复数的处理

news2024/12/24 10:16:25

复数的处理

复数 V V V 定义为在 ( x , y ) (x,y) (x,y)-平面中实数对的有序集合。在这方面,复数可以被视为原点 ( 0 , 0 ) (0,0) (0,0) 上的向量。从这个角度看,复数的加法类似于 ( x , y ) (x,y) (x,y)-平面中向量的加法。

然而,乘法对于复数是良好定义的,而对于向量则不是——两个向量的点积是标量,而不是向量,而两个向量在平面上的叉积是一个在该平面之外的向量。另一方面,复数的乘积是一个复数——这是一个非常有用的性质。

复平面上 x x x 或实轴表示为 I I I(表示同相), y y y 或虚轴表示为 Q Q Q(表示正交),如图1.21所示。

复数 V V V 在此 I Q IQ IQ 平面中,其 V I V_I VI V Q V_Q VQ 分别是它的 I I I Q Q Q 分量。根据图1.21,我们有:

V I = ∣ V ∣ cos ⁡ ∠ V V_I = |V| \cos \angle V VI=VcosV

V Q = ∣ V ∣ sin ⁡ ∠ V V_Q = |V| \sin \angle V VQ=VsinV

image

图1.21:在 I Q IQ IQ 平面中的复数 V V V

其中 ∣ V ∣ |V| V ∠ V \angle V V 分别是 V V V 相对于 I I I 轴的大小和角度。

幅度和相位

在复数的极坐标表示中, I Q IQ IQ 平面中复数 V V V 的幅度定义如方程所示为:

∣ V ∣ = V I 2 + V Q 2 |V| = \sqrt{V_I^2 + V_Q^2} V=VI2+VQ2

我们使用了性质 cos ⁡ 2 θ + sin ⁡ 2 θ = 1 \cos^2\theta + \sin^2\theta = 1 cos2θ+sin2θ=1。定义相位 ∠ V \angle V V 稍微复杂一些。我们可以定义它为 tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q / V_I) tan1(VQ/VI),但这样做的问题在于:

$$\tan^{-1}\left(\frac{+V_Q}{+V_I}\right) = \tan^{-1}\left(\frac{-V_Q}{-V_I}\right) \rightarrow \text{在}[0, +\pi/2],象限I$$$$\tan^{-1}\left(\frac{-V_Q}{+V_I}\right) = \tan^{-1}\left(\frac{+V_Q}{-V_I}\right) \rightarrow \text{在}[0, -\pi/2],象限IV$$

我们无法区分 V V V 位于象限I还是象限III。同样, V V V 位于象限II还是象限IV也无法区分。另一方面,图1.21告诉我们, V V V 可以位于任何象限,并且其相位应位于 [ − π , π ] [- \pi, \pi] [π,π] 范围内,如下所述:

  • 象限I ∠ V \angle V V 应位于 [ 0 , π / 2 ] [0, \pi/2] [0,π/2] tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q/V_I) tan1(VQ/VI) 已足够。

  • 象限II ∠ V \angle V V 应位于 [ π / 2 , π ] [\pi/2, \pi] [π/2,π] tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q/V_I) tan1(VQ/VI) 在象限IV,需要加上 π \pi π 的调整。

  • 象限III ∠ V \angle V V 应位于 [ − π / 2 , − π ] [- \pi/2, - \pi] [π/2,π] tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q/V_I) tan1(VQ/VI) 在象限I,需要加上 π \pi π 的调整。

  • 象限 IV ∠ V \angle V V 应位于 [ 0 , − π / 2 ] [0, -\pi/2] [0,π/2] tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q/V_I) tan1(VQ/VI) 已足够。

同样,从图1.22中可以看出:

  • 情况 1:当 V I < 0 V_I < 0 VI<0 V Q = 0 V_Q = 0 VQ=0 时, V V V 的相位应为 π \pi π 而不是 0。
  • 情况 2:当 V I = 0 V_I = 0 VI=0 V Q > 0 V_Q > 0 VQ>0 时, V V V 的相位应为 + π / 2 +\pi/2 +π/2
  • 情况 3:当 V I = 0 V_I = 0 VI=0 V Q < 0 V_Q < 0 VQ<0 时, V V V 的相位应为 − π / 2 -\pi/2 π/2

