【高数+复变函数】傅里叶变换

news2025/1/21 12:10:57

文章目录

  • 【高数+复变函数】傅里叶变换
    • 3 傅里叶变换
      • 3.1 基本概念
      • 3.2 单位脉冲函数及其傅里叶变换
      • 3.3 非周期函数的频谱

上一节 【高数+复变函数】傅里叶积分

【高数+复变函数】傅里叶变换

3 傅里叶变换

3.1 基本概念

回顾:上一节中的Fourier积分公式
f ( t ) = 1 2 π ∫ − ∞ + ∞ [ ∫ − ∞ + ∞ f ( τ ) e − j ω τ d τ ] e j ω t d ω f(t)=\frac{1}{2\pi}\int_{-\infty}^{+\infty}\left[\int_{-\infty}^{+\infty}f(\tau)\mathrm{e}^{-\mathrm{j}\omega\tau}\mathrm{d}\tau\right]\mathrm{e}^{j\omega t}\mathrm{d}\omega f(t)=2π1+[+f(τ)ejωτdτ]etdω
定义 :若函数 f ( t ) f(t) f(t) ( − ∞ , + ∞ ) (-\infty,+\infty) (,+)上满足 Fourier 积分定理的条件,则称函数
F ( ω ) = ∫ − ∞ + ∞ f ( t ) e − j ω t d t (1.1) F(\omega)=\int_{-\infty}^{+\infty}f(t)\mathrm{e}^{-j\omega t}\mathrm{d}t \tag{1.1} F(ω)=+f(t)etdt(1.1)
为f(t)的Fourier 变换,而称函数
f ( t ) = 1 2 π ∫ − ∞ + ∞ F ( ω ) e j ω t d ω (1.2) f(t)=\frac{1}{2\pi}\int_{-\infty}^{+\infty}F(\omega)\mathrm{e}^{j\omega t}\mathrm{d}\omega \tag{1.2} f(t)=2π1+F(ω)etdω(1.2)
为 F(w)的 Fourier 逆变换。

(1.1)式叫做f(t)的Fourier变换式,可记为 F ( ω ) = F [ f ( t ) ] F(\omega)=\mathscr{F}[f(t)] F(ω)=F[f(t)], F ( w ) F(w) F(w)叫做 f ( t ) f(t) f(t)的象函数

(1.2)式叫做F(t)的Fourier逆变换式,可记为 f ( t ) = F − 1 [ F ( ω ) ] f(t)=\mathscr{F}^{-1}[F(\omega)] f(t)=F1[F(ω)], f ( t ) f(t) f(t)叫做 F ( w ) F(w) F(w)的象原函数

可以说象函数 F(w)和象原函数f(t)构成了一个 Fourier 变换对,它们有相同的奇偶性

f ( t ) f(t) f(t)为奇函数时,有正弦傅里叶变换对:
F s ( ω ) = ∫ 0 + ∞ f ( t ) sin ⁡ ω t d t , f ( t ) = 2 π ∫ 0 + ∞ F s ( ω ) sin ⁡ ω t d ω (1.3) F_s\left(\omega\right)=\int_0^{+\infty}f(t)\sin\omega\mathrm{td}t,\quad f(t)=\frac{2}{\pi}\int_0^{+\infty}F_s(\omega)\sin\omega\mathrm{td}\omega \tag{1.3} Fs(ω)=0+f(t)sinωtdt,f(t)=π20+Fs(ω)sinωtdω(1.3)
f ( t ) f(t) f(t)为偶函数时,有余弦傅里叶变换对:
F c ( ω ) = ∫ 0 + ∞ f ( t ) cos ω td t , f ( t ) = 2 π ∫ 0 + ∞ F c ( ω ) cos ω td ω (1.4) F_{c}(\omega)=\int_{0}^{+\infty}f(t)\text{cos}\omega\text{td}t,\quad f(t)=\frac{2}{\pi}\int_{0}^{+\infty}F_{c}(\omega)\text{cos}\omega\text{td}\omega \tag{1.4} Fc(ω)=0+f(t)cosωtdt,f(t)=π20+Fc(ω)cosωtdω(1.4)

