1.10 DFT示例1

news2024/11/11 5:54:46

1.10 DFT示例1

Tips:离散傅里叶的不同角度的解释。

参考:https://mp.weixin.qq.com/s/TrRmqkc34Zqw9pgaITqlZg?poc_token=HF5h1WajXiXCmFpwIbv1HaHN52KsET1UE29CM561

摘取部分核心观点:

站在高观点下看问题,傅里叶变换本质上是求某函数在完备的函数空间中的坐标

一个函数空间具有完备的正交函数系(类比三维空间具有三个基矢量),那么任意一个函数在该函数空间中都有一个“坐标”,而坐标的各个分量是该函数在各个基函数上的投影得到的。函数空间类比上面的二维平面和三维空间,任意一个函数则类比空间中的任意一个点,函数在各个基函数上的投影类比三维空间中一个点在各个坐标轴基矢量上的投影。

一个函数在这样的一种函数空间中的坐标表示,只是最基本的一种傅里叶展开。可以通过使用不同的函数系作为基函数从而得到不同的函数空间,从而引入广义的傅里叶展开。

例如,数学物理方法中我们所知道的对函数做贝塞尔展开、对函数做勒让德展开等,其实都是一种傅里叶展开,和读者所熟知的通常意义上的傅里叶变换本质上是相同的,都是在干一件事情:找寻一个函数在完备的函数空间中的“坐标”,即找到该函数在函数空间中各个基函数(基矢量)方向上的投影分量!唯一不同的是,贝塞尔展开中,函数“所处”的函数空间是由各阶贝塞尔函数作为基函数构成,而勒让德展开中,函数“所处”的函数空间是由各阶勒让德函数作为基函数构成。

1.10.1 矩形信号

矩形序列,无论是在时域还是频域中,都是DSP(数字信号处理)应用中遇到的最重要的信号之一。造成这种情况的原因之一是,任何在时域中具有有限持续时间的信号(例如T秒)(即所有实际信号)都可以看作是一个可能具有无限持续时间的信号与一个持续时间为T秒的矩形序列的乘积。这称为加窗(windowing) ,而矩形序列是最简单形式的窗口。

让我们计算长度为L的矩形序列的N点DFT:

$$s_l[n] = \begin{cases} 1, & n_s \leq n \leq n_s + L - 1 \\ 0, & \text{其他情况} \end{cases} \tag{1.62}$$

如图1.59所示,其中N ≥ L。

image-20240902104510-ssde572

图1.59:一个长度为L的矩形序列,其中L < N。

由于这个序列在时域中是真实的,并且没有Q分量,因此DFT定义中频域的I分量可以表示为:

$$I \rightarrow S_I[k] = \sum_{n=0}^{N-1} s_I[n] \cos \left( 2\pi \frac{k}{N} n \right) = \sum_{n=n_s}^{n_s+L-1} \cos \left( 2\pi \frac{k}{N} n \right)$$$$= \sum_{n=n_s}^{n_s+L-1} \cos \left( 2\pi \frac{k}{N} n \right) \cdot \frac{\sin \left( \pi \frac{k}{N} \right)}{\sin \left( \pi \frac{k}{N} \right)} \tag{1.63}$$

θ = 2 π k / N \theta = 2\pi k / N θ=2πk/N,并使用恒等式 2 cos ⁡ A sin ⁡ B = sin ⁡ ( A + B ) − sin ⁡ ( A − B ) 2 \cos A \sin B = \sin(A + B) - \sin(A - B) 2cosAsinB=sin(A+B)sin(AB),我们得到:

$$I \rightarrow S_I[k] = \sum_{n=n_s}^{n_s+L-1} \cos(n\theta) \frac{\sin(\theta/2)}{\sin(\theta/2)}$$$$= \frac{1}{2 \sin(\theta/2)} \sum_{n=n_s}^{n_s+L-1} \left[ \sin\left(\left(n + \frac{1}{2}\right)\theta\right) - \sin\left(\left(n - \frac{1}{2}\right)\theta\right) \right]$$$$= \frac{1}{2 \sin(\theta/2)} \left[ \sin\left(\left(n_s + L - \frac{1}{2}\right)\theta\right) - \sin\left(\left(n_s - \frac{1}{2}\right)\theta\right) \right]$$