image

图1.22: tan ⁡ − 1 ( ⋅ ) \tan^{-1}(·) tan1() 不能处理的几个其他情况

考虑到所有四个象限, ∠ V \angle V V 定义为 tan ⁡ − 1 ( V Q / V I ) \tan^{-1}(V_Q/V_I) tan1(VQ/VI) 的形式,如下所示:

$$\angle V = \begin{cases} \tan^{-1}\left(\frac{V_Q}{V_I}\right) & V_I > 0 \\ \tan^{-1}\left(\frac{V_Q}{V_I}\right) + \pi & V_I < 0 \text{ 且 } V_Q \geq 0 \\ \tan^{-1}\left(\frac{V_Q}{V_I}\right) - \pi & V_I < 0 \text{ 且 } V_Q < 0 \\ +\pi/2 & V_I = 0 \text{ 且 } V_Q > 0 \\ -\pi/2 & V_I = 0 \text{ 且 } V_Q < 0 \\ \end{cases}$$

加法和乘法运算

加法 W = U + V W = U + V W=U+V 意味着:

I → W I = U I + V I I \rightarrow W_I = U_I + V_I IWI=UI+VI

Q → W Q = U Q + V Q Q \rightarrow W_Q = U_Q + V_Q QWQ=UQ+VQ

注意,复数加法实际上包含两个实数加法,分别对应 I I I Q Q Q,如图1.23所示。

image

图 1.23:一次复数相加会产生两个实数相加,分别用于 I I I Q Q Q。此外,一次复数相乘会产生4次实数相乘和2次实数相加。

乘法: W = U V W = UV W=UV 意味着

∣ W ∣ = ∣ U ∣ ⋅ ∣ V ∣ |W| = |U| \cdot |V| W=UV

∠ W = ∠ U + ∠ V \angle W = \angle U + \angle V W=U+V

(物理意义可以理解为旋转)

在 IQ 形式中导致

$$\begin{aligned} I \rightarrow & \quad W_I = U_I V_I - U_Q V_Q \\ Q \rightarrow & \quad W_Q = U_Q V_I + U_I V_Q \\ \end{aligned}$$

复数乘法规则可以写成:

复数乘法:

$$\begin{aligned} I: & \quad I \cdot I - Q \cdot Q \\ Q: & \quad I \cdot Q + I \cdot Q \\ \end{aligned}$$

上面的加法规则非常合理:I 分量都加在一起以及两个 Q Q Q 分量。在公式中的乘法规则看起来有点奇怪: I I I 是两个对齐轴项的乘积之差(即 I ⋅ I − Q ⋅ Q I \cdot I - Q \cdot Q IIQQ),而 Q Q Q 是两个交叉轴项的乘积之和(即 Q ⋅ I + I ⋅ Q Q \cdot I + I \cdot Q QI+IQ)。

为了理解复数相乘是如何合理的,请考虑

U I = ∣ U ∣ cos ⁡ Δ U 和 U Q = ∣ U ∣ sin ⁡ Δ U U_I = |U| \cos \Delta U \quad \text{和} \quad U_Q = |U| \sin \Delta U UI=UcosΔUUQ=UsinΔU

V I = ∣ V ∣ cos ⁡ Δ V 和 V Q = ∣ V ∣ sin ⁡ Δ V V_I = |V| \cos \Delta V \quad \text{和} \quad V_Q = |V| \sin \Delta V VI=VcosΔVVQ=VsinΔV

将这些值代入公式中,

$$\begin{aligned} I &\rightarrow W_I = |U| \cos \Delta U \cdot |V| \cos \Delta V - |U| \sin \Delta U \cdot |V| \sin \Delta V \\ Q &\rightarrow W_Q = |U| \sin \Delta U \cdot |V| \cos \Delta V + |U| \cos \Delta U \cdot |V| \sin \Delta V \\ \end{aligned}$$

这导致

$$\begin{aligned} I &\rightarrow W_I = |U||V|(\cos \Delta U \cdot \cos \Delta V - \sin \Delta U \cdot \sin \Delta V) \\ Q &\rightarrow W_Q = |U||V|(\sin \Delta U \cdot \cos \Delta V + \cos \Delta U \cdot \sin \Delta V) \\ \end{aligned}$$

