Principal RF Engineer

Sie werden die mathematischen und physikalischen Grundlagen eines der wenigen operativen kommerziellen, weltraumbasierten RF-Geolokalisierungssysteme besitzen, die heute aktiv von Kunden genutzt werden. Das Kernproblem: Schätzung der Position von RF-Emittern unter Verwendung von Zeitdifferenz der Ankunft (TDOA), Frequenzdifferenz der Ankunft (FDOA) und Winkel der Ankunft (AoA) Messungen, die von einer Konstellation von Satelliten in niedriger Erdumlaufbahn (LEO) gesammelt werden. Sie werden Schätzprobleme formulieren, Algorithmen entwickeln und validieren, Fehlerquellen charakterisieren und Leistungsverbesserungen in allen drei Messbereichen vorantreiben.

Sie werden ein funktionierendes Produktionsgeolokalisierungssystem übernehmen. Dies ist kein Greenfield-Forschungsprojekt. Die Algorithmen existieren, sie laufen und liefern Ergebnisse für echte Kunden. Ihre Aufgabe ist es, das bestehende System tiefgehend zu verstehen, herauszufinden, wo die Leistung begrenzt ist, und systematisch Verbesserungen vorzunehmen. Im Laufe der Zeit werden Sie auch das System mit neuen Messarten und Fähigkeiten erweitern, während sich die Missionsanforderungen weiterentwickeln.

Dies ist eine praktische, iterative Rolle, die mit realen Daten und all ihren Unvollkommenheiten arbeitet. Die Kalibrierung ist unvollständig. Wahrheitsdaten sind spärlich. Betriebliche Einschränkungen erfordern pragmatische Ingenieurlösungen. Sie werden viel Zeit damit verbringen, reale Geolokalisierungsergebnisse zu untersuchen, Leistungsprobleme zu diagnostizieren, Algorithmen basierend auf den Daten zu verfeinern und schrittweise Verbesserungen zu liefern.

Der Arbeitszyklus besteht nicht darin, einen Algorithmus zu entwerfen und ihn abzugeben. Es geht darum: Ausgaben analysieren, die begrenzende Fehlerquelle identifizieren, eine algorithmische Lösung entwickeln oder verfeinern, diese gegen Daten validieren und wiederholen. Sie werden eng mit Softwareingenieuren zusammenarbeiten, die die Produktionsimplementierung und Infrastruktur übernehmen; Ihre Rolle besteht darin, sicherzustellen, dass die Algorithmen korrekt, gut verstanden und kontinuierlich verbessert werden. Sie werden täglich Code schreiben. Python ist das Hauptwerkzeug für Prototyping, Simulation, Datenanalyse und Algorithmusvalidierung. Dies ist keine reine Forschungsposition; die Erwartung ist, dass Sie funktionierenden Code erstellen, testen und iterieren, nicht Papers produzieren.

• Besitzen und kontinuierlich verbessern von TDOA-, FDOA- und AoA-Geolokalisierungsalgorithmen von mathematischen Grundprinzipien bis hin zu funktionierenden Prototypimplementierungen.
• Tiefes Verständnis des bestehenden Produktionsgeolokalisierungscodebasiss entwickeln.
• Designannahmen, Leistungsengpässe und Bereiche identifizieren, in denen die zugrunde liegende Mathematik gestärkt werden kann.
• Über die gesamte Sensorik-Kette nachdenken: von der Sammlung der Geometrie und den an Bord vorhandenen Einschränkungen über Schätzalgorithmen bis hin zur operativen Produktleistung.
• Das End-to-End-Verständnis besitzen, wie systemweite Entscheidungen die Geolokalisierungsgenauigkeit beeinflussen.
• Kalibrierungsansätze für Timing, Frequenz, Antenne und Geometrieausrichtung über eine verteilte Satellitenkonstellation mit mehreren Nutzungen entwickeln und verbessern.
• Geolokalisierungsausgaben gegen Bodenwahrheit und bekannte Emitterpositionen analysieren, um systematische Fehler, Leistungsrückgänge und Verbesserungschancen zu identifizieren.
• Fehlerquellen modellieren und charakterisieren: Unsicherheit der Satellitenephemeriden, Uhrdrift, ionosphärische/troposphärische Ausbreitungseffekte, Mehrwege, Antennkalibrierung und Empfängerausgangsrauschen.
• Orbitalmechanik in Signalmodelle einbeziehen, wobei die Satellitenbewegung, Dopplerdynamik und Konstellationsgeometrie berücksichtigt werden.
• Leistungsanalysen durchführen: theoretische Grenzen ableiten, Monte-Carlo-Simulationen durchführen und gegen reale Satellitendaten validieren.
• Validierte Algorithmusverbesserungen in Spezifikationen übersetzen, die Softwareingenieure in Produktionssystemen implementieren.
• Diese Implementierungen auf Korrektheit überprüfen.
• Neue Fähigkeiten hinzufügen, während sich die Missionsanforderungen weiterentwickeln: neue Messarten, neue Konstellationsgeometrien, neue Betriebsbedingungen.
• Anomalien in Geolokalisierungsausgaben untersuchen und beheben, indem Fehler durch die Signalverarbeitung und Schätzkette zurückverfolgt werden.
• Algorithmen, Annahmen und Leistungsmerkmale mit ausreichender Strenge dokumentieren, um eine technische Überprüfung durch den Verteidigungskunden zu ermöglichen.