由于求和中的所有其他项相互抵消,使用上面相同的恒等式我们可以得到:

$$I \rightarrow S_I[k] = \frac{1}{\sin(\theta/2)} \cos\left(\left(n_s + \frac{L - 1}{2}\right)\theta\right) \cdot \sin\left(\frac{L\theta}{2}\right)$$$$= \frac{\sin\left(\frac{L\theta}{2}\right)}{\sin(\theta/2)} \cos\left(\frac{2\pi k}{N} \left(n_s + \frac{L - 1}{2}\right)\right) \tag{1.64}$$

将表达式代入到 θ \theta θ中,我们得到:

$$I \rightarrow S_I[k] = \frac{\sin(\pi Lk/N)}{\sin(\pi k/N)} \cos\left[2\pi \frac{k}{N} \left(n_s + \frac{L - 1}{2}\right)\right] \tag{1.64}$$

类似地,Q分量也可以通过DFT定义来求得:

$$Q \rightarrow S_Q[k] = \sum_{n=0}^{N-1} -s_I[n] \sin\left(2\pi \frac{k}{N} n\right) = \sum_{n=n_s}^{n_s+L-1} -\sin\left(2\pi \frac{k}{N} n\right) \tag{1.65}$$

按照与I分量相同的步骤,并使用另一个恒等式 sin ⁡ A sin ⁡ B = 0.5 [ cos ⁡ ( A − B ) − cos ⁡ ( A + B ) ] \sin A \sin B = 0.5 \left[ \cos(A-B) - \cos(A+B) \right] sinAsinB=0.5[cos(AB)cos(A+B)],其DFT的Q分量由下式给出:

$$Q \rightarrow S_Q[k] = \frac{-\sin(\pi Lk/N)}{\sin(\pi k/N)} \sin\left[2\pi \frac{k}{N} \left(n_s + \frac{L - 1}{2}\right)\right] \tag{1.66}$$

使用上述方程,对于全为1的矩形序列 L = N = 16 L = N = 16 L=N=16,图1.60绘制了所得DFT的I和Q部分。注意,当矩形序列覆盖从0到 N − 1 N-1 N1 的所有可用时间域时,其DFT在频率0处只是一个脉冲。

image-20240902110615-qv8pnx6

图1.60:全为1的DFT的幅度和相位(以及I和Q部分),对于 L = N = 16 L = N = 16 L=N=16

尽管它很简单,但这里隐藏了很多信息,并且可以得出一些有趣的结论,因此我们将在下面继续讨论。

幅度和相位

将幅度和相位的定义应用到方程(1.64)和方程(1.66),并使用 cos ⁡ 2 A + sin ⁡ 2 A = 1 \cos^2 A + \sin^2 A = 1 cos2A+sin2A=1,我们得到矩形信号的DFT的幅度和相位:

$$|S[k]| = \frac{\sin(\pi Lk/N)}{\sin(\pi k/N)}$$$$\angle S[k] = -2\pi \frac{k}{N} \left(n_s + \frac{L - 1}{2}\right) \tag{1.67}$$

L = N = 16 L = N = 16 L=N=16 时,图1.60还显示了矩形信号的DFT的幅度和相位图,在这种情况下,它们分别类似于I和Q图。第1.9节讨论了特定的 n s n_s ns 值如何影响相位图。

