主题赛事
返回
加特兰微电子企业命题-第九届中国研究生创“芯”大赛
发布时间：2026-02-24
来源：中国研究生创“芯”大赛
阅读次数：5104
关于加特兰微电子
加特兰微电子是CMOS毫米波雷达芯片开发与设计的领导者，拥有业界全面的毫米波雷达芯片产品组合，覆盖77/79 GHz和60 GHz射频前端、SoC 及 SoC AiP芯片，广泛应用于汽车辅助驾驶、自动驾驶及智能家居、养老监护、安防监控等工业消费领域；同时，它也是 “通感融合” 超宽带芯片的创新引领者，推出了全球首个符合IEEE 802.15.4ab标准的UWB SoC系列，凭借厘米级精准测距定位与雷达感知一体化能力，赋能汽车数字钥匙、舱内儿童存在检测等场景，以低功耗驱动智能化体验升级。如需了解更多信息，请访问公司网站：www.calterah.com
加特兰微电子企业命题专项奖
加特兰微电子企业命题专项奖专门用于奖励选择加特兰微电子企业命题的赛队，由企业专家评出。加特兰微电子企业命题专项奖是初赛奖，入围决赛的参赛队伍继续参加大赛决赛奖项评比，与初赛奖项互不冲突。
奖项设置
加特兰微电子企业命题一等奖：3支队伍，每队奖金 1 万元；
加特兰微电子企业命题二等奖：6支队伍，每队奖金 5 千元；
加特兰微电子-创芯大赛人才政策
加特兰微电子科技（上海）股份有限公司希望从创芯大赛获奖学生中挖掘人才，并在招聘中提供快速通道。参加创芯大赛的获奖学生，投递芯片类岗位：
- 获全国二等奖三等奖学生，可以免笔试；
- 获一等奖及以上学生，可直接进入技术终面；
- 加特兰专项奖等级等同全国奖对应等级待遇。
加特兰微电子赛题清单
|
序号 |
题目名称 |
|
赛题一（模拟方向） |
毫米波功率放大器及功率检测器 |
|
赛题二（数字方向） |
一种稀疏矩阵运算的芯片系统的设计与实现 |
|
赛题三（System 方向） |
命题1：车载毫米波雷达在多径情况下的参数估计问题 |
|
命题2：基于UWB雷达的非接触式生命体征监测 |
· 赛题三为 System 方向赛道，赛道下设2个平行可选命题。
· 选择赛题三（System 方向赛道）任一命题的参赛队伍，将纳入同一个评审池，合并打分、统一排名。该方向总计评选出企业专项一等奖1支队伍，企业专项二等奖2支队伍。
赛题一：毫米波功率放大器及功率检测器
赛题背景
毫米波功率放大器（Power Amplifier， PA）是毫米波雷达的核心发射模块，需要具备高输出功率和大的工作带宽。同时由于散热的限制，也需要它具有高的效率。
赛题内容和指标
设计一款应用于毫米波雷达的功率放大器PA，利用成熟的CMOS工艺，在低电源电压下需提供高输出功率和大带宽，同时能支持功率向下可调，并且能工作于较宽的温度范围。
与PA配套的，设计一个功率检测器（Power Detector, PDT），它与PA同时工作，在PA输出大功率的同时PDT输出一个DC电压，该电压通过一些计算得到PA输出功率的大小。PDT应该能够在较大的输出VSWR范围内精确检测输出功率，并且当PA工作在低功率模式时仍能维持检测精度。
推荐工艺：45nm或更先进的节点（40nm，28/22nm等）
通用要求
- 工作电压：1.8V（+/- 10%）或VDD(+/- 10%)，VDD为选定工艺的核心电压
- 输入偏置电流：10uA（PA和PDT内部自行产生所需的偏置电压）
- 工作频率：76~81GHz
- 工作温度：-40 ~ 150C （可采用合理的温度补偿方案, 仿真-40/60/150C三个温度点）
- 工艺角：FF, SS和TT
- PA的结构选用单路或多路合成均可
- PA输入给PDT的方式可选用直接连接，或电容耦合，或电感耦合等均可
PA指标
