中国电科28所算法设计岗校招面试经验

面试总体概述

案例背景

电科莱斯、二十八所坐落于江苏南京，是我军指挥信息系统的开拓者、网信体系建设主力军，也是国内领先的数字交通与智慧城市整体解决方案提供商，业务覆盖军民用信息系统全生命周期。算法设计岗面试非常看重项目经验和解决实际问题的能力，面试官会深挖简历上的项目，并围绕算法的落地应用提问。技术深度是王道：重点准备 1—2 个核心项目，能用 STAR 法则清晰阐述技术细节和贡献；同时研究所非常看重抗压能力与稳定性，回答相关问题时可适当展现能接受高强度工作与出差的一面。通过面试后 1—2 周可能有线上测评，题目基础但也需提前刷题保持手感。

基本信息

• 公司：中国电子科技集团公司第二十八研究所
• 岗位：算法设计岗
• 招聘类型：校招
• 用工形式 / 部门：直招
• 工作地点：南京
• 面试形式：线上 · 线下
• 面试轮次：3 轮
• 题目数量：共 13 题，均附参考答案
• 整体难度：★★★★☆ 偏难
• 笔试形式：面试通过后 1—2 周可能有线上测评（题目基础，需提前刷题保持手感）

面试轮次与结构

轮次	类型	时间	时长
1	技术面（项目深挖与算法理论）	技术面	未注明
2	综合面（AI 应用认知、职业品格、单位认知与职业规划）	综合面	未注明
3	HR 面与其他方向参考	HR 面	未注明

高频考点

考点	分类	出现轮次	次数
项目深挖与技术难题（STAR + 定位问题过程）	项目与算法落地	技术面	3
雷达信号处理与抗干扰（干扰类型、分层解决、验证闭环）	信号处理	技术面	2
算法工程实现（嵌入式实时性、多传感器融合）	工程实践	技术面	2
单位战略定位与求职动机、职业品格	岗位认知	综合面、HR 面	4

备考建议

优先级	易失分点	准备动作
P0	只罗列方案，讲不出「定位问题的过程」	所有技术题都突出方法论（日志、二分法、对比实验、控制变量），并能量化就量化（如准确率 78%→92%、单帧推理 45ms→18ms）
P0	只讲技术、不了解单位业务，被认为没做功课	背熟单位简介与业务方向：我军指挥信息系统开拓者、网信体系建设主力军，覆盖顶层设计与总体论证、共性技术攻关、应用软件开发、系统集成、联试验证、设备研发制造与运营服务；并了解 28 所在空管系统、智慧城市等民用领域的拓展
P0	「为什么来 28 所」答成「先干着看看」	强调对国防信息化事业的认同与长期发展的决心：平台能参与国家级重大工程、研究所「传帮带」文化浓厚适合长期技术深耕、工作与国家战略直接相关价值感强
P1	抗压与稳定性信号不足，对加班出差含糊	明确回答能接受加班和出差，可补充「理解研究所项目交付的特点，前期以学习和积累为主」；回答找工作最先考虑的三个因素时，建议「平台与发展空间、技术方向匹配度、稳定性」，薪资放次要位置
P1	有军工/国防相关项目经历却没有突出	如有跟导师做过的军工/国防项目，务必在简历和面试中突出——多位分享者提到会被「另眼相看」，通过概率大增

第 1 轮：技术面（项目深挖与算法理论）

面试形式与时长

轮次名称	技术面（项目深挖与算法理论）
面试类型	技术面
时长	未注明
形式	线上 · 线下
本轮题量	7 题

重点考查维度

• 项目深挖与解决问题 —— 本组 1 道题
• 信号处理 —— 本组 1 道题
• 系统级故障定位 —— 本组 1 道题
• 算法理论与工程 —— 本组 1 道题
• 嵌入式优化 —— 本组 1 道题
• 抗干扰算法 —— 本组 1 道题
• 多传感器融合 —— 本组 1 道题

