李明 · 5G Engineer

• 针对XX公司办公楼宇5G小基站覆盖盲区，作为核心成员，基于射线追踪模型（Wireless InSite）在MATLAB中搭建3D场景仿真环境，通过迭代优化天线倾角与发射功率，使目标区域RSRP均值提升8.2 dB，覆盖率达到93.5%，减少盲区面积约40%。

• 参与某智慧园区5G小基站部署方案设计，利用射线追踪传播模型对6种站点布局进行54组仿真对比，确定最优方案后边缘用户SINR从-1.8 dB提升至5.3 dB，实测下行吞吐量由15 Mbps增至42 Mbps。

• 结合实测路测数据校正射线追踪模型参数，将仿真与实测路径损耗均方根误差从4.1 dB降低至2.3 dB，并撰写《覆盖优化建议报告》共12页，指导现场工程师完成3个弱覆盖区域参数调整，最终使投诉量下降60%。

• 在XX通信研究院实习期间，独立搭建基于Python的5G NR链路级仿真平台，实现OFDM子载波映射、CP插入及MIMO空间复用/分集，支持2×2至8×8天线配置，仿真输出与3GPP TS 38.211参考值偏差小于0.8 dB。

• 利用该平台对PDSCH与PUSCH物理层链路进行蒙特卡洛仿真，覆盖QPSK至256QAM调制及多种码率，累计运行1200+次场景，绘制BLER-SNR曲线，发现并修复了LDPC译码模块中的2处迭代终止条件缺陷，使误块率仿真精度提升约12%。

• 通过向量化重写与NumPy并行计算，将单次链路仿真（含信道估计、均衡、解调）耗时从38分钟压缩至9分钟，加速比达4.2倍，支撑团队在2周内完成5套参数配置的对比验证。

• 撰写模块级技术文档与使用手册，覆盖平台架构、接口定义及测试用例，该文档被后续4名实习生复用为培训材料，并获得项目负责人“代码规范、结果可复现”的书面评价。

• 针对5G核心网多切片共存场景，基于NS-3搭建含eMBB与URLLC业务流的仿真平台，配置4个独立网络切片实例，实现端到端资源隔离与动态调度。

• 设计并实现基于深度Q网络（DQN）的智能资源分配算法，以时延和吞吐量加权和为奖励函数，在动态业务到达率下使平均资源利用率较固定比例分配方案提升18.6%。

• 通过强化学习离线训练与在线推理，在突发流量（峰值负载+150%）下使URLLC切片端到端时延≤1ms的概率达到99.2%，eMBB切片吞吐量降低幅度控制在5.3%以内。

• 对比启发式调度策略（如最大C/I、轮询），DQN算法在支持6个并发切片时总带宽利用率提高22.1%，同时收敛步数减少34.5%，满足实时性要求。

• 完成算法鲁棒性测试：在信道质量波动±20%时，强化学习模型仍能维持切片SLA达标率超过97%，相关仿真代码与性能报告被项目组用于后续边缘计算资源协同研究的基础。

• 通信原理（93分）

• 数字信号处理（89分）

• 信息论与编码（91分）

• 移动通信（88分）

• 毕业设计《基于深度学习的信道估计算法研究》获院级优秀

基于微分方程构建5G网络流量预测模型，解决实际问题，获得省级一等奖