- 输入0dBm，输出Psat>20dBm，带内平坦度<1dB
- 输入输出回波损耗：< -10dB
- 稳定性：无条件稳定
- 瞬态摆幅限制：PA核心放大管中每个MOS瞬态电压摆幅Vgs, Vds, Vgd < 1.5*VDD
- 功率回退：固定输入0dBm支持从Psat向下降低20dB，5dB/档，每一档均维持带内平坦度<1dB。该功率回退在全工作温度范围内性能一致。
PDT指标
- 从Psat到Psat-20dB，全温全频段保持<0.5dB检测误差
- 当PA输出VSWR从1：1变动到10：1，检测误差最大恶化至<1dB
评审得分点
- 调研电路架构，给出选定PA核心管尺寸和偏置电压的推导过程。给出PDT的原理框架以及如何从输出DC电压计算得到PA输出功率，分析PDT检测误差的影响因素及改善措施。（30分）
- 完成电路设计，除电压偏置电路外，所有PA和PDT核心模块需用后仿，版图必须是电磁仿真结果。(30分)
- PA满足性能指标情况下，根据功耗打分（20分）
- PDT性能根据达成的检测误差指标情况打分（20分）
答疑邮箱
zdliu@calterah.com
发送邮件时，请在邮件标题中注明「创芯大赛加特兰赛题答疑」
赛题二：一种稀疏矩阵运算的芯片系统的设计与实现
赛题背景
毫米波雷达通过发射波长为毫米级的电磁波，并接收目标反射回来的回波信号，从而计算出目标的距离、速度和角度信息。在毫米波雷达的信号处理以及点云跟踪过程中，存在大量稀疏矩阵的运算需求。例如，天线采用不等间距布阵会引入稀疏矩阵运算，而目标点云的离散分布也会带来稀疏矩阵的处理任务。随着毫米波雷达探测精度和分辨率的不断提升，所涉及的稀疏矩阵往往具有非常大的行数和列数。因此，如何在有限的计算资源下高效地实现大尺寸稀疏矩阵的运算，已成为毫米波雷达信号处理与目标跟踪中的关键技术之一。
赛题及相关描述
1.相关概念定义
a) 稀疏矩阵：非 0 元素占比在30%以下
b) 矩阵行重：行重的定义为每一行非0 元素的个数，占比为 30%以下
c) 矩阵列重：列重的定义为每一列非0 元素的个数，占比为 30%以下
d) 矩阵乘法定义：A*B，A为M行K列矩阵，B为K行N列矩阵，得到结果为M行N列矩阵
e) 矩阵加法和减法定义：A+B和A-B，A为M行N列矩阵，B为M行N列矩阵，得到结果为M行N列矩阵
2.设计任务：
设计一个高效实现稀疏矩阵乘法、加法、减法的硬件加速系统。
3.赛题详细要求：
a) 用一套硬件加速器实现矩阵C=A*B的功能，其中A的尺寸为M行K列，B的尺寸为K行N列，其中A和B均具有稀疏特性
i. A具有最大行重的稀疏特性，既每一行最大的非0 元素个数为NUM=Floor（K*30%）
ii. B具有最大列重的稀疏特性，既每一列最大的非0 元素个数为NUM=Floor（K*30%）
iii. A和B的尺寸M,N,K等系数均可支持软件配置，定义M,N,K的区间为[2^4,2^9]
b) 用一套硬件加速器实现矩阵C=A+B和C=A-B的功能，其中A的尺寸为M行N列，B的尺寸为M行N列 ，其中A和B也均具有稀疏特性（矩阵加减法的A和B稀疏特性和乘法略有不同）
i. A和B均具有最大行重的稀疏特性，既每一行最大的非0 元素个数为NUM=Floor（N*30%）
ii. A和B无列重特性
Fig1 所示为C=A*B矩阵示意图，有颜色部分为非0元素的位置，图中示意A矩阵的最大行重和B矩阵的最大列重均为2。
Fig1:矩阵乘法示意图
Fig2 所示为C=A+B和C=A-B矩阵示意图，有颜色部分为非0 元素的位置，图中示意A矩阵的最大行重和B矩阵的最大行重均为2。
Fig2:矩阵加法/减法示意图