面试官会深挖简历上的项目，并围绕算法的落地应用提问。以下答案为通用示范框架，需替换为自己的真实项目细节。

考察系统思维与量化表达能力。；考察分层解决能力与传统/新方法结合。；考察故障定位的方法论。

面试真题与参考答案

Q1 请分享一次你成功解决重大技术难题或算法瓶颈的经历？项目深挖与解决问题

考察重点

考察系统思维与量化表达能力。

参考答案

用 STAR 法则组织：S（情境）——项目背景＋遇到的瓶颈是什么；T（任务）——你在其中承担什么角色；A（行动）——你做了哪些技术分析和尝试（建议讲 2—3 个有层次的尝试，如先排查数据问题，再调模型，最后做架构优化）；R（结果）——用数据量化（如「准确率从 82% 提升到 93%，推理速度提升 2 倍」）。示范框架：在某目标识别项目中，模型在测试集上效果很好，但实测环境（低信噪比）下准确率低，我负责算法优化；先定位问题是训练数据与实测数据分布不一致（域偏移），然后采取三步——用实测回波数据做数据增广和域自适应训练、引入注意力机制强化目标特征并抑制背景杂波、采用模型剪枝＋量化满足实时性要求；最终将实测场景识别准确率从 78% 提升到 92%，单帧推理时间从 45ms 降至 18ms。关键点：突出「定位问题的过程」而不是罗列方案。

项目深挖STAR 法则

Q2 在雷达信号处理项目中，若遇到「信号干扰导致目标识别准确率低」的问题，你会如何解决？信号处理 · 抗干扰

考察重点

考察分层解决能力与传统/新方法结合。

参考答案

第一步问题定位与干扰分析：先明确干扰类型（压制式干扰如噪声干扰、梳状谱干扰；欺骗式干扰如假目标、拖引干扰），通过频谱分析、时频分析（短时傅里叶/小波）判断干扰特征。第二步信号层抑制（传统方法）：频域陷波/带通滤波滤除窄带干扰；自适应滤波（LMS/RLS）抵消时变干扰；空时自适应处理（STAP）利用空域自由度抑制副瓣干扰；脉压前的干扰剔除与恒虚警率（CFAR）检测参数调整。第三步算法层增强：对干扰抑制后的信号做特征提取优化；训练数据中加入干扰样本做增广，提升模型鲁棒性；采用多帧积累、多假设跟踪（MHT）区分真实目标与假目标。第四步验证闭环：建立包含多种干扰场景的测试集，对比抑制前后识别率、虚警率、漏警率，迭代优化。答题提示：体现「分层解决」思路（信号层→特征层→决策层）。

信号处理

Q3 请描述一次你通过深入技术分析，定位并解决一个复杂系统级故障的经历。系统级故障定位

考察重点

考察故障定位的方法论。

参考答案

STAR 框架：S——系统在联调阶段出现目标轨迹周期性丢失；T——负责定位故障根因；A——①复现问题，收集日志与运行时数据，确定故障发生的时间/工况规律；②分层二分定位：先确认传感器数据是否正常（数据源问题），再查通信链路是否丢包（传输问题），最后定位到算法模块内部；③通过对比实验（替换模块、单元测试、注入测试）逐步缩小范围，最终发现是某个缓冲队列在高负载下溢出导致数据帧被覆盖；④修复：增加队列容量监控与背压机制，补充边界条件单元测试；R——问题彻底解决，系统连续运行 XX 小时无复现，并形成故障排查文档供团队复用。关键点：强调方法论（日志、二分法、对比实验），而不是只讲结果。

系统排查

Q4 介绍一下你熟悉的信号处理 / 数据处理算法（如目标检测、跟踪、识别）及其工程实现？算法理论与工程

考察重点

考察理论到工程的闭环能力。

参考答案

建议选自己最熟的一条技术线讲透，展示「理论→工程」闭环能力。检测：恒虚警率检测（CFAR：CA-CFAR、OS-CFAR，适用于不同杂波环境）；若结合深度学习可讲目标检测网络（YOLO 系列/Faster R-CNN 在 SAR/遥感图像上的应用）。跟踪：卡尔曼滤波（KF/EKF/UKF）做状态预测与更新；数据关联（最近邻 NN、联合概率数据关联 JPDA、多假设跟踪 MHT）；工程上注意航迹起始、航迹删除、杂波密度建模。识别：特征提取（时频特征、散射中心特征、深度学习特征）＋分类器（SVM、CNN、Transformer）；小样本场景可用迁移学习、元学习。工程实现要点：C++/Python 混合编程、实时性约束下的流水线设计、GPU/FPGA 加速、接口协议与数据格式标准化、算法-硬件协同设计。答题提示：主动提一个「工程上踩过的坑」（如坐标系转换、时间同步、边界效应），比纯讲理论更加分。