使用恒等式 cos ⁡ A cos ⁡ B − sin ⁡ A sin ⁡ B = cos ⁡ ( A + B ) \cos A \cos B - \sin A \sin B = \cos(A + B) cosAcosBsinAsinB=cos(A+B) sin ⁡ A cos ⁡ B + cos ⁡ A sin ⁡ B = sin ⁡ ( A + B ) \sin A \cos B + \cos A \sin B = \sin(A + B) sinAcosB+cosAsinB=sin(A+B)

$$\begin{aligned} I &\rightarrow W_I = |U||V| \cos(\Delta U + \Delta V) \\ Q &\rightarrow W_Q = |U||V| \sin(\Delta U + \Delta V) \\ \end{aligned}$$

这与公式等价。因此,复数的乘法就是将它们的模数相乘并将它们的相位相加。

(学习过复数的直接忽略就行)

将复数提升到 M M M 次幂

公式 (1.11) 中复数乘法定义的另一个结果是,将复数 V V V 提升到一个幂次,例如 2,生成

$$\begin{aligned} |W| &= |V| \cdot |V| = |V|^2 \\ \angle W &= \angle V + \angle V = 2 \cdot \angle V \end{aligned}$$

对于一般的幂 M M M

$$\begin{aligned} |W| &= |V|^M \\ \angle W &= M \cdot \angle V \\ \end{aligned}$$

(公式1.15)

我们可以得出结论,在 IQ 平面中,将复数提升到某个幂次会提高它的模数到该幂次,同时将相位乘以该幂次。

相位旋转

在 IQ 平面中,通过相位 θ \theta θ 旋转复数看起来在复数符号中非常简单,但在 IQ 形式中有些复杂。旋转意味着保持模数不变并将 θ \theta θ 添加到该复数的相位中,如图 1.24 所示。

首先,我们将复数 V V V 乘以模数为 1 且相位为 θ \theta θ 的复数 U U U。使用 ∣ U ∣ = 1 |U| = 1 U=1 Δ U = θ \Delta U = \theta ΔU=θ

U I = cos ⁡ θ 和 U Q = sin ⁡ θ U_I = \cos \theta \quad \text{和} \quad U_Q = \sin \theta UI=cosθUQ=sinθ

image

图1.24:旋转意味着在不改变幅度的情况下,将 θ \theta θ 添加到角度上。

将复数的乘法规则(公式1.13)代入,

I → W I = V I ⋅ cos ⁡ θ − V Q ⋅ sin ⁡ θ ( 1.16 ) I \rightarrow W_I = V_I \cdot \cos \theta - V_Q \cdot \sin \theta \quad (1.16) IWI=VIcosθVQsinθ(1.16)

Q → W Q = V Q ⋅ cos ⁡ θ + V I ⋅ sin ⁡ θ Q \rightarrow W_Q = V_Q \cdot \cos \theta + V_I \cdot \sin \theta QWQ=VQcosθ+VIsinθ

使用 V I = ∣ V ∣ cos ⁡ Δ V V_I = |V| \cos \Delta V VI=VcosΔV V Q = ∣ V ∣ sin ⁡ Δ V V_Q = |V| \sin \Delta V VQ=VsinΔV

I → W I = ∣ V ∣ ( cos ⁡ Δ V ⋅ cos ⁡ θ − sin ⁡ Δ V ⋅ sin ⁡ θ ) I \rightarrow W_I = |V|(\cos \Delta V \cdot \cos \theta - \sin \Delta V \cdot \sin \theta) IWI=V(cosΔVcosθsinΔVsinθ)

Q → W Q = ∣ V ∣ ( sin ⁡ Δ V ⋅ cos ⁡ θ + cos ⁡ Δ V ⋅ sin ⁡ θ ) Q \rightarrow W_Q = |V|(\sin \Delta V \cdot \cos \theta + \cos \Delta V \cdot \sin \theta) QWQ=V(sinΔVcosθ+cosΔVsinθ)

再次使用恒等式 cos ⁡ A cos ⁡ B − sin ⁡ A sin ⁡ B = cos ⁡ ( A + B ) \cos A \cos B - \sin A \sin B = \cos(A + B) cosAcosBsinAsinB=cos(A+B) sin ⁡ A cos ⁡ B + cos ⁡ A sin ⁡ B = sin ⁡ ( A + B ) \sin A \cos B + \cos A \sin B = \sin(A + B) sinAcosB+cosAsinB=sin(A+B)

I → W I = ∣ V ∣ cos ⁡ ( Δ V + θ ) I \rightarrow W_I = |V| \cos (\Delta V + \theta) IWI=Vcos(ΔV+θ)