c) 矩阵运算时，输入A和B以一定格式存储FPGA的SRAM（可充分利用FPGA的BRAM或者寄存器资源实现） 中，存储的A和B格式可以自定义，A和B分别在 2 个独立的bank中。
d) 矩阵运算结果C以一定格式存储在FPGA的SRAM（可充分利用FPGA的BRAM或者寄存器资源实现） 中，存储的C格式可以自定义 ，C存储在一个不同于A和B的独立bank。
i. 矩阵元素定义为标准的FL16(IEEE754)，既在乘法运算中，存储单个A矩阵SRAM的size不超过M*K*2Bytes ，B的size不超过N*K*2Bytes，加减运算中A和B矩阵SRAM的size不超过M*N*2Bytes。
e)用FPGA实现上述硬件加速计算功能 ，建议FPGA型号为xillinx- Kintex-7 系列及以上平台。
提交成果材料
a) 详细的设计文档，包括但不限于矩阵存储方式，数据流，乘加器互联设计，低功耗设计方案等；
b) 基于设计方案的硬件实现，包括但不限于RTL代码，仿真testcase代码等；
c) 详细的功能/性能验证报告，覆盖率报告，FPGA综合面积及功耗报告等；
d) 基于FPGA的现场上板展示，数据总结，包括但不限于FPGA demo呈现不同稀疏特性的功能准确性和处理性能数据，总结方案极限性能及局限性等。
评判标准
a)性能：设计硬件加速器处理矩阵乘，加，减运算最低性能要求为75GB/s（处理带宽=A矩阵Rawsize/处理时间），所设计加速器方案处理带宽基于75GB/s每提升10%，该项加一个单位的基准分，每低于10%，该项减去一个单位的基准分。
b)面积：设计FPGAvivadocheck无timing问题，占用LUT，Flip-Flop，BRAM，时钟，复位及布线资源占比合理，整体资源使用率低于75%（Kintex-7）--（该项会根据不同的FPGA系列资源分布进行归一化后评分）。
c)功耗：整体信号翻转率低于60%。
d)逻辑资源利用率：乘法器，加法器，减法器在不同矩阵和运算法则的平均利用率为不低于70%，利用率每提升5%，该项评分加一个单位的基准分，利用率每下降5%，该项评分减一个单位的基准分。
赛题设计过程（供参考）
a)定义A、B、C在SRAM的存储格式
b)定义硬件加速器数据设计架构，包括但不限于子模块功能划分，子模块性能分解，乘法器，加法器，减法器的数量，拓扑结构，子模块输入输出数据stream格式，乘加减的操作指令等
c)包括但不限于使用门控时钟等低功耗实现手段完成电路设计
d)针对定义的硬件加速器完成RTL开发，验证，综合，时序及功耗分析（基于FPGA平台开展）
e)完成不同运算法则（+/-/*）,矩阵尺寸,行重/列重下的处理带宽，处理延时数据对比分析，呈现
f)所设计硬件加速器方案最适用场景及不适用场景（具体的稀疏特性，矩阵尺寸等）分别是什么？最适用场景和不适用场景的处理。
附件：测试用例下载链接
本赛题提供testcase,供参赛团队参考。（3月12日更新版）
下载链接：
https://cpipc.acge.org.cn/sysFile/downFile.do?fileId=4232752962174b13a04a6d64e0d725e5
答疑邮箱
daren.xu@calterah.com
发送邮件时，请在邮件标题中注明「创芯大赛加特兰赛题答疑」
赛题三-命题1：车载毫米波雷达在多径情况下的参数估计问题
问题描述：
随着智驾系统的发展与普及，毫米波雷达在智驾系统中扮演的角色变得越来越重要。在光线昏暗的场景下以及雨雪天气中，毫米波雷达仍然可以准确提供目标的位置和速度信息。然而，在复杂的电磁环境中，例如，繁忙的十字路口、两边有连续金属栅栏的马路，隧道场景等，雷达接收到的回波信号不再只是由目标的直接反射所产生。回波信号还会包括通过不同反射物的多次反射的信号。根据多次反射的路径，这些额外的反射信号中会包含水平（Azimuth）和俯仰（Elevation）方向上的干扰信息，从而影响目标的水平角和俯仰角的估计。这就是大家所熟知的多径问题，如图1所示。