• Fortgeschrittene Abschlüsse (MSc oder PhD) in Elektrotechnik, Physik, angewandter Mathematik, Luft- und Raumfahrttechnik oder einem eng verwandten Bereich, mit Abschlussarbeit oder Forschungsarbeit in Schätzungstheorie, statistischer Signalverarbeitung oder einem verwandten Fachgebiet.
• Starke mathematische Grundlagen in Schätz- und Detektionstheorie, linearer Algebra, Wahrscheinlichkeit und Optimierung.
• Nachgewiesene Fähigkeit, vom Problem zur funktionierenden Codierung zu gelangen.
• Python-Kenntnisse erforderlich; Sie werden täglich Algorithmen prototypisieren, Simulationen durchführen und Daten in Python analysieren.
• Komfort im Umgang mit unvollkommenen realen Datensätzen, bei denen die Kalibrierung unvollständig ist, Wahrheitsdaten spärlich sind und betriebliche Einschränkungen pragmatische Kompromisse erfordern.
• Komfort mit iterativer, datengestützter Entwicklung: Sie untersuchen Ausgaben, bilden Hypothesen darüber, was die Leistung einschränkt, implementieren Lösungen und messen das Ergebnis.
• Fähigkeit, einen bestehenden algorithmischen Code zu lesen und zu verstehen, der von jemand anderem erstellt wurde, und innerhalb dieses Systems zu arbeiten und es zu verbessern, anstatt es neu zu schreiben.
• Verständnis oder nachgewiesene Fähigkeit, schnell RF-Ausbreitungsphysik und die Signalmodelle, die TDOA-, FDOA- und AoA-Schätzungen zugrunde liegen, zu lernen.
• Vertrautheit mit Konzepten der Orbitalmechanik, die ausreichen, um die Satellitenposition und -geschwindigkeit in Geolokalisierungsmodelle einzubeziehen.
• Fähigkeit, veröffentlichte Forschung in der Signalverarbeitung und Geolokalisierung zu lesen, zu verstehen und kritisch zu bewerten.

• Direkte Erfahrung mit TDOA-, FDOA-, AoA- oder hybriden Geolokalisierungstechniken.
• Hintergrund in SIGINT, elektronischer Kriegsführung, passiver Radar- oder GNSS-Signalverarbeitung.
• Erfahrung mit SAR, InSAR oder anderen radarfernerkundlichen Techniken (die Grundlagen der Schätzungstheorie und Signalverarbeitung übertragen sich direkt).
• Erfahrung in der Entwicklung oder Verbesserung von Kalibrierungsroutinen für verteilte RF-Systeme.
• C++-Lesekompetenz, die ausreicht, um Produktionsimplementierungen Ihrer Algorithmen zu überprüfen und zu validieren.
• Frühere Arbeit in einem Verteidigungs-, Geheimdienst- oder Luft- und Raumfahrtkontext.
• Erfahrung mit weltraumgestützten RF-Systemen, Phased-Array-Antennen oder LEO-Satellitenkonstellationen.

Sie werden einem kleinen, fokussierten RF-Geolokalisierungsteam beitreten, das erfahrene Softwareingenieure umfasst, die die vollständige Implementierung und Embedded-Implementierung übernehmen. Ihre Rolle ist der algorithmische und wissenschaftliche Kern. Sie werden direkt mit dem Teamleiter zusammenarbeiten, der Fachwissen in RF-Geolokalisierung und Anforderungen von Verteidigungskunden mitbringt. Das Team arbeitet remote über mehrere Zeitzonen hinweg. Spire betreibt ein hybrides Arbeitsmodell, und diese Position erfordert, dass Sie mindestens drei Tage pro Woche im Büro arbeiten. Der Zugang zu US-exportkontrollierter Software und/oder Technologie kann für diese Rolle erforderlich sein. Falls erforderlich, wird Spire die notwendigen Lizenzen arrangieren – dies ist nichts, was Kandidaten vor der Bewerbung haben müssen.