Q → W Q = ∣ V ∣ sin ⁡ ( Δ V + θ ) ( 1.17 ) Q \rightarrow W_Q = |V| \sin (\Delta V + \theta) \quad (1.17) QWQ=Vsin(ΔV+θ)(1.17)

这保持了幅度不变,并将角度 θ \theta θ 添加到现有的角度上。

从公式 (1.16) 和公式 (1.17) 可以推导出相位旋转的快速规则。对于复数 V V V 和角度 + θ +\theta +θ(即逆时针旋转),相位旋转规则 规定:

逆时针旋转 θ \theta θ

I ⋅ cos ⁡ θ − Q ⋅ sin ⁡ θ (1.18) I \cdot \cos \theta - Q \cdot \sin \theta \quad \text{(1.18)} IcosθQsinθ(1.18)

Q ⋅ cos ⁡ θ + I ⋅ sin ⁡ θ Q \cdot \cos \theta + I \cdot \sin \theta Qcosθ+Isinθ

这被认为与乘法规则 I ⋅ I − Q ⋅ Q I \cdot I - Q \cdot Q IIQQ Q ⋅ I + I ⋅ Q Q \cdot I + I \cdot Q QI+IQ 相同。类似地,对于复数 V V V 和角度 − θ -\theta θ(即顺时针旋转):

顺时针旋转 θ \theta θ

I ⋅ cos ⁡ θ + Q ⋅ sin ⁡ θ (1.19) I \cdot \cos \theta + Q \cdot \sin \theta \quad \text{(1.19)} Icosθ+Qsinθ(1.19)

Q ⋅ cos ⁡ θ − I ⋅ sin ⁡ θ Q \cdot \cos \theta - I \cdot \sin \theta QcosθIsinθ

上面的相位旋转规则很重要,因为我们在这篇文章中没有使用复数符号。这意味着我们可以快速地识别出一个方程是否通过某个角度旋转了一个复数。上面的两个方程有助于实现这一目的,我们将在后面看到它的许多应用,例如在载波相位同步期间。

复共轭

复数 V ∗ V^* V 的共轭只改变了 Q Q Q 分量的符号。它定义为:

I → { V ∗ } I = V I I \quad \rightarrow \quad \{V^*\}_I = V_I I{V}I=VI
Q ↑ { V ∗ } Q = − V Q Q \quad \uparrow \quad \{V^*\}_Q = -V_Q Q{V}Q=VQ
(1.20) \text{(1.20)} (1.20)

由于幅度是 I I I Q Q Q 分量平方和的结果,因此它保持不变。另一方面, Q Q Q 除以 I I I 是相位,因此共轭导致相位符号的改变。因此,复数共轭的另一种定义是:

∣ V ∗ ∣ = ∣ V ∣ |V^*| = |V| V=V
∠ V ∗ = − ∠ V \angle V^* = -\angle V V=V
(1.21) \text{(1.21)} (1.21)

复数共轭的一个重要意义在于,将复数乘以其复共轭可以抵消相位并产生其幅度平方。利用上述关系,在方程(1.11)的乘法规则中可以得出

∣ V ⋅ V ∗ ∣ = ∣ V ∣ 2 = V I 2 + V Q 2 |V \cdot V^*| = |V|^2 = V_I^2 + V_Q^2 VV=V2=VI2+VQ2
∠ ( V ⋅ V ∗ ) = 0 \angle (V \cdot V^*) = 0 (VV)=0
(1.22) \text{(1.22)} (1.22)

定义信号共轭的另一个有趣的结果是以下恒等式集:

I → { V + V ∗ } = V I + V I I \quad \rightarrow \quad \{V + V^*\} = V_I + V_I I{V+V}=VI+VI
Q ↑ { V + V ∗ } = V Q − V Q Q \quad \uparrow \quad \{V + V^*\} = V_Q - V_Q Q{V+V}=VQVQ

从而生成以下重要结果:

I → V I = 1 2 { V + V ∗ } I \quad \rightarrow \quad V_I = \frac{1}{2}\{V + V^*\} IVI=21{V+V}
Q ↑ 0 = 1 2 { V + V ∗ } Q \quad \uparrow \quad 0 = \frac{1}{2}\{V + V^*\} Q0=21{V+V}
(1.23) \text{(1.23)} (1.23)