图1：多径问题示例图
对于车载毫米波来说， 由于地面的影响，多径问题在目标的俯仰方向上会一直存在。因此，对目标俯仰角以及高度估计的影响显得尤为严重。具体来说：
（1）由于回波信号里包括了多次反射信号的矢量叠加，不同反射信号之间会存在相干叠加或者相消的效应。当相消的情况出现，目标的信噪比（SNR）会出现明显的降低，从而大大降低目标检测和参数估计的性能；
（2）即使在SNR足够的情况下，由于发射角（DOD）和接受角（DOA）的不同，基于单目标的假设，通过传统的DBF方法求角，很可能会得到错误的目标俯仰角。即使在多目标的假设下，由于角度维分辨率的限制，在远距离目标场景下，利用传统DOA方法来估计目标高度的正确率也比较低。使用超分辨的解角算法，在一定程度上可以缓解这一问题，但当目标距离雷达比较远时（例如，超过150米），目标高度估计的准确度还是会存在较大的问题。
基于上述多径问题对车载毫米波雷达的影响，希望参赛者能提出一种有效的算法来估计远距离目标的俯仰角以及俯仰高度，该方法可以是基于传统的信号处理方法，也可以是基于各种网络或者大模型框架的AI算法。
补充说明（5月7日更新）
雷达安装：雷达置于测试平台，雷达相位中心离开地面高度为0.67m，测试场景为水泥地面。
天线布阵：提供的144通道数据为MIMO虚拟通道的复数信号，信号排列方式见图；图2为对应的天线布阵位置(单位为波长)
提交材料：
参赛者需要提供一份解决多径问题方案的报告以及相应的软件实现。报告中需要包括：
（1）方案的理论推导（核心算法或者模型框架），
（2）理论计算复杂度，
（3）软件代码的实现（matlab/python），
（4）运行平台与部署方式，
（5）测试结果与耗时（需提供耗时评估的硬件配置）。
软件的输入和输出接口需要符合加特兰定义的要求，以便于加特兰后续对各参赛方案的性能进行统一评判。同时，提交软件应可在企业指定环境中独立运行，不依赖未说明的私有库或云端服务；若使用随机初始化或随机增强，应固定随机种子，并保证同一输入可复现；若发现结果文件与提交代码逻辑不一致，以代码复现结果为准。
同时，加特兰会提供部分仿真数据或者实测数据，各个参赛团队可以用提供的数据来训练或者验证提出方案的正确性与的运行效率。具体的测试场景可参见图2所示，毫米波雷达安装在自车的最前端，正对测试人员，固定高度的目标角反安装在自行车车尾，自行车逐渐驶离自车。参赛团队需要提供估计的角反高度随距离变化的结果，如图3所示。
图2：测试场景示例图
图 3：目标高度随距离（Range）变化示例图
表1：总体评分标准
|
一级评分指标 |
指标权重 |
说明 |
|
分析报告完整度 |
20% |
重点考察技术方案是否有创新性，推导与建模是否充分，仿真结果是否清晰可信。 |
|
方案准确性 |
40% |
重点考察不同场景下，单/多目标俯仰高度的估计精度与波动范围。 |
|
工程实现与部署效率 |
25% |
重点考察算法理论复杂度、方案的实测耗时、峰值内存、 以及模型规模。 |
|
方案完成度与鲁棒性 |
15% |
重点考察软件在各类测试数据下，是否能稳定输出、是否存在异常中断。 |
表2：分析报告完整度（20%）
|
二级评分指标 |
指标权重 |
评分要点 |
|
技术创新性 |
10% |
是否在问题建模、 信号处理等方面有明确创新。 |
|
理论分析深度 |
5% |
是否清楚说明核心机理、适用边界、失败模式与原因。 |
|
文档规范性 |
5% |