DFT,频域采样和泄漏

对于矩形信号的DFT,IQ方程如公式(1.64)和(1.66)所示,幅度相位关系如公式(1.67)所示。相应的图形在图1.60中绘制,单个脉冲在0点。

问题是:如此相对复杂的方程是如何生成如此简单的图形的?答案是,这是一种特殊情况,因为信号在时域中是全1的矩形序列。现在我们考虑如图1.61所示, L < N L < N L<N,其中 L = 7 L = 7 L=7 N = 16 N = 16 N=16,并且

$$n_s = -\frac{L - 1}{2} = -3$$

这个选择的 n s n_s ns使信号在零点位置对称。同时,由于DFT输入周期性,这与 n s = N − L − 1 2 = 13 n_s = N - \frac{L-1}{2} = 13 ns=N2L1=13相同。就像之前一样,

image-20240902134231-raq7ty7

图1.61:从DFT计算角度来看,矩形序列的时域表示, n s = − ( L − 1 ) / 2 n_s = -(L-1)/2 ns=(L1)/2

可以通过像fft(·)这样的软件程序验证,这个仅有同相分量的偶数信号也有一个偶数DFT,并且仅有同相部分。

接下来,对于相同信号, L = 7 L = 7 L=7 N = 16 N = 16 N=16,设 n s = − ( L − 1 ) / 2 − 1 = − 4 n_s = -(L-1)/2 - 1 = -4 ns=(L1)/21=4。该序列可以想象为从其对称位置向左移1,围绕零对称。图1.62中显示了来自方程(1.64)和(1.66)的I和Q图,以及来自方程(1.67)的幅度和相位图在图1.63中绘制。定义明确的sinc信号形式如下:

$$\text{sinc}(k) = \frac{\sin(\pi Lk/N)}{\sin(\pi k/N)} \tag{1.68}$$

在离散频率 k / N k/N k/N的幅度图中可见。

现在我们可以认识到,图1.60中的图形也是sinc函数,但在0点处采样为峰值,并在其他所有点处为零。仔细观察sinc信号,理解其特性对DSP理解至关重要!

为了理解为什么该信号的能量出现在其他频率分析中,回顾DFT找到复正弦波在频率 F = F s ⋅ k / N F = F_s \cdot k/N F=Fsk/N的贡献,对于 k = − N / 2 k = -N/2 k=N/2 N / 2 − 1 N/2-1 N/21的输入信号,这些都是基本频率 F s / N F_s/N Fs/N的整数倍。由于正交性,DFT能够找到每个 k t h k^{th} kth的贡献,独立于其他所有的贡献。如果输入信号仅包含从频率 k / N k/N k/N来的贡献,DFT的输出将与该频率相关的点成正比,而在其他所有点为零。

image-20240902134505-a3l854g

图1.62:矩形信号DFT的I和Q分量, L = 7 L = 7 L=7 N = 16 N = 16 N=16,且 n s = − ( L − 1 ) / 2 − 1 n_s = -(L-1)/2 - 1 ns=(L1)/21

image-20240902134951-a2mr9ll

图1.63:矩形信号DFT的幅度和相位, L = 7 L = 7 L=7 N = 16 N = 16 N=16,且 n s = − ( L − 1 ) / 2 − 1 n_s = -(L-1)/2 - 1 ns=(L1)/21

对于全1矩形序列,当 L = N = 16 L = N = 16 L=N=16时,它实际上是一个单一复正弦波在离散频率0/N时,

$$I \quad \rightarrow \quad \cos \left( 2\pi \frac{k}{N} n \right) = \cos \left( 2\pi \frac{0}{N} n \right) = 1, \quad n = 0, \cdots, N - 1$$$$Q \quad \uparrow \quad \sin \left( 2\pi \frac{k}{N} n \right) = \sin \left( 2\pi \frac{0}{N} n \right) = 0, \quad n = 0, \cdots, N - 1$$

因此,与其余 N − 1 N-1 N1个复正弦波正交。因此,我们的DFT在 k = 0 k=0 k=0时为一个脉冲,而在其他 k k k处为零,见图1.60。

另一方面,其截断版本 L = 7 L=7 L=7 N = 16 N=16 N=16不是单一复正弦波。实际上,它由所有 N N N个正弦波组成,就像我们在图1.35中遇到的周期方波一样,因此能量分布在所有 N N N个频率格上。

