PROJECT INDEX / 9 CASES

项目索引

这里优先展示个人工程作品集:NodeScope 是长期主旗舰,其他条目分别记录公开数据预研、云计算、Linux 实验、课程硬件和跨项目工程方法。

A / FLAGSHIP PROJECTS

旗舰项目

四个旗舰条目优先说明问题、本人贡献、AI/Codex 参与、已验证范围和当前限制。

开发中旗舰项目 / 个人软件

NodeScope|个人长期软件项目

面向本人自有 VPN / 服务器节点的 Windows 桌面工具;0.16.2-rc4 已完成最终重装、启动、用户数据保留与安装运行闭环验证,并在独立开发支线完成多服务器手动切换实现和本地验证。

成果 / 亮点0.16.2-rc4 Windows 安装闭环已验证;启动 / 重连稳定化已通过对应验收,多服务器手动切换已在独立开发支线完成本地验证,不等于正式 release。

Windows desktopMulti-server Profilestartup / reconnectLinux node
查看项目详情
预研旗舰项目 / 生物信号预研

MIT-BIH 小样本预研

基于 PhysioNet MIT-BIH 固定四条记录的公开小样本预研,重点记录信号范围、确定性匹配协议和结论边界。

成果 / 亮点固定 4 条记录和固定评价协议下的预研结果,不代表完整数据库、临床性能或诊断能力。

MIT-BIHECGPython预研
查看项目详情
已验证旗舰项目 / 云计算

Azure Student Cloud Portfolio

以 Azure for Students 为入口,把 Astro 静态站点、OIDC 身份链路和可核验的公开交付整理成一个真实项目案例。

成果 / 亮点已完成首次公开站点交付与构建产物门禁,公开范围仍限定为个人学习与工程实践。

AstroGitHub ActionsAzure StorageOIDC
查看项目详情
已整理旗舰项目 / Linux 云实验

DO-ASSET-LAB-SPRINT-2026-07

将双节点云实验中的原始证据、确定性 workload、分析表和公开报告整理成可复用的工程资产集合。

成果 / 亮点形成从原始证据到报告和 manifest 的分层整理方式,所有数字均保留特定历史配置与受限额度边界。

双节点iperf3fiopgbench
查看项目详情

B / COURSE & PROFESSIONAL PRACTICE

课程与专业工程实践

这些条目是课程或专业实践,不写成商业医疗器械研发或工作经历。

已整理课程与专业工程实践

医疗电子 PCB 设计与板级验证

课程实践中的 2 层 PCB 设计、打样、焊接与基础板级验证,记录布局布线、电源和信号路径复盘。

成果 / 亮点从设计、打样到基础板级验证,复盘信号串扰和局部不稳定;当前原始工件证据仍待补充。

2 层 PCB布局布线焊接板级验证
查看项目详情
已整理课程与专业工程实践

ECG / 脉搏信号采集与前端调理

课程实验中的 mV 级微弱信号采集、放大与滤波实践,记录示波器观察和基线、工频、接触问题排查。

成果 / 亮点以课程实验为边界,练习 mV 级信号采集、放大、滤波和 50 Hz 工频干扰排查,不涉及临床患者数据或诊断。

ECG脉搏信号放大滤波
查看项目详情
已整理课程与专业工程实践

MCU 多传感器数据采集系统

课程实践中的 C 语言多传感器采集、GPIO、I2C、SPI 与 LCD 显示,记录通信时序和刷新异常排查。

成果 / 亮点练习多传感器接线、通信时序、IO 冲突和 LCD 刷新异常的基础排查,不猜测未确认的器件型号或独立完成比例。

CGPIOI2CSPI
查看项目详情

C / ENGINEERING METHOD

工程方法

跨项目轻量可复现分析与证据管理方法,用于连接真实案例,不单独包装成数据平台。

已整理工程方法

Python Reproducible Analysis

以 Python、表格处理、图表、报告和 SHA-256 清单组成跨项目的轻量可复现分析方法与资产集合。

成果 / 亮点用统一的输入、质量、确定性处理、统计、报告和清单步骤连接多个学习项目。

PythonNumPyPandasMatplotlib
查看项目详情

D / OTHER PROJECTS

其他项目

独立实验条目保留其原有项目分类,并在索引中单独展示。

已验证云计算 / Python 可移植性实验

Azure Compute Portability V1

在 Azure Linux VM 上验证确定性 Python workload 的可移植执行,并在固定配置下比较 1 worker 与 2 workers。

成果 / 亮点固定 workload 下 2 workers 的 mean throughput 比 1 worker 低 6.265131%,结果仅适用于本次实验配置。

AzureLinux VMPythonNumPy
查看项目详情