文档结构清晰、 图表规范、实验记录完整。 |
表3：方案准确性（40%）
|
二级评分指标 |
指标权重 |
评分要点 |
|
单目标俯仰高度估计精度 |
25% |
按单目标高度随距离变化的误差和波动范围综合评分。 |
|
多目标俯仰高度估计精度 |
15% |
按多目标高度随距离变化的误差和波动范围综合评分。 |
表4：工程实现与部署效率（25%）
|
二级评分指标 |
指标权重 |
评分要点 |
|
算法理论复杂度 |
5% |
需具体推导各个模块的理论乘加次数统计与总量，计算步骤清晰、可复核。 |
|
方案实测耗时 |
10% |
在 PC 上测试不同场景下，单帧平均耗时；在精度相近前提下，耗时越低得分越高。 |
|
内存与模型规模 |
10% |
峰值内存小、模型参数少者更优。 |
表5：方案完成度与鲁棒性（15%）
|
二级评分指标 |
指标权重 |
评分要点 |
|
功能完整性 |
8% |
是否完整实现单、多目标的俯仰高度估计。 |
|
输出稳定性 |
7% |
重点考察不同场景下，输出高度结果是否存在明显跳变或者无效输出等情况。 |
答疑邮箱
发送邮件时，请在邮件标题中注明「创芯大赛加特兰赛题答疑-车载毫米波雷达在多径情况下的参数估计」
赛题三-命题2：基于UWB雷达的非接触式生命体征监测
生命体征监测，包括对呼吸和心率的监测是医疗健康领域的重要话题。随着人口老龄化，对独居老人或者慢性病患者的持续监护需求巨大。与传统穿戴式的监测设备相比，雷达可以嵌入床头或者墙壁，在用户无感的情况下，夜间连续监测心率和呼吸频率，一旦发现异常（如呼吸暂停或者心率失常）即可报警。除此之外，在舱内对司机实现心率监测也具有很强的现实意义。监测其心率，判断是否处于过度疲劳驾驶，或者是否突发心脏疾病，从而及时对其做出提醒。
考虑到生命体征尤其是心率信号能量相对较弱，如何在微弱的雷达反射信号中将生命体征特征提取出来是一个有趣且有挑战性的话题。
题目描述
UWB雷达监测生命体征示意图
具体要求
（1）基本功能描述
•目标检测：对采到的原始信号进行数据处理，输出雷达监测人体的距离信息；
•人体呼吸监测：在评估周期内，方案需连续输出呼吸估计BPM值，波形不做硬性要求；
•人体心率监测：在评估周期内，方案需连续输出心率估计BPM值，波形不做硬性要求；
•多目标能力：对于指定多目标场景，方案需能够给出目标关联后的生命体征输出结果；
•工程可部署性：方案需说明运行平台、内存占用、计算复杂度、模型参数量（如有）及在自有开发环境(CPU/DSP)的实际运行耗时。
（2）测试场景
为验证方案的有效性，试题规定了以下测试场景：
|
维度 |
等级1（基础） |
等级2（中等） |
等级3（困难） |
等级4（极端） |
|
A.主体状态 |
仰卧/坐姿静止，穿轻薄衣物，身体无覆盖 |
仰卧/坐姿静止，盖薄毯 |
坐姿伴有微动，如使用手机 |
站姿伴有周期性微动，如左右或者前后微微摇晃身体，原地轻微踏步等 |
|
B.环境与干扰 |
测试环境较为空旷，雷达监测范围内无明显反射 |
普通室内，坐姿场景椅子内无金属反射物，雷达监测范围内无静态家具 |
普通室内，坐姿场景椅子内无金属反射物，雷达监测范围内存在静态家具 |
普通室内，坐姿场景椅子内无金属反射物，雷达监测范围内存在与生命体征相近的机械振动，如摇摆的风扇等 |
|
C.待测者情况 |
单人 |
多人（至少两个）在雷达监测范围内，雷达可以从距离上分离目标，仅保证一人监测成功 |
多人（至少两个）在雷达监测范围内，雷达可以从距离上分离目标，监测多（至少两个）目标生命体征 |
多人（至少两个）在雷达监测范围内，雷达无法从距离上分离，监测至少两个人的生命体征 |
|
D.雷达安装位置 |
待测者胸腔正对雷达 |