算法工程

Q5 如何优化算法在嵌入式平台（FPGA/DSP/GPU）上的实时性和资源消耗？嵌入式优化

考察重点

考察工程优化手段的系统性。

参考答案

①模型轻量化——剪枝（结构化剪枝优先，便于硬件部署）、量化（FP32→INT8/INT4，显著降低算力和显存）、知识蒸馏（大模型教小模型）；②算子与计算优化——用 TensorRT/OpenVINO 做推理加速；算子融合减少内存读写；卷积转 Winograd/FFT 降低乘法次数；定点化替代浮点运算；③并行化——数据并行（多 batch）、流水线设计（FPGA 中乒乓操作、多级流水）；DSP 中利用 SIMD 指令和 DMA 双缓冲；④内存优化——减少中间特征图缓存、内存复用、分块计算（tiling）适配片上存储；⑤算法-硬件协同——在精度损失可接受范围内简化算法（如减少网络层数、降低输入分辨率）；⑥验证——建立「精度-时延-功耗」三维评估，给出明确的取舍依据。

算法工程

Q6 谈谈你对复杂电磁环境下抗干扰算法的理解？抗干扰算法

考察重点

考察体系化理解与业务结合。

参考答案

复杂电磁环境的挑战：干扰样式多（压制式/欺骗式/组合式）、时变性强、干扰与信号频谱重叠、平台资源受限。传统抗干扰技术体系：干扰检测与识别（频谱感知、时频分析、机器学习分类）→ 干扰抑制（滤波、自适应天线调零、STAP、干扰对消）→ 波形与频率捷变（认知无线电思想，动态选择工作频段/波形）。智能化趋势：基于深度学习的干扰识别与态势感知；强化学习做动态频谱决策与抗干扰策略自适应；对抗样本防御。工程落地难点：实时性约束下算法复杂度受限；未知干扰样式的泛化能力；多干扰源叠加场景下的解耦；训练数据获取困难（可用仿真数据＋实测数据结合）。答题提示：结合 28 所业务（雷达、通信、电子对抗），强调「感知-决策-执行」闭环。

抗干扰算法

Q7 在多传感器信息融合中，如何进行数据级、特征级、决策级融合？

考察重点
考察多源融合的体系认知。

参考答案
①数据级（像素级）融合——对原始数据直接融合（如多源图像配准后加权/小波融合，多雷达点迹合并）；优点是信息保留最完整，缺点是数据量大、对配准精度要求高、抗传感器故障能力差。
②特征级融合——各传感器先提取特征（如 HOG、深度特征），再拼接或加权融合后送入分类/跟踪器；优点是压缩了数据量、保留有效判别信息，缺点是特征设计影响大、跨传感器特征对齐难。
③决策级融合——各传感器独立做出判决，再对结果进行综合（贝叶斯推理、D-S 证据理论、模糊推理、投票法、联邦学习式的模型聚合）；优点是容错性强、通信带宽要求低、传感器可即插即用，缺点是信息损失最多、依赖单源判决质量。
选择依据：传感器精度差异（精度相近→数据级；差异大→决策级）、通信带宽、实时性要求、容错要求。

加分项
提一下工程实践中的时间同步、空间配准、不确定性建模（协方差传递）等共性问题。

三、第 2 轮：综合面（AI 应用认知、职业品格、单位认知与职业规划）

3. 1 面试形式与时长

• 轮次名称：综合面（AI 应用认知、职业品格、单位认知与职业规划）
• 面试类型：综合面
• 时长：未注明
• 形式：线上 · 线下
• 本轮题量：4 题

3. 2 重点考查维度

• AI 应用认知 —— 本组 1 道题
• 职业品格 —— 本组 1 道题
• 求职动机 —— 本组 1 道题
• 职业规划 —— 本组 1 道题

考察对人工智能在雷达领域应用的认知、职业品格、对单位的了解与长期发展意愿。研究所非常看重稳定性与长期主义。

考察技术判断与务实态度；考察职业品格与自我印证；考察求职诚意与对单位的了解。

3. 3 面试真题与参考答案

Q1 你如何看待「人工智能技术在雷达目标识别中的应用」？请举例说明可能的应用场景与技术难点。

考察重点
考察技术判断与务实态度。

参考答案
应用场景：
①SAR/光学图像目标检测与分类（车辆、舰船识别）；
②雷达回波信号的目标微多普勒特征识别（无人机 vs 鸟类区分）；
③杂波抑制与恒虚警智能调整；
④认知雷达中的波形选择与资源调度（强化学习）。

技术难点：
①小样本问题——军事目标实测数据稀缺，需要迁移学习、仿真数据预训练、数据增广、元学习；
②可解释性——军用场景对决策可信度要求高，需要可解释 AI 与置信度评估；
③实时性与算力约束——边缘部署需要模型轻量化；
④对抗鲁棒性——电子对抗环境下可能遭遇欺骗干扰，需要对抗训练；
⑤复杂环境泛化——不同海情、地物、气象条件下性能退化。