同样,

I → 0 = 1 2 { V − V ∗ } I \quad \rightarrow \quad 0 = \frac{1}{2}\{V - V^*\} I0=21{VV}
Q ↑ V Q = 1 2 { V − V ∗ } Q \quad \uparrow \quad V_Q = \frac{1}{2}\{V - V^*\} QVQ=21{VV}
(1.24) \text{(1.24)} (1.24)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2062002.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Vue3 国际化i18n语言库 网站多语言切换

介绍 在 Vue 3 项目中&#xff0c;国际化&#xff08;i18n&#xff09;是一个常见的需求&#xff0c;它允许你的应用支持多种语言&#xff0c;并根据用户的语言偏好显示相应的内容。为了实现国际化&#xff0c;你可以使用 vue-i18n 这个库&#xff0c;它是 Vue 官方推荐的国际…

vue常见**MS题 [2]

vue问题及理解 1、介绍一下vue2和vue3的区别 ‌Vue2和Vue3的主要区别体现在双向数据绑定原理、生命周期钩子函数、API、多根节点、性能和体积等方面。‌‌双向数据绑定原理‌&#xff1a;Vue2使用Object.defineProperty实现双向数据绑定&#xff0c;而Vue3则利用ES6的Proxy特性…

赚大钱和赚小钱,哪个更累?

最近一直在质疑我在做的项目&#xff0c;虽然有同行做到了很好的成绩&#xff0c;但是我还是质疑。 因为一直在赚小钱&#xff0c;接触到的也是新手、底层客户、墨迹客户。 越是钱少的生意&#xff0c;越不好做&#xff0c;客户越挑剔。 而且赚小钱会消磨人的心智。 前几年…

解决前端访问IIS服务器发生跨域请求报错的方法

现在WEB开发都是前后端分离的模式了&#xff0c;当前端代码访问后端WEB服务器时&#xff0c;经常会发生跨域请求报错的问题。   如果是IIS服务器&#xff0c;可以通过下面的方式轻松解决。   由于出现跨域问题是因为服务器返回的页面在返回头中没有设置“Access-Control-Al…

Servlet---Web会话跟踪 ▎token令牌

▍为什么要进行Web会话跟踪? http请求是无状态的,不携带用户信息的,当用户登录成功后,之后在于服务器交互时,服务器并不知道是哪个用户发送的请求 ▍Web会话跟踪 解决方法:在用户成功登录后,后端向前端响应token令牌(token令牌:用户信息),前端保存token令牌每次访问后端都先…

药店药品进销存管理系统药品出库药品入库药品销售-社区医院药品管理-基于JAVA+vue开发

2.2 业务流程分析 在进行业务流程分析时&#xff0c;需要按照原有信息流动过程&#xff0c;逐个地调查分析所有环节的处理业务、处理内容、处理顺序和对处理时间的要求&#xff0c;弄清各个环节需要的信息、信息来源、流经去向、处理方法、计算方法、提供信息的时间和信息形态…

Hadoop 中的大数据技术:Zookeeper安装 (2)

目录 下载地址 本地模式安装 1&#xff09;安装前准备 2&#xff09;配置修改 3&#xff09;操作 Zookeeper 配置参数解读 Zookeeper 集群操作 集群规划 解压安装 配置服务器编号 配置 zoo.cfg 文件 集群操作 Zookeeper 集群启动停止脚本 创建脚本 增加脚本执行权限 …

EmguCV学习笔记 C# 6.1 边缘检测

版权声明&#xff1a;本文为博主原创文章&#xff0c;转载请在显著位置标明本文出处以及作者网名&#xff0c;未经作者允许不得用于商业目的。 EmguCV是一个基于OpenCV的开源免费的跨平台计算机视觉库,它向C#和VB.NET开发者提供了OpenCV库的大部分功能。 教程VB.net版本请访问…

【云原生】MySQL的源码编译

1、实验环境 &#xff08;1&#xff09;虚拟机版本&#xff1a;RHEL7.9 &#xff08;2&#xff09;主机 主机名称IP地址mysql-node1172.25.254.10mysql-node2172.25.254.20 2、实验步骤 注意&#xff1a;我们的两台主机都要进行MySQL源码编译&#xff0c;并且操作相同&…