待测者背对雷达 |
待测者侧对雷达 |
待测者与雷达板法线方向有一定偏角，大于10度小于45度 |
|
E.待测者状态 |
屏息【注】 |
呼吸心率平稳 |
呼吸平稳，心率平稳偏快，大于100BPM |
心率由快逐渐下降到平稳，最大值大于150BPM |
【注】：待测者屏息后不对估计出的呼吸值做要求，屏息时长不超过30s。
•按照上表形成测试用例如下：
场景组1：基础
·【A1/A2,B1,C1,D1/D2/D3/D4,E1/E2/E3】
场景组2：中等
·【A3,B3,C2,D1/D2/D3/D4,E1/E2/E3】
场景组3：进阶
·【A3,B3,C3,D1/D2/D3/D4,E1/E2/E3/E4】
·【A3,B4,C2,D1/D2/D3/D4,E1/E2/E3/E4】
场景组4：困难
·【A4,B2,C2,D1/D2/D3/D4,E2】
（3）数据集
加特兰提供覆盖上述所有场景的测试数据以及对应的真值，每组测试集描述和采数波形要求会在数据集内做详细说明。加特兰提供原始CIR数据读取脚本。
为保证评测公平性，数据集划分为：
•公开开发集：用于算法开发、参数调整与自测；
•公开验证集：用于提交前自检，不公布全部真值细节；
•非公开测试集：用于最终统一评测与排名。
每个测试样本附带如下原始信息：
•场景编号、采集时长、目标人数、安装角度、距离范围、干扰说明；
•真值设备类型、真值刷新率、时间同步方式与同步误差范围；
•屏息区间、剧烈运动区间、无效片段标记（如有）。
数据集将于近期上传至该网盘链接。可先行订阅下方分享链接，在数据更新后第一时间获取下载资源：
https://pan.baidu.com/s/5he1yuD3bJxKoxb5ogtl6VQ
监测性能评估
（1）评估原则
评测不只关注“是否能够给出结果”，还关注结果是否准确、稳定、可复现、可部署。参赛方案需同时接受离线精度评估与工程实现评估。
评估默认以统一的评估脚本为准，若选手输出刷新率与真值刷新率不同，需先对齐到统一时间轴后再进行统计。除特殊说明外，所有指标在各场景上分别计算，再按权重汇总。
（2）输出要求
参赛方案对每段测试数据至少输出以下内容：
•心率估计序列（单位：BPM）；
•呼吸估计序列（单位：BPM）；
•每个输出值对应时间戳；
•目标距离信息；
•对于多目标场景，需额外输出目标ID或等价关联标识；
•对于无结果时刻，需输出约定的无效标志，而不是以固定值占位。
（3）指标定义
•心率精度：以评估周期内估计值与真值计算RMSE、MAE，并统计绝对误差不超过3BPM的样本占比；
•呼吸精度：以评估周期内估计值与真值计算RMSE、MAE，并统计绝对误差不超过2BPM的样本占比；
•稳定性：统计输出抖动、跳变次数、短时失锁恢复时间；
•有效输出率：统计有效估计时长占总有效评估时长的比例；
•多目标能力：统计多目标场景下的目标检测成功率、目标关联正确率以及各目标生命体征估计误差；
•实时性：统计在指定芯片上的单帧耗时、整段平均处理耗时、端到端刷新周期；
•复杂度：统计理论乘加次数、参数量（如有）、峰值内存占用等。
（4）精度计算说明
•对于心率与呼吸估计，均以加特兰提供的统一评估窗口进行统计；
•对屏息片段，不对呼吸值做精度要求，但算法应避免将屏息误判为稳定呼吸；
•对真值无效或缺失片段，不纳入误差统计；
•若选手输出刷新率高于真值，可采用时间邻近匹配或窗口平均方式对齐；
•若选手输出刷新率低于要求，按有效输出率与实时性指标扣分。
（5）复杂度与实测性能评估细则
复杂度与运行性能需同时提交“理论值”和“实测值”，两者缺一不可。
|
评估项 |
提交内容 |
说明 |
|
理论计算复杂度 |
各模块乘加次数统计表 |
