EEG脑电自适应学习信号处理原型产品系统

立项旨在解决智能硬件与物联网（AIoT）场景下，端侧感知数据难以高效采集、底层硬件与上层算法割裂的产品痛点。业务背景聚焦智能硬件与物联网行业，涵盖毫米波雷达、EEG脑电及RFID等端侧感知。基于嵌入式（RTOS/Linux/C++）与端侧算法（Python/信号处理），提供从硬件驱动、算法模型到MQTT设备上云的端到端全栈交付，打通“嵌云”闭环，赋能工业与复杂环境感知应用。

项目涵盖端侧感知、嵌入式控制与云端可视化全链路功能模块。具体模块包括：1）多模态传感采集（毫米波雷达、EEG脑电、RFID）；2）端侧算法处理（Python/C++信号降噪、特征提取）；3）嵌入式硬件控制（RTOS/Linux底层驱动、边缘计算）；4）物联网上云（MQTT协议、云端数据看板）。

主要功能描述：实现从物理环境感知到云端闭环交付。设备端完成高精度数据采集与实时算法解析，通过MQTT稳定上云，提供远程监控、数据可视化及指令下发能力，打通“嵌云”全栈，适用于智能硬件与复杂物联网（AIoT）场景。

我负责项目全栈交付，涵盖端侧算法、嵌入式底层与云端架构。技术栈采用C++/Python，基于RTOS与Linux构建嵌入式核心，结合MQTT实现物联网上云，架构贯通“端-边-云”。
实现亮点：深耕EEG自适应学习与毫米波/RFID多模态传感融合，完成硬件驱动至云端看板闭环。
核心难点：攻克了复杂环境下端侧实时信号处理与低功耗传输瓶颈，打破软硬件割裂，实现高可靠AIoT“嵌云”落地。