在实际情况下,输入数据序列并不总是在给定的分析频率格上精确包含能量。如果输入信号在这些整数倍 F s / N F_s/N Fs/N之间的某个中间频率上有分量,比如 1.3 F s / N 1.3F_s/N 1.3Fs/N,则正交条件不成立,并且该输入信号将在DFT的所有输出格上显示出一定程度的能量。这被称为 DFT泄漏

当我们对实际世界中的有限长度时间序列执行DFT时,DFT泄漏是不可避免的现象。让我们构建一个例子来详细观察这一点。

示例 1.6

假设一个频率为4 kHz的信号,采样率为 F S = 16 F_S = 16 FS=16 kHz。

$$s[n] = \sin \left( 2\pi \frac{4}{16} n \right)$$

其中 N = 16 N = 16 N=16。实线蓝色曲线如图1.64a所示,是时域内的表示,分析频率 F 4 = F S ⋅ k N = 16000 ⋅ 4 16 = 4 F_4 = F_S \cdot \frac{k}{N} = 16000 \cdot \frac{4}{16} = 4 F4=FSNk=16000164=4 kHz。注意,输入频率和分析频率 F 4 F_4 F4在采样间隔期间完成了四个完整的周期,因此其DFT,如图1.64b所示,在频率格4和-4处有两个脉冲,其他所有格上的输入为零。

实际曲线的形状是相同的 sinc函数,但它在频域内采样于恰好正确的位置,即,由于输入在时域内的整数周期数,采样于整数频率格。

image-20240902142208-9colptq

图 1.64:无 DFT 泄漏

现在让我们稍微改变输入信号,使其频率等于3.7 kHz,如图1.65a所示。

$$s[n] = \sin \left( 2\pi \frac{3.7}{16} n \right)$$

注意,分析频率 F 4 F_4 F4在该区间内完成了四个完整的周期,而原始信号 s [ n ] s[n] s[n]中的3.7 kHz频率在16个采样间隔内没有整数个周期,破坏了正交性,导致输入能量泄漏到所有其他DFT输出格,如图1.65b所示。

image-20240902142443-veq0dl8

图1.65: DFT泄露

k = 3 k=3 k=3频率格不为零,因为输入序列和 k = 3 k=3 k=3分析频率的乘积之和不再为零(对于 k = 4 k=4 k=4也是如此)。这种泄漏导致任何频率不完全位于DFT格中心的输入信号泄漏到所有其他DFT输出格。sinc函数的形状没有变化,与4 kHz的输入相比,它只是以非理想点采样,即,由于输入在时域内的周期数不是整数,因此在频域内采样在分数频率格。

为什么会发生泄漏现象?想象一下,将滞后为0的相关过程视为频域中的采样过程,其中某个特定的分析频率“采样”了频谱。当输入信号的频率不是基本频率 F s / N F_s / N Fs/N 的整数倍时,频域采样不会发生在零交叉点处,从而引入所有N个参与者的干扰。

综上所述,频率不是 k / N k/N k/N 集的信号在观察窗口内不是周期性的,并且在未完成最后一个周期的情况下突然终止。这种不连续性违反了正交关系,产生了非零结果,并且导致频谱贡献扩展到频率 k / N k/N k/N 的整个集合中。

主瓣峰值

矩形信号的DFT在点 k = 0 k = 0 k=0 附近有一个主瓣。其幅度无法通过将 k = 0 k = 0 k=0 代入公式 (1.67) 中的正弦信号来求得,因为此时分子和分母都变为零,导致表达式为不定形式 0 / 0 0/0 0/0。虽然可以使用洛必达法则进行计算,但我们采取一种更简单的方法。**主瓣的峰值幅度为** ** L L L**,因为在 k = 0 k = 0 k=0 时,DFT定义规定:

$$S_I[0] = \sum_{n=0}^{N-1} s_I[n]$$$$S_Q[0] = \sum_{n=0}^{N-1} s_Q[n]$$

这是因为 cos ⁡ ( 2 π ( 0 / N ) n ) = 1 \cos(2\pi(0/N)n) = 1 cos(2π(0/N)n)=1 sin ⁡ ( 2 π ( 0 / N ) n ) = 0 \sin(2\pi(0/N)n) = 0 sin(2π(0/N)n)=0。换句话说,DFT S [ 0 ] S[0] S[0] 是所有原始样本的总和。由于在此示例中 s Q [ n ] = 0 s_Q[n] = 0 sQ[n]=0,所以 L L L 个单位值样本的总和表现为 S I [ 0 ] = L S_I[0] = L SI[0]=L。因此,峰值被认为是 L = 16 L = 16 L=16 ,如图1.60所示,且 L = 7 L = 7 L=7 ,如图1.63所示。