选手需根据自身方案，分模块给出理论乘加次数（MACs/MADDs），至少包含距离检测、目标选择、呼吸估计、心率估计、多目标关联/分离（如有）等部分，并给出总理论乘加次数。需说明统计口径、输入尺寸、窗口长度与是否包含预处理。 |
|
模型规模 |
参数量/模型大小 |
若使用深度学习模型，需给出参数量、权重量化位宽、模型文件大小；若为传统算法，需说明是否依赖查表、模板库或历史缓存。 |
|
峰值内存 |
RAM/缓存占用 |
需说明运行时峰值RAM占用、主要中间缓存规模及估算方法。 |
|
CPU/DSP实测耗时 |
单帧耗时、整段平均耗时 |
提供参赛者自有CPU与指定编译配置下实测，给出单帧平均耗时、整段数据总耗时及测试日志。若依赖硬件加速单元，也需说明。 |
|
刷新率 |
结果输出周期 |
需明确输出心率/呼吸结果的刷新周期，例如每1s更新一次。 |
|
功耗/资源说明（可选加分） |
测试方法与结果 |
若能提供规范的功耗测量记录、CPU占用或硬件资源占用说明，可作为工程完整性加分依据。 |
复杂度评分采用如下原则：
•仅给出理论乘加次数、未提供芯片实测结果者，该项最高不超过本小项分值的40%；
•仅给出实测耗时、未解释理论复杂度来源者，该项最高不超过本小项分值的60%；
•理论复杂度与实测耗时明显不一致且无法解释者，酌情扣分；
•在精度相近前提下，复杂度更低、耗时更短、资源占用更小者得分更高；
•若方案无法在指定芯片上稳定运行，则实时性与工程实现相关分项按低档计分。
提交材料与要求
（1）必交材料
•方案说明书（PDF）：
？总体技术路线；
？核心算法/模型框架；
？输入输出定义；
？关键参数说明；
？刷新率与时延说明；
？复杂度分析；
？运行平台与部署方式；
？失败案例分析与局限性说明。
•可运行代码：
？若参赛者使用深度学习/神经网络方式，需提供模型代码与推理代码，用于非公开测试集评估；
？若参赛者使用非深度学习/神经网络方式，需提供完整工程代码，用于非公开测试集评估。
•运行说明文档：
？环境依赖；
？编译方式；
？推理命令；
？输入输出目录结构；
？结果文件格式说明。
•结果文件：
？对公开验证集输出统一格式的结果文件；
？对每段数据输出对应时间戳、目标ID（如有）、距离、呼吸BPM、心率BPM、有效标志。
•复杂度与性能报告：
？理论乘加次数统计表；
？指定芯片上的实测耗时日志；
？峰值内存占用说明；
？参数量/模型大小说明（如有）。
（2）推荐补充材料
•算法流程图、关键模块示意图；
•消融实验；
•不同场景下的可视化案例；
•误差随时间变化曲线；
•多目标跟踪与关联示例；
•典型失败样例与原因分析；
•演示视频。
（3）代码与结果规范
•代码应可在加特兰指定环境中独立运行，不依赖未说明的私有库或云端服务；
•若使用随机初始化或随机增强，应固定随机种子，并保证同一输入可复现；
•不得使用测试集真值信息进行任何形式的数据泄漏或规则拟合；
•若发现结果文件与提交代码逻辑不一致，以代码复现结果为准。
评分标准
（1）总体评分构成
从竞赛视角，最终成绩由“精度、覆盖、工程、完整性、创新”五类能力共同构成，避免仅以单一RMSE决定排名。
|
一级指标 |
权重 |
说明 |
|
方案准确性 |
35% |
重点考察心率/呼吸估计精度、多目标场景精度以及有效输出质量，是排名核心指标。 |
|
测试场景覆盖度 |
20% |
重点考察方案在不同主体状态、环境干扰、安装姿态、多目标条件下的适用范围。 |
|
工程实现与部署效率 |
20% |
重点考察理论复杂度、芯片实测耗时、峰值内存、模型规模、代码可运行性。 |
|
方案完成度与鲁棒性 |
15% |
重点考察功能是否完整、是否能稳定输出、是否存在明显失锁、跳变、异常中断。 |