3.2 单位脉冲函数及其傅里叶变换

在原来电流为零的电路中,某一瞬时(设为 t=0)进入一单位电量脉冲,在普通导数定义下这一点处导数不存在,为了确定这种电路上的电流,必须引进一个新的函数,这个函数称为单位脉冲函数或称为 Dirac 函数

定义 对于任何一个无穷次可微的函数 f ( t ) f(t) f(t)如果满足
∫ − ∞ + ∞ δ ( t ) f ( t ) d t = lim ⁡ ε → 0 ∫ − ∞ + ∞ δ ε ( t ) f ( t ) d t (1.5) \int_{-\infty}^{+\infty}\delta(t)f(t)\mathrm{d}t=\lim\limits_{\varepsilon\to0}\int_{-\infty}^{+\infty}\delta_{\varepsilon}(t)f(t)\mathrm{d}t\tag{1.5} +δ(t)f(t)dt=ε0lim+δε(t)f(t)dt(1.5)
其中
δ ε ( t ) = { 0 , t < 0 , 1 ε , 0 ≤ t ≤ ε , 0 , t > ε , (1.6) \delta_{\varepsilon}(t)=\begin{cases}0,t<0,\\ {\frac{1}{\varepsilon},0\leq t\leq\varepsilon,}\\ 0,{t>\varepsilon,}\end{cases}\tag{1.6} δε(t)= 0,t<0,ε1,0tε,0,t>ε,(1.6)
则称 δ ε ( t ) \delta_{\varepsilon}\left(\boldsymbol{t}\right) δε(t)的弱极限为 δ − 函数 \delta-函数 δ函数,简记为: lim ⁡ ε → 0 δ ε ( t ) = δ ( t ) \operatorname*{lim}_{\varepsilon\to0}\delta_{\varepsilon}\left(\boldsymbol{t}\right)=\delta\left(\boldsymbol{t}\right) limε0δε(t)=δ(t),如下图所示

image-20230513174036722

性质:

  1. 积分性质:按(1.5)式给出的定义,取 f ( t ) = 1 f(t)=1 f(t)=1,有
    ∫ − ∞ + ∞ δ ( t ) d t = ∫ − ∞ + ∞ δ ε ( t ) d t = ∫ 0 ε 1 ε d t = 1 (1.7) \int_{-\infty}^{+\infty}\delta\left(t\right)\mathrm{d}t=\int_{-\infty}^{+\infty}\delta_{\varepsilon}\left(\boldsymbol{t}\right)\mathrm{d}t=\int_{0}^{\varepsilon}\frac{1}{\boldsymbol{\varepsilon}}\mathrm{d}t=1\tag{1.7} +δ(t)dt=+δε(t)dt=0εε1dt=1(1.7)

  2. 筛选性质:若 f ( t ) f(t) f(t)是无穷次可微的函数,则有:
    ∫ − ∞ + ∞ δ ( t ) f ( t ) d t = f ( 0 ) . (1.8) \int_{-\infty}^{+\infty}\delta\left(\begin{matrix}t\end{matrix}\right)f(\begin{matrix}t\end{matrix})\mathrm{d}t=f(\begin{matrix}0\end{matrix}).\tag{1.8} +δ(t)f(t)dt=f(0).(1.8)
    证明:

    image-20230513211800866

    更一般地还成立:
    ∫ − ∞ + ∞ δ ( t − t 0 ) f ( t ) d t = f ( t 0 ) . (1.9) \int_{-\infty}^{+\infty}\delta\left(\begin{matrix}t-t_0\end{matrix}\right)f(\begin{matrix}t\end{matrix})\mathrm{d}t=f(\begin{matrix}t_0\end{matrix}).\tag{1.9} +δ(tt0)f(t)dt=f(t0).(1.9)
    二维 δ − 函数 \delta-函数 δ函数的定义方式与性质与此类似。

