삼성 DS 부분 S.LSI 신호 및 시스템 설계 사업부

안녕하세요? 이번년도 하반기, 삼성 전자 DS S.LSI 신호 및 시스템 설계에 지원하려고 하는 

전자과 학사 졸업생입니다.

제가 JD 보면서 정리하고, 했던 프로젝트를 정리해보니 이 부분과 가장 핏하다고 생각이 들었습니다.

다만 학사채용이 어렵다는 점을 잘 알고 있습니다.

자소서를 쓰는 이 시점에서 제 도전이 무모한 것인지 현직자분들의 고견이 필요합니다.

제가 정리한 역량 및 프로젝트는 아래와 같습니다.

1. 무선통신시스템 수강 및 학점 A+
2. [프로젝트명]
   FMCW 레이더 기반 다중 객체 추적 시스템 구현
   
   [수행 내용]
   -FMCW 레이더 Raw Data 기반 신호처리 알고리즘 구현
   -Range FFT, Doppler FFT, Angle FFT를 활용한 거리*속도*각도 춪ㅇ
   -Capon Beamforming을 적용하여 각도 추정 성능 향상
   -CFAR(Guard Cell=2, Reference Cell=4)를 이용한 객체 검출
   -Point Cloud 생성 및 DBScan 기반 객체 군집화
   -Kalman Filter를 활용한 다중 객체 추적 구현
   
   [습득 역량]
   -FFT 기반 디지털 신호처리 원리 이해
   -CFAR, Beamforming등 레이더 신호처리 알고리즘 이해
   -Point Cloud 데이터 처리 및 클러스터링 기법(DBScan)적용
   -Matlab을 활용한 알고리즘 구현 및 데이터 분석 역량
   -단계별 신호처리 설계 및 문제 해결 경험
3. [프로젝트명]
   Vital Radar 기반 비접촉 생체신호 측정 시스템 구현
   
   [수행 내용]
   -FMCW 레이더 IF ADC 데이터를 활용한 비접촉 생체신호 분석 프로젝트 수행
   -Range FFT를 이용한 거리 정보 및 Phase 데이터 추출
   - Phase Unwrapping과 Difference Filter를 적용하여 미세한 흉부 움직임 분석
   - Band Pass Filter를 활용해 호흡 및 심박 신호를 분리하고 FFT 기반 주파수 분석 수행
   - 정상 성인 기준과 비교하여 호흡수 및 심박수를 검증하며 알고리즘 성능 확인 
   
   [습득 역량]
   - FMCW 레이더 기반 바이탈 신호처리 원리 이해
   - FFT 기반 디지털 신호처리 및 Phase 분석 역량
   - MATLAB 기반 신호처리 알고리즘 구현 및 데이터 분석 능력
   - 단계별 알고리즘 검증과 문제 해결 경험
   - 비접촉 생체신호 측정 시스템 구현 경험
4. [프로젝트명]
   BPSK 기반 이미지 데이터 전송 시스템 구현 및 AWGN 채널 성능 분석
   
   [수행 내용]
   Python을 활용한 디지털 통신 시스템(송신기–채널–수신기) 구현
   이미지 데이터를 직렬화하여 BPSK(Binary Phase Shift Keying) 변조 수행
   AWGN(Additive White Gaussian Noise) 채널 환경 구현 및 잡음 추가
   동기 복조(Synchronous Demodulation) 및 임계값(Threshold) 기반 비트 판정 알고리즘 구현
   BER(Bit Error Rate) 및 복원 이미지 분석을 통한 채널 잡음 영향 평가
   
   [습득 역량]
   BPSK 변·복조 및 동기 검파 원리 이해
   AWGN 채널 모델링 및 BER 기반 통신 성능 분석
   Python을 활용한 디지털 통신 시스템 구현 역량
   송신–채널–수신 전 과정에 대한 시스템적 이해
   통신 알고리즘 구현 및 디버깅을 통한 문제 해결 경험
5. [프로젝트명]
   DnCNN 기반 이미지 노이즈 제거(Image Denoising) 알고리즘 구현 및 성능 분석
   
   [수행 내용]
   Python 기반 Google Colab 환경에서 이미지 노이즈 제거 알고리즘 구현
   Gaussian Filter, Median Filter 및 DnCNN(Denoising CNN) 기반 Noise Reduction 성능 비교
   BSD300 데이터셋을 활용한 이미지 복원 및 PSNR 기반 성능 평가
   Epoch, Hidden Layer, Feature 수 조정을 통한 모델 성능 최적화 및 Loss 분석
   데이터 전처리 및 학습 과정 디버깅을 통한 모델 안정화 구현
   
   [습득 역량]
   Image Signal Processing 및 Noise Reduction 알고리즘 이해
   CNN 기반 이미지 복원(Denoising) 모델 구현 및 학습 경험
   PSNR, Loss를 활용한 영상 처리 알고리즘 성능 평가 역량
   Hyperparameter(Epoch, Hidden Layer, Feature) 최적화 경험
   Python 기반 영상처리 및 딥러닝 알고리즘 구현 능력

이렇게 정리해보았습니다.

어학은 이번 주에 마무리할 계획입니다.

핏하다고는 생각이 드는데, '학사'조건이 너무나도 걸립니다.

여러분들의 고견 감사히 듣겠습니다.

고맙습니다.