DFT相位

直到现在,大部分讨论都围绕着幅度图展开。让我们通过矩形信号的DFT来理解相位的概念。现在,图1.66中绘制了图1.63的相位图,参数为 L = 7 L = 7 L=7 N = 16 N = 16 N=16,且 n s = − ( L − 1 ) / 2 − 1 n_s = - (L - 1) / 2 - 1 ns=(L1)/21。在消除由于更改 I 和 Q 符号而产生的 180° 相位跳变后,得到的相位是一条斜率为22.5°的直线。这个数值是从哪里来的?

image-20240902143031-otd5k5e

图 1.66:图 1.63 中的 DFT 相位,参数为 L = 7 L = 7 L=7 N = 16 N = 16 N=16 n s = − ( L − 1 ) / 2 − 1 n_s = - (L - 1) / 2 - 1 ns=(L1)/21,消除了 180° 的跳变。

我们在第1.9节的公式(1.58)中了解到,时间偏移 n 0 n_0 n0 个样本会导致每个 k k k 的相位旋转为 2 π ( k / N ) n 0 2\pi(k/N)n_0 2π(k/N)n0,其符号取决于时间偏移的符号。对于过去的时间旅行(即负偏移),相位旋转也是负的;而对于未来的时间旅行(即正偏移),相位旋转也是正的。

在我们的例子中,如果 n s = − ( L − 1 ) / 2 = 3 n_s = -(L - 1)/2 = 3 ns=(L1)/2=3,则将得到一个偶对称信号。此时, n 0 = 0 n_0 = 0 n0=0,相位图将如图1.67a所示,为0或π。

然而,对于 n s = − ( L − 1 ) / 2 + 1 n_s = -(L - 1)/2 + 1 ns=(L1)/2+1,这是一个右移(例如, L = 7 L = 7 L=7 时从-3移到-2)。因此,将 n 0 = − 1 n_0 = -1 n0=1 代入公式 2 π ( k / N ) n 0 2\pi(k/N)n_0 2π(k/N)n0,会得出每个频率分段的相位旋转 Δ θ ( k ) \Delta\theta(k) Δθ(k)

$$\Delta\theta(k) = 2\pi \frac{k}{N} n_0 = -2\pi \frac{k}{N}$$

image-20240902143047-kkfifzo

对于每个 k k k − N / 2 -N/2 N/2 N / 2 − 1 N/2 - 1 N/21。对于 N = 16 N = 16 N=16

$$\Delta \theta(0) = 2\pi \times \frac{0}{N} \times \frac{180°}{\pi} = 0$$$$\Delta \theta(±1) = 2\pi \times \frac{±1}{N} \times \frac{180°}{\pi} = ±22.5°$$$$\Delta \theta(±2) = 2\pi \times \frac{±2}{N} \times \frac{180°}{\pi} = ±45°$$$$\Delta \theta(±3) = 2\pi \times \frac{±3}{N} \times \frac{180°}{\pi} = ±67.5°$$

……

线性斜率为 -22.5°,由图 1.67b 验证,当调整了 180° 的相位跳跃后,跳跃是由于 sinc 函数幅度变化的符号引起的。

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/2120780.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

MySQL表的操作与数据类型

目录 前言 一、表的操作 1.创建一个表 2.查看表的结构 3.修改表 4.删除一个表 二、 MySQL的数据类型 0.数据类型一览&#xff1a; 1.整数类型 2.位类型 3.小数类型 4.字符类型 前言 在MySQL库的操作一文中介绍了有关MySQL库的操作&#xff0c;本节要讲解的是由库管理的结构——…