  3. 其他性质

    1 ∘ δ 1^{\circ} \delta 1δ-函数是偶函数, 即 δ ( t ) = δ ( − t ) \delta(t)=\delta(-t) δ(t)=δ(t).
    2 ∘ δ 2^{\circ} \delta 2δ-函数是单位阶跃函数的导数, 即
    ∫ − ∞ t δ ( τ ) d τ = u ( t ) , d d t u ( t ) = δ ( t ) (1.10) \int_{-\infty}^t \delta(\tau) \mathrm{d} \tau=u(t), \frac{\mathrm{d}}{\mathrm{d} t} u(t)=\delta(t) \tag{1.10} tδ(τ)dτ=u(t),dtdu(t)=δ(t)(1.10)
    其中 u ( t ) = { 0 , t < 0 , 1 , t > 0 u(t)=\left\{\begin{array}{ll}0, & t<0, \\ 1, & t>0\end{array}\right. u(t)={0,1,t<0,t>0 称为单位阶跃函数.
    3 ∘ 3^{\circ} 3 a a a 为非零实常数, 则 δ ( a t ) = 1 ∣ a ∣ δ ( t ) \delta(a t)=\frac{1}{|a|} \delta(t) δ(at)=a1δ(t).
    4 ∘ 4^{\circ} 4 f ( t ) f(t) f(t) 为无穷次可微的函数, 则有(利用分部积分证明)
    ∫ − ∞ + ∞ δ ′ ( t ) f ( t ) d t = − f ′ ( 0 ) . (1.11) \int_{-\infty}^{+\infty} \delta^{\prime}(t) f(t) \mathrm{d} t=-f^{\prime}(0) .\tag{1.11} +δ(t)f(t)dt=f(0).(1.11)
    一般地, 有
    ∫ − ∞ + ∞ δ ( n ) ( t ) f ( t ) d t = ( − 1 ) n f ( n ) ( 0 ) (1.12) \int_{-\infty}^{+\infty} \delta^{(n)}(t) f(t) \mathrm{d} t=(-1)^n f^{(n)}(0)\tag{1.12} +δ(n)(t)f(t)dt=(1)nf(n)(0)(1.12)
    更一般地,有
    ∫ − ∞ + ∞ δ ( n ) ( t − t 0 ) f ( t ) d t = ( − 1 ) n f ( n ) ( t 0 ) (1.13) \int_{-\infty}^{+\infty} \delta^{(n)}\left(t-t_0\right) f(t) \mathrm{d} t=(-1)^n f^{(n)}\left(t_0\right)\tag{1.13} +δ(n)(tt0)f(t)dt=(1)nf(n)(t0)(1.13)

根据(1.9)很容易求得 δ − 函数 \delta-函数 δ函数的Fourier变换
F ( ω ) = F [ δ ( t ) ] = ∫ − ∞ + ∞ δ ( t ) e − j ω t d t = e − j ω t ∣ t = 0 = 1 F\left(\begin{matrix}\omega\end{matrix}\right)=\mathscr{F}\left[\delta\left(\begin{matrix}t\end{matrix}\right)\right]=\int_{-\infty}^{+\infty}\delta\left(\begin{matrix}t\end{matrix}\right)\mathrm{e}^{-j\omega t}\mathrm{d}t=\mathrm{e}^{-j\omega t}|_{t=0}=1 F(ω)=F[δ(t)]=+δ(t)etdt=ett=0=1
可见,单位脉冲函数 δ ( t ) \delta(t) δ(t)和常数1构成了一个Fourier变换对

例题引申:

证明单位阶跃函数 u ( t ) = { 0 , t < 0 , 1 , t > 0 u(t)=\left\{\begin{array}{ll}0, & t<0, \\ 1, & t>0\end{array}\right. u(t)={0,1,t<0,t>0 的 Fourier 变换为 1 j ω + π δ ( ω ) \frac{1}{\mathrm{j} \omega}+\pi \delta(\omega) jω1+πδ(ω).
事实上,若 F ( ω ) = 1 j ω + π δ ( ω ) F(\omega)=\frac{1}{\mathrm{j} \omega}+\pi \delta(\omega) F(ω)=jω1+πδ(ω), 则按 Fourier 逆变换可得
f ( t ) = F − 1 [ F ( ω ) ] = 1 2 π ∫ − ∞ + ∞ [ 1 j ω + π δ ( ω ) ] e j ω t   d ω = 1 2 π ∫ − ∞ + ∞ π δ ( ω ) e i ω t   d ω + 1 2 π ∫ − ∞ + ∞ e j ω t j ω d ω = 1 2 ∫ − ∞ + ∞ δ ( ω ) e j ω t   d ω + 1 2 π ∫ − ∞ + ∞ sin ⁡ ω t ω d ω = 1 2 + 1 π ∫ 0 + ∞ sin ⁡ ω t ω d ω . \begin{aligned} f(t) & =\mathscr{F}^{-1}[F(\omega)]=\frac{1}{2 \pi} \int_{-\infty}^{+\infty}\left[\frac{1}{\mathrm{j} \omega}+\pi \delta(\omega)\right] \mathrm{e}^{\mathrm{j} \omega t} \mathrm{~d} \omega \\ & =\frac{1}{2 \pi} \int_{-\infty}^{+\infty} \pi \delta(\omega) \mathrm{e}^{\mathrm{i} \omega t} \mathrm{~d} \omega+\frac{1}{2 \pi} \int_{-\infty}^{+\infty} \frac{\mathrm{e}^{\mathrm{j} \omega t}}{\mathrm{j} \omega} \mathrm{d} \omega \\ & =\frac{1}{2} \int_{-\infty}^{+\infty} \delta(\omega) \mathrm{e}^{\mathrm{j} \omega t} \mathrm{~d} \omega+\frac{1}{2 \pi} \int_{-\infty}^{+\infty} \frac{\sin \omega t}{\omega} \mathrm{d} \omega \\ & =\frac{1}{2}+\frac{1}{\pi} \int_0^{+\infty} \frac{\sin \omega t}{\omega} \mathrm{d} \omega . \end{aligned} f(t)=F1[F(ω)]=2π1+[jω1+πδ(ω)]ejωt dω=2π1+πδ(ω)eiωt dω+2π1+jωejωtdω=21+δ(ω)ejωt dω+2π1+ωsinωtdω=21+π10+ωsinωtdω.
为了说明 f ( t ) = u ( t ) f(t)=u(t) f(t)=u(t), 就必须计算积分 ∫ 0 + ∞ sin ⁡ ω t ω d ω \int_0^{+\infty} \frac{\sin \omega t}{\omega} \mathrm{d} \omega 0+ωsinωtdω. 我们已经知道 Dirichlet 积分 ∫ 0 + ∞ sin ⁡ ω ω d ω = π 2 \int_0^{+\infty} \frac{\sin \omega}{\omega} d \omega=\frac{\pi}{2} 0+ωsinωdω=2π, 因此,有
∫ 0 + ∞ sin ⁡ ω t ω d ω = ∫ 0 + ∞ sin ⁡ ω t ω t d ω t = { − π 2 , t < 0 , 0 , t = 0 , π 2 , t > 0 , \int_0^{+\infty} \frac{\sin \omega t}{\omega} \mathrm{d} \omega= \int_0^{+\infty} \frac{\sin \omega t}{\omega t} \mathrm{d} \omega t=\begin{cases}-\frac{\pi}{2}, & t<0, \\ 0, & t=0, \\ \frac{\pi}{2}, & t>0,\end{cases} 0+ωsinωtdω=0+ωtsinωtdωt= 2π,0,2π,t<0,t=0,t>0,