|
创新性与可解释性 |
10% |
重点考察技术路线是否有创新点，分析是否充分，说明文档是否清晰可信。 |
（2）一级指标细则
·方案准确性（35%）
|
二级指标 |
权重 |
评分要点 |
|
心率估计精度 |
20% |
按所有有效评估片段的RMSE、MAE和误差阈值达标率综合评分；困难场景可设置更高权重。 |
|
呼吸估计精度 |
10% |
按呼吸RMSE、MAE和误差阈值达标率综合评分；屏息片段不纳入呼吸精度主分。 |
|
多目标精度 |
5% |
针对多目标场景，考察目标关联正确率与各目标生命体征估计误差。 |
·测试场景覆盖度（20%）
|
二级指标 |
权重 |
评分要点 |
|
基础场景覆盖 |
5% |
场景组1完成情况与达标率。 |
|
中等场景覆盖 |
5% |
场景组2完成情况与达标率。 |
|
进阶场景覆盖 |
6% |
场景组3完成情况与达标率。 |
|
困难场景覆盖 |
4% |
场景组4完成情况与达标率。 |
·工程实现与部署效率（20%）
|
二级指标 |
权重 |
评分要点 |
|
理论复杂度分析 |
6% |
需提交逐模块理论乘加次数统计与总量汇总，分析口径清晰、可复核。 |
|
芯片实测耗时 |
8% |
评委在内部芯片上测试单帧平均耗时、整段处理耗时；在精度相近前提下，耗时越低得分越高。 |
|
内存与模型规模 |
4% |
峰值内存小、模型参数少者更优。 |
|
工程可运行性 |
2% |
代码是否一键运行、依赖是否完整、结果是否稳定复现。 |
·方案完成度与鲁棒性（15%）
|
二级指标 |
权重 |
评分要点 |
|
功能完整性 |
6% |
是否完整实现距离检测、呼吸估计、心率估计、多目标处理（对应场景要求）等功能。 |
|
输出稳定性 |
5% |
是否存在明显跳变、长时间失锁、无效输出过多等情况。 |
|
异常场景鲁棒性 |
4% |
对微动、遮挡、干扰、姿态变化等异常情况的恢复能力。 |
·创新性与可解释性（10%）
|
二级指标 |
权重 |
评分要点 |
|
技术创新性 |
4% |
是否在信号建模、特征提取、目标分离、抗干扰等方面有明确创新。 |
|
可解释性与分析深度 |
4% |
是否清楚说明核心机理、适用边界、失败模式与原因。 |
|
文档规范性 |
2% |
文档结构清晰、图表规范、实验记录完整。 |
（3）评分执行
•公开指标采用脚本自动评分，减少主观争议；
•创新性、可解释性、文档规范性等由专家组评审打分；
•对于并列成绩，优先比较困难场景精度，再比较芯片实测耗时，最后比较方案创新性；
•若提交材料缺失，将从对应一级指标中直接扣分，不再由其他分项补足；
•若方案存在不可复现、数据泄漏等问题，取消相关分项成绩。
竞赛规则说明
•榜单与复测机制：决赛时可根据参赛者反馈，由企业进一步补充数据集；
•违规判定说明：禁止使用测试集真值反推规则、禁止人工修结果、禁止提交与源代码不一致的结果文件。
要求
评委组需要对选手所提交的方案的新颖性、有效性以及合理性等进行综合打分。参赛者需满足以下要求：
•参赛者需给出整体方案的可解释性文档，系统阐述方案刷新率描述，解释核心算法/核心模型框架、方法复杂度分析、运行耗时、适用边界与失败案例；
•若参赛者使用深度学习/神经网络方式，需提供模型代码（用于非公开测试集评估）；
•若参赛者使用非深度学习/神经网络方式，需提供代码（用于内部测试评估）；
•参赛者必须同时提供理论复杂度统计与指定芯片上的实测耗时结果；
•参赛者提交的代码、文档、结果文件三者应相互对应，且能够被复现。
答疑邮箱
发送邮件时，请在邮件标题中注明「创芯大赛加特兰赛题答疑-基于UWB雷达的非接触式生命体征监测」
