01 / 核心研究 · Tyndall
CRFID 域泛化
无芯片 RFID 分类器能否在未见过的读写器几何条件下，识别同一标签？
基于 Tyndall 已采集的测量数据，我完成了预处理、分组评估和诊断，以测试模型向未见距离与角度组合迁移的能力。
刻画了迁移能力的边界留出的几何条件下准确率接近随机水平 · 12,600 条频谱 · 252 个物理条件块
体现的能力：实验设计、模型比较，以及传感条件变化下的失效分析。
基于同一次采集活动获得的既有数据完成评估。
01 / 精选工作
工程，需要证据。
问题是什么、我做了什么、证据说明什么。
进入案例页查看完整方法。
02 / 生物医学信号处理
EEG 癫痫发作检测
如何把多通道头皮 EEG 转化为可检查、面向个体的发作事件判断？
我实现了信号预处理、频谱与同步性特征、折内特征选择和随机森林流程，并在事件层面分析错误。
检出 53 / 55 个发作事件每小时 0.307 次误报 · 10 位受试者 · 580.57 小时
回顾性、患者特异性研究
回顾性、患者特异性研究
体现的能力：生物医学信号处理、事件级评估和错误分析。
该研究并未验证模型对未见患者的表现。
03 / 数字信号处理
EEG 多速率 DSP
如何在降低采样率的同时保护有用的 EEG 分析频段？
我设计了 8/125 有理数采样率转换和 Kaiser FIR，建立直接实现作为基准，并以相同系数接入多相重采样。
500 → 32 Hz样本量减少 93.6% · 受保护频段：0.5–12.5 Hz
体现的能力：滤波器设计、数值等价性与频谱验证。
在一段 60 秒记录上验证；未评估临床表现。
04 / 工程原型
八通道 EEG 模拟器
在硬件可用之前，如何先把信号源、设备接口和验证路径变得可测试？
我构建了 Python 桌面端和浏览器控制界面，可处理合成或录制的 EEG，实现播放、通道状态、故障注入和虚拟 16 位 DAC 映射。
8 通道 · ±200 µV 目标范围软件验证已完成；物理模拟输出仍是待实现路径。
体现的能力：软件架构、接口设计和验证规划。
其他工作
患者无关的新生儿 EEG 检测围绕单通道 Cz-C3 构建特征，并以留一记录交叉验证比较模型，确保每折内的处理边界清晰。
团队方案为农业场景提出物联网牲畜健康监测架构；并在 2026 年 MedTech Hackathon 中提出端云协同的 EEG 监测架构。
02 / 经历与背景
扎实的工程基础。
以研究为导向的思考。
我目前在爱尔兰科克大学攻读电子与电气工程 MEngSc。我的工作连接信号处理、机器学习，以及决定证据能否走出实验室、迁移到真实条件的工程问题。
2026 · Tyndall 国家研究院：机器学习研究实习生，研究读写器几何变化下的 CRFID 感知与泛化。
2025–2026 · UCC：电子与电气工程 MEngSc。
2020–2024 · UCC：电子与电气工程 BE。
03 / 联系方式
聊聊工程问题。
欢迎联系我讨论毕业生岗位、研究机会或技术合作。