PointNet++改进策略 :模块改进 | x-Conv | PointCNN, 结合局部结构与全局排列提升模型性能

目录 前言PointCNN实现细节1. X X X-Conv 操作输入输出步骤 2. PointCNN 网络架构层级卷积分类与分割任务 3. 数据增强4. 效率优化 前言 这篇论文介绍了一种名为 PointCNN 的方法&#xff0c;旨在从点云&#xff08;point cloud&#xff09;数据中学习特征。传统卷积神经网络…

华为 HCIP-Datacom H12-821 题库 (9)

有需要题库的可以看主页置顶 V群进行学习交流 1.以下关于 RSTP 保护功能的描述&#xff0c;错误的是哪一选项&#xff1f; A、环路保护可以部署在根端口上&#xff0c;以防网络中形成环路 B、环路保护可以部署在Alternate 端口上&#xff0c;以防网络中形成环路 C、BPDU 保…

“短视频 + ”新业态下的高职院校数字媒体技术专业群建设方案

一、引言 短视频&#xff0c;亦称短片视频&#xff0c;是在移动互联网快速普及背景下兴起的一种新兴媒体形态&#xff0c;它继承了传统影视行业的一些特点并加以创新。相较于传统的文字和图片传播方式&#xff0c;短视频集声音与影像于一体&#xff0c;能够承载更多的信息量&a…

【JAVA开源】基于Vue和SpringBoot的网上订餐系统

本文项目编号 T 018 &#xff0c;文末自助获取源码 \color{red}{T018&#xff0c;文末自助获取源码} T018&#xff0c;文末自助获取源码 目录 一、系统介绍二、演示录屏三、启动教程四、功能截图五、文案资料5.1 选题背景5.2 国内外研究现状5.3 可行性分析 六、核心代码6.1 新…

缓存对象反序列化失败

未定义serialVersionUID&#xff0c;会自动生成序列化号 新增了属性&#xff0c;序列号就变了&#xff0c;导致缓存对象反序列化失败。 所有缓存对象必须指定序列化id&#xff01; 那我如何找到未添加字段前 对象的序列化号呢&#xff1f;默认的序列化号是如何生成的呢&#…

11、Hive+Spark数仓环境准备

1、 Hive安装部署 1&#xff09;把hive-3.1.3.tar.gz上传到linux的/opt/software目录下 2&#xff09;解压hive-3.1.3.tar.gz到/opt/module/目录下面 [shuidihadoop102 module]$ tar -zxvf /opt/software/hive-3.1.3.tar.gz -C /opt/module/ 3&#xff09;修改hive-3.1.3-b…

车辆目标检测数据集 19000张 带标注 voc yolo

数据集名称&#xff1a; 车辆目标检测数据集 数据集规模&#xff1a; 图像数量&#xff1a;19000张标注类型&#xff1a;车辆检测&#xff08;包括但不限于轿车、卡车、公交车、摩托车等&#xff09;格式兼容性&#xff1a;支持VOC和YOLO标注格式 数据集内容&#xff1a; 该…

IP网络广播服务平台任意文件上传漏洞

文章目录 免责声明搜索语法漏洞描述漏洞复现修复建议 免责声明 本文章仅供学习与交流&#xff0c;请勿用于非法用途&#xff0c;均由使用者本人负责&#xff0c;文章作者不为此承担任何责任 搜索语法 icon_hash"-568806419"漏洞描述 该系统在upload接口处可上传任…

SOMEIP_ETS_099: SD_ClientServiceActivate

测试目的&#xff1a; 验证DUT能够在不停止其已运行的服务器模式的情况下&#xff0c;被触发进入客户端模式。 描述 本测试用例旨在确保DUT能够在保持服务器模式运行的同时&#xff0c;启动客户端模式的启动程序&#xff0c;并准备好作为客户端进行操作。 测试拓扑&#xf…

机器人入门系列:《通过蓝牙模块通讯控制机器人电机转动》

一、引言 在现代科技高速发展的今天&#xff0c;机器人技术作为自动化和智能化领域的重要分支&#xff0c;正以前所未有的速度改变着我们的生活和生产方式。其中&#xff0c;无线通信技术作为机器人远程控制的关键技术之一&#xff0c;其重要性不言而喻。蓝牙技术&#xff0c;…

Deepl翻译VS行业TOP3,你的翻译神器是哪款?

