预处理算法研发与优化，成功将脑电信号信噪比提升<strong>20%</strong>以上，显著提高数据分析准确性。熟练掌握多种脑电采集设备与分析软件，具备卓越的数据处理能力和严谨的实验操作规范，致力于推动脑机接口技术在实际应用中的突破。

工作经历

脑机接口实验员

中科院自动化研究所

2024-07 - 2024-12

负责非侵入式脑电（EEG）实验的全流程设计、实施与数据采集，确保实验方案的科学性与严谨性。
主导研发并实施了针对非侵入式脑电信号的**高效预处理方案**，通过**自适应滤波算法**和**独立成分分析（ICA）**，成功将信号信噪比（SNR）平均提升了**20%**，为后续数据分析奠定高质量基础。
参与开发基于机器学习的脑电数据分类模型，将特定任务脑电信号识别准确率提高至**92%**，优化了人机交互体验。
熟练操作**Brain Products**、**Neuroscan**等主流脑电采集设备，精通电极帽佩戴、阻抗检测及数据校准，累计完成**100余例**高质量脑电数据采集。
撰写并整理实验报告及研究论文，协助团队发表**2篇SCI期刊论文**，提升了团队在脑机接口领域的学术影响力。

项目经历

基于多模态生物信号的疲劳状态识别系统

清华大学生物医学工程实验室

2022-09 - 2023-12

**项目背景**：针对驾驶员疲劳驾驶导致的交通事故问题，旨在开发一套能够实时、准确识别驾驶员疲劳状态的系统。
**个人职责**：作为核心成员，负责脑电（EEG）信号采集、预处理及特征提取模块的开发。
**关键技术与方法**：设计并实施了**多通道脑电信号的伪迹去除算法**（包括眼电、肌电），采用**小波去噪**和**ICA**结合的方式，将脑电信号纯净度提升了**18%**。
**项目成果**：成功构建了包含EEG、ECG、EOG等多模态信号的疲劳状态识别模型，在真实驾驶模拟场景下，系统识别准确率达到**88%**，为智能驾驶辅助系统提供了关键技术支撑。
**价值体现**：相关研究成果已申请**1项国家发明专利**，并发表**1篇核心期刊论文**。

基于事件相关电位（ERP）的认知负荷评估研究

清华大学神经工程研究中心

2021-03 - 2022-08

**项目背景**：探究人类认知活动中大脑的电生理反应，以期通过ERP信号量化评估认知负荷水平。
**个人职责**：负责实验范式设计、被试招募与管理、脑电数据采集与ERP分析。
**关键技术与方法**：设计了**N-back任务**等认知实验范式，利用**MATLAB**和**EEGLAB**对采集的原始脑电数据进行**滤波、分段、基线校正和平均叠加**，有效提取了P300、N200等关键ERP成分。
**项目成果**：通过严谨的实验设计与数据分析，成功揭示了不同认知负荷水平下ERP成分的显著性差异，为认知神经科学研究提供了实验证据。
**价值体现**：研究结果为优化人机界面设计、评估用户体验提供了理论依据，并以**会议论文**形式发表。