将此结果代入 f ( t ) f(t) f(t) 的表达式中,当 t ≠ 0 t \neq 0 t=0 时可得
f ( t ) = 1 2 + 1 π ∫ 0 + π sin ⁡ ω t ω d ω = { 1 2 + 1 π ( − π 2 ) = 0 , t < 0 , 1 2 + 1 π ⋅ π 2 = 1 , t > 0. f(t)=\frac{1}{2}+\frac{1}{\pi} \int_0^{+\pi} \frac{\sin \omega t}{\omega} \mathrm{d} \omega= \begin{cases}\frac{1}{2}+\frac{1}{\pi}\left(-\frac{\pi}{2}\right)=0, & t<0, \\ \frac{1}{2}+\frac{1}{\pi} \cdot \frac{\pi}{2}=1, & t>0 .\end{cases} f(t)=21+π10+πωsinωtdω={21+π1(2π)=0,21+π12π=1,t<0,t>0.
这就表明 1 j ω + π δ ( ω ) \frac{1}{\mathrm{j} \omega}+\pi \delta(\omega) jω1+πδ(ω) 的 Fourier 逆变换为 f ( t ) = u ( t ) f(t)=u(t) f(t)=u(t). 因此, u ( t ) u(t) u(t) 1 j ω + π δ ( ω ) \frac{1}{\mathrm{j} \omega}+\pi \delta(\omega) jω1+πδ(ω) 构成了一个 Fourier变换对,所以,单位阶跃函数 u ( t ) u(t) u(t) 的积分表达式在 t ≠ 0 t \neq 0 t=0 时, 可写为
u ( t ) = 1 2 + 1 π ∫ 0 t = sin ⁡ ω t ω d ω . u(t)=\frac{1}{2}+\frac{1}{\pi} \int_0^{t=} \frac{\sin \omega t}{\omega} \mathrm{d} \omega . u(t)=21+π10t=ωsinωtdω.
同样,若 F ( ω ) = 2 π δ ( ω ) F(\omega)=2 \pi \delta(\omega) F(ω)=2πδ(ω), 则由 Fourier 逆变换可得
f ( t ) = 1 2 π ∫ − ∞ + ∞ F ( ω ) e j ω t   d ω = 1 2 π ∫ − ∞ + ∞ 2 π δ ( ω ) e j ω t   d ω = ∫ − ∞ + ∞ δ ( ω ) e j ω t   d ω = 1 f(t)=\frac{1}{2 \pi} \int_{-\infty}^{+\infty} F(\omega) \mathrm{e}^{j \omega t} \mathrm{~d} \omega=\frac{1}{2 \pi} \int_{-\infty}^{+\infty} 2 \pi \delta(\omega) \mathrm{e}^{j \omega t} \mathrm{~d} \omega=\int_{-\infty}^{+\infty} \delta(\omega) \mathrm{e}^{j \omega t} \mathrm{~d} \omega=1 f(t)=2π1+F(ω)et dω=2π1+2πδ(ω)et dω=+δ(ω)et dω=1
所以,1 和 2 π δ ( ω ) 2 \pi \delta(\omega) 2πδ(ω) 也构成了一个 Fourier 变换对. 同理, e j ω n t e^{j \omega_{n^t}} ejωnt 2 π δ ( ω − ω 0 ) 2 \pi \delta\left(\omega-\omega_0\right) 2πδ(ωω0) 也构成了一个Fourier 变换对. 由此可得
∫ − ∞ + ∞ e − j ω t   d t = 2 π δ ( ω ) , ∫ − ∞ + ∞ e − j ( ω − ω 0 ) t d t = 2 π δ ( ω − ω 0 ) . \int_{-\infty}^{+\infty} \mathrm{e}^{-j \omega t} \mathrm{~d} t=2 \pi \delta(\omega), \int_{-\infty}^{+\infty} \mathrm{e}^{-j\left(\omega-\omega_0 ) t\right.} \mathrm{d} t=2 \pi \delta\left(\omega-\omega_0\right) . +et dt=2πδ(ω),+ej(ωω0)tdt=2πδ(ωω0).
虽然 , 这两个积分在普遍意义下都是不存在的, 这里积分的意义仍是按(1.5) 式来定义的