现在世界变得越来越小&#xff0c;大家都在用不同的语言交流&#xff0c;这时候翻译工具就特别重要了。不管是搞研究、谈生意&#xff0c;还是平时聊天&#xff0c;翻译软件都超级有用。在这么多翻译工具里&#xff0c;Deepl翻译这样的软件特别受欢迎。咱们今天就来比一比&…

复盘:求职两个月还没找到工作,深刻反思

一、求职反思 复盘下&#xff0c;求职两个月还没找到工作&#xff0c;心态在快崩溃的边缘又被拉回来了。 历经两个月的征途&#xff0c;找工作打招呼和投简历不下百次&#xff0c;用了三个APP&#xff0c;猎聘、boss直聘、智联。真的感觉粥多僧少。从一开始挑公司、薪酬&…

运营商不给降套餐怎么办?建议你这么操作!

订套餐容易改套餐难&#xff0c;这种情况你遇到过没有&#xff1f; 有朋友反馈&#xff0c;因为自己的套餐资费太贵&#xff0c;打运营商客服电话降套餐&#xff0c;结果运营商不不能降套餐怎么办&#xff0c;这种情况会怎么办呢&#xff1f; 如果出现以下几种情况&#xff0…

初识C++|继承

&#x1f36c; mooridy-CSDN博客 &#x1f9c1;C专栏&#xff08;更新中&#xff01;&#xff09; 目录 1. 继承的概念及定义 1.1 继承的概念 1.2 继承定义 1.2.1 定义格式 1.2.2 继承父类成员访问方式的变化 1.3继承类模板 2. 父类和子类对象赋值兼容转换 3. 继承中的…

Excel单元格操作:读写单元格数据、格式设置与条件格式详解

目录 一、Excel单元格的基本操作 1.1 单元格的选取与编辑 案例一&#xff1a;基本数据录入 1.2 单元格的读取与写入 案例二&#xff1a;使用公式计算销售额 二、单元格格式设置 2.1 字体与颜色设置 案例三&#xff1a;设置标题格式 2.2 数字格式设置 案例四&#xff…

大数据-128 - Flink 并行度设置 细节详解 全局、作业、算子、Slot

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; 目前已经更新到了&#xff1a; Hadoop&#xff08;已更完&#xff09;HDFS&#xff08;已更完&#xff09;MapReduce&#xff08;已更完&am…

【观察】为天府之国数智化转型“架桥铺路”,华为云云商店释放创新“乘数效应”...

作为全国首批国家数字经济创新发展试验区&#xff0c;近年来四川在发展数字经济的道路上可谓“一马当先”。数据显示&#xff0c;2023年&#xff0c;四川省数字经济核心产业增加值达到4899.07亿元&#xff0c;占GDP比重8.1%&#xff0c;数字经济日益成为四川省经济高质量发展的…

电压跟随器的作用是什么?

电压跟随器&#xff08;也称为单位增益放大器、缓冲放大器和隔离放大器&#xff09;是一种电压增益为 1 的运算放大器电路。这意味着运算放大器不会对信号进行任何放大。 之所以称为电压跟随器&#xff0c;是因为输出电压直接跟随输入电压&#xff0c;即输出电压与输入电压相同…

逻辑函数化简的意义和标准

目录 逻辑函数化简的意义和标准 化简逻辑函数的意义 引例 最简与或式 最简与非-与非式 逻辑函数化简的意义和标准 化简逻辑函数的意义 可以节省元器件&#xff0c;优化生产工艺。 引例 逻辑函数&#xff1a; AB之间与再或上A与上非B。 但实际上可以进行化简。 化简后不…