二手物品交易boot代码

TOC springboot548二手物品交易boot代码--论文pf 第1章 绪论 1.1 课题背景 二十一世纪互联网的出现&#xff0c;改变了几千年以来人们的生活&#xff0c;不仅仅是生活物资的丰富&#xff0c;还有精神层次的丰富。在互联网诞生之前&#xff0c;地域位置往往是人们思想上不可…

Leaflet+Leaflet-Geoman绘制天地图

安装所需依赖 yarn add leaflet geoman-io/leaflet-geoman-free文档地址 https://leafletjs.cn/ https://geoman.io/ <template><div id"map"></div><div class"handle"><button click"drawMap">绘制区块</b…

什么是生信分析?深入探讨生物信息学的技术、方法与广泛应用

介绍 生物信息学分析&#xff0c;简称生信分析&#xff0c;是一个结合了生物学、计算机科学、信息学和统计学的多学科领域&#xff0c;旨在处理、分析和解释海量的生物数据。随着现代生物技术的发展&#xff0c;尤其是高通量测序&#xff08;Next-Generation Sequencing, NGS&…

ArcGIS热点分析 (Getis-Ord Gi*)——七普地级市人口普查数据的热点与冷点分析

先了解什么是热点分析 ? 热点分析 (Getis-Ord Gi*) 是一种用于空间数据分析的技术&#xff0c;主要用于识别地理空间数据中值的聚集模式&#xff0c;可以帮助我们理解哪些区域存在高值或低值的聚集&#xff0c;这些聚集通常被称为“热点”或“冷点”&#xff0c;Gi* 统计量为…

LSI-9361阵列卡笔记

背景 要将raid0更改为JBOD直通模式 注意的点是要先将raid模式调整为JBOD之后重启机器&#xff0c;即可 备注&#xff1a;转换过程中硬盘中的数据未丢失。 步骤贴图 refer https://zhiliao.h3c.com/questions/dispcont/123250 https://blog.csdn.net/GreapFruit_J/article/…

Debian12安装jdk8环境

下载JDK8 下载页面&#xff1a;https://repo.huaweicloud.com:8443/artifactory/java-local/jdk/ 笔者下载的是8u202&#xff1a; #wget https://repo.huaweicloud.com:8443/artifactory/java-local/jdk/8u202-b08/jdk-8u202-linux-x64.tar.gz 解压安装 1、使用命令将压缩包复…

Golang | Leetcode Golang题解之第354题俄罗斯套娃信封问题

题目&#xff1a; 题解&#xff1a; func maxEnvelopes(envelopes [][]int) int {n : len(envelopes)if n 0 {return 0}sort.Slice(envelopes, func(i, j int) bool {a, b : envelopes[i], envelopes[j]return a[0] < b[0] || a[0] b[0] && a[1] > b[1]})f : …

旅游网站

TOC springboot281旅游网站 第1章 绪论 1.1 课题背景 互联网发展至今&#xff0c;无论是其理论还是技术都已经成熟&#xff0c;而且它广泛参与在社会中的方方面面。它让信息都可以通过网络传播&#xff0c;搭配信息管理工具可以很好地为人们提供服务。所以各行业&#xff0…

【今夕是何年】雅达利发布Atari 7800+游戏主机:配备无线手柄、HDMI接口

雅达利&#xff08;Atari&#xff09;发布了Atari 7800游戏主机&#xff0c;目前这款主机在其官方商城接受预定&#xff0c;售价129.99美元。Atari 7800游戏主机&#xff0c;作为Atari 7800系列的革新升级版本&#xff0c;搭载了高效的Rockchip 3128处理器&#xff0c;不仅确保…

Q*算法深度猜想:从Q-learning优化到智能决策

Q*算法深度猜想&#xff1a;从Q-learning优化到智能决策 引言 在强化学习&#xff08;Reinforcement Learning&#xff09;中&#xff0c;Q-learning算法作为一种无模型的学习方法&#xff0c;被广泛应用于解决各种决策优化问题。然而&#xff0c;尽管Q-learning在许多场景下…

基于YOLOv8的船舶目标检测与分割(ONNX模型)

项目背景 需求分析&#xff1a;在海洋监控、港口管理、海事安全等领域&#xff0c;自动化的船只检测与分割技术对于提高效率和安全性至关重要。技术选型&#xff1a;YOLOv8是YOLO系列的一个较新版本&#xff0c;以其速度快、准确率高而著称。使用ONNX&#xff08;Open Neural …