李铭 · Audio Engineer

• 主导某通信技术公司音频模块的VoIP通话质量专项测试，利用APx525分析仪对标ITU-T P.862/P.863标准，完成12个典型场景下的MOS值、时延与丢包影响评估，发现3处编解码参数配置异常，推动固件修复后MOS从3.2提升至4.1

• 搭建自动化音频测试脚本（Python + PyVISA），集成APx的频响、THD+N、SNR等8项声学指标测量，将单轮测试时间从45分钟压缩至12分钟（压缩72%），累计执行200+轮回归，提前定位2批次麦克风灵敏度偏差问题

• 针对VoIP通话中的断续与回声投诉，设计盲测+仪器复现流程，通过APx的声学回音损耗（ERL）与双讲衰减测试，锁定某DSP降噪算法参数冲突，优化后回声抑制比提高15dB，客服投诉量下降30%

• 编写音频测试规范与故障排查指南（共15页），涵盖APx操作、VoIP信令分析及常见噪声分类，被部门采纳为实习生培训教材，后续3名新人入职效率提升40%

• 针对WebRTC Opus编解码器进行参数调优（比特率从16 kbps提升至32 kbps、采样率切换至48 kHz），在模拟5%丢包网络环境下，PESQ得分从2.3提升至3.1，语音可懂度提高约35%

• 设计并实现自适应Jitter Buffer动态调整策略，结合实时网络抖动估计，将缓冲深度从120 ms压缩至80 ms，端到端延迟降低33%，播放卡顿率从4.5%降至1.2%

• 引入基于前向误校正的丢包补偿模块，在10%随机丢包条件下，优化后语音MOS分由2.8上升至3.4，主观听感连贯性显著提升

• 搭建WebRTC内部测试环回链路，编写自动化脚本遍历20组编解码与网络参数组合，产出对比报告并定位出3处默认配置缺陷，指导后续版本迭代

• 针对某手机厂商车载免提通话的降噪需求，基于TensorFlow搭建包含4层LSTM与3层全连接的DNN降噪模型，使用自建的20小时中文嘈杂语音数据集进行训练，在AECMOS中噪声抑制得分从2.1提升至3.5，且语音保留率超过95%

• 为满足DSP芯片（ADI SHARC系列）内存限制，采用8-bit量化与结构剪枝将模型从2.8MB压缩至380KB，并在模拟器上验证实时因子为0.08（每帧10ms处理仅需0.8ms），最终移植到实际硬件上实现全双工零延迟降噪

• 在信噪比提升上，针对-5~5dB输入噪声，平均SNR提升达12.3dB（测试集包含300段真实车辆环境录音），同时引入感知加权损失函数使PESQ得分从1.8增至2.9，优于传统谱减法1.1个点

• 为某通信设备音频测试平台搭建基于Python的自动化测试框架，整合音频采集、回放控制与指标计算，将单次测试执行时间从25分钟压缩至6分钟，效率提升76%

• 利用MATLAB开发批量数据分析脚本，处理600余组音频样本的频响、失真及信噪比，自动生成对比图表，协助定位4项潜在底噪异常

• 设计音频采集模块的同步触发逻辑，支持8通道并行录制，累计完成240次测试任务，数据采集成功率提升至99.5%

• 构建测试结果数据库及Python查询接口，实现历史数据快速检索与趋势分析，支撑团队在3周内完成某型号设备的全频段性能验证

• 通信原理（96分）

• 数字信号处理（课程设计：基于FPGA的OFDM系统）

• 信息论与编码

• 移动通信（本科毕设：5G毫米波信道建模与仿真）

• 全国大学生数学建模竞赛二等奖

在音频功放与降噪系统设计项目中获得全国二等奖