态度：AI 不是替代传统信号处理，而是「传统方法打底＋AI 增强」的融合路线，工程落地需系统思维。

Q2 你认为一名合格的研发人员，应具备的最核心的三项职业品格是什么？

考察重点
考察职业品格与自我印证。

参考答案
可三选一组合，建议每项配一个自己的真实小例子佐证，避免空洞：
①严谨求实——工程问题不容侥幸，用数据说话；
②责任心与担当——对交付质量负责，出现问题不推诿、主动定位；
③持续学习——技术迭代快，保持对新算法新工具的好奇心和学习力。

Q3 你为什么选择加入中国电子科技集团？对其战略定位有何理解？

考察重点
考察求职诚意与对单位的了解。

参考答案
战略定位：中国电科是「军工电子主力军、网信事业国家队、国家战略科技力量」，肩负国防现代化与电子信息领域科技自立自强的使命；28 所作为指挥信息系统领域的骨干研究所，处于「联合作战、国防信息化」的核心位置。

个人动机（示范）：
①平台——能参与国家级重大工程项目，技术深度和工程完整度是其他企业难以提供的；
②成长——研究所「传帮带」文化浓厚，适合长期技术深耕；
③价值感——工作与国家安全和国防建设直接相关，成就感强；
④专业匹配——我的算法/项目经历与 28 所的雷达、智能决策方向高度契合。

加分点
提一句了解 28 所在空管系统、智慧城市等民用领域的拓展，体现做过功课。

Q4 未来的职业规划是什么？

考察重点
考察稳定性与长期主义。

参考答案
示范：「短期（1—3 年）：快速融入团队，熟悉业务与工程流程，把算法能力落到具体型号/项目中，成为能独立承担模块的骨干；中期（3—5 年）：在某一技术方向（如智能目标识别/多传感器融合）形成专长，能够牵头方案设计和技术攻关；长期：成长为技术专家或技术管理复合型人才，为团队培养新人。」

要点：体现稳定性和长期主义（研究所看重这个），避免表现出「把研究所当跳板」。

四、第 3 轮：HR 面与其他方向参考

4. 1 面试形式与时长

• 轮次名称：HR 面与其他方向参考
• 面试类型：HR 面
• 时长：未注明
• 形式：线上 · 线下
• 本轮题量：2 题

4. 2 重点考查维度

• 软开基础（算法岗可类比） —— 本组 1 道题
• HR 面 —— 本组 1 道题

HR 面高频问题与软开方向基础题参考（软开方向的数据库/缓存/C++ 等问题，算法岗可类比准备）。

软开方向参考，算法岗可类比；考察稳定性与求职诚意。

4. 3 面试真题与参考答案

Q1 软开方向基础问题（数据库 / 缓存 / C++ 等）参考要点

考察重点
软开方向参考，算法岗可类比。

参考答案
MySQL 索引：B+ 树结构、最左前缀原则、联合索引、覆盖索引、索引失效场景（隐式转换、函数操作、前导模糊查询）。
Redis：常用数据类型、缓存穿透/击穿/雪崩及解决方案（布隆过滤器、互斥锁、随机过期）、持久化（RDB/AOF）。
C++：虚函数与多态、构造/析构顺序、堆栈区别、深浅拷贝、智能指针（shared_ptr/unique_ptr）、内存泄漏排查。
Spring：IOC/AOP、常用注解。
项目追问：准备好讲清项目架构图、自己负责的模块、遇到的最大困难及解决过程。

Q2 HR 面高频问题（求职考虑因素、加班出差、对 28 所的了解、其他 offer）

考察重点
考察稳定性与求职诚意。

参考答案
①找工作最先考虑的三个因素——建议答「平台与发展空间、技术方向匹配度、稳定性」（薪资放次要位置更符合研究所口味）；
②能否接受加班和出差——明确回答「能接受」，可补充「理解研究所项目交付的特点，前期以学习和积累为主」；
③对 28 所的了解——提前背一遍单位简介和业务方向（我军指挥信息系统开拓者、网信体系建设主力军，数字交通与智慧城市方案提供商）；
④有无其他 offer——如实但策略性回答，重点表达对 28 所的意向度。

备考提示
备考阶段，我发现很多同学容易陷入「不知道从哪准备」的困境。机会永远留给有准备的人，希望读到这篇文章的每一位同学都能拿到心仪的 offer。

以上内容整理自学员和应届同学反馈的真实面经，结合中国电子科技集团公司第二十八研究所的最新考情整理，仅供参考学习。祝各位求职者顺利拿到心仪 offer！