3.3 非周期函数的频谱

频谱图指的是频率和振幅之间的关系图,即反映不同频率下的振幅是多少,如下图所示:

image-20230513223150329
  1. 以T为周期的非正弦函数 f T ( t ) f_T(t) fT(t)的频谱

    傅里叶级数表示的是原函数被分成了不同频率的谐波,它的第n次谐波为:
    a n cos ⁡ ω n t + b n sin ⁡ ω n t = A n sin ⁡ ( ω n t + φ n ) a_n\cos\omega_n t+b_n\sin\omega_n t=A_n\sin(\omega_n t+\varphi_n) ancosωnt+bnsinωnt=Ansin(ωnt+φn)
    振幅为:
    A n = a n 2 + b n 2 A_n=\sqrt{a_n^2+b_n^2} An=an2+bn2

    ∣ c n ∣ = ∣ c − n ∣ = 1 2 a n 2 + b n 2 |c_n|=|c_{-n}|=\frac{1}{2}\sqrt{a_n^2+b_n^2} cn=cn=21an2+bn2
    所以
    A n = 2 ∣ c n ∣ ( n = 0 , 1 , 2 , ⋯   ) A_{n}=2|c_{n}|(n=0,1,2,\cdots) An=2∣cn(n=0,1,2,)

  2. 非周期函数

    与前一种类型相区别,在上一节讲的积分公式中,非周期函数是把Fourier积分公式中的连加号转变成求和号,这里也类似,振幅的表示发生了变化。

    F ( w ) F(w) F(w)被称为 f ( t ) f(t) f(t)的频谱函数,而频谱函数的模 ∣ F ( w ) ∣ |F(w)| F(w)称为 f ( t ) f(t) f(t)的振幅频谱,由于这里 w w w是连续变化的,所以频谱为连续的,与上一种类型中的离散频谱不同,如下图所示。

    image-20230513224210071

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/522465.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

前端二进制流的关系

Blob 全称&#xff1a;binary large object&#xff0c;二进制大对象&#xff0c;是一个js对象&#xff0c;可以用来存储大量二进制编码格式的数据&#xff0c;Blob对象是不可修改的&#xff0c;读取内容的唯一方法是FileReader。 创建一个Blob对象&#xff1a; new Blob(ar…

SSM(Vue3+ElementPlus+Axios+SSM前后端分离)--后端实现

目录 SSM(Vue3ElementPlusAxiosSSM前后端分离)--后端实现 技术栈 实现功能04-添加家居信息 需求分析/图解 思路分析 代码实现 创建\service\FurnService.java 和\service\FurnServiceImpl.java, 增加添加方法 修改Furn.java , 当创建Furn 对象imgPath 为null 时, imgPa…

Java14-常用类:字符串,日期类,比较器

一&#xff1a;字符串&#xff1a;String 1.概述&#xff1a; String&#xff1a;字符串&#xff0c;使用一对""引起来表示。 1.String 声明 为final的&#xff0c;不可被继承 2.String 实现了Serializable接口&#xff1a;表示字符串是支持序列化的。 实现了Co…

多线程相关高频面试题

一、线程的基础知识 1、线程和进程的区别&#xff1f; 进程是正在运行程序的实例&#xff0c;进程中包含了线程&#xff0c;每个线程执行不同的任务。不同的进程使用不同的内存空间&#xff0c;在当前进程下的所有线程可以共享内存空间。线程更轻量&#xff0c;线程上下文切换…

GPIO口输出与输入模式的理解

问题&#xff1f;看GPIO的结构图&#xff0c;发现&#xff1a; 上拉输入电流是从引脚流入外部 下来输入电流是从引脚流进芯片内部 推挽输出推模式电流是从引脚流入外部 推挽输出挽模式电流是从外部流入内部 输入输出模式都有电流流入流出&#xff0c;为什么还要分为输入输出模…

K8s排错之浏览器打不开K8s Dashboard

一、问题 10.0.0.10 通常会使用加密技术来保护您的信息。Chrome 此次尝试连接到 10.0.0.10 时&#xff0c;该网站发回了异常的错误凭据。这可能是因为有攻击者在试图冒充 10.0.0.10&#xff0c;或者 Wi-Fi 登录屏幕中断了此次连接。请放心&#xff0c;您的信息仍然是安全的&am…

【饿了么UI】elementUI密码框图标实现睁眼和闭眼效果(阿里巴巴iconfront图标库vue项目本地引用)

elementUI中输入框的密码框属性&#xff0c; 默认是一个始终睁眼的图标&#xff0c;测试今天提bug要有闭眼效果&#xff08;无大语&#xff09;… 因为elementUI中的icon没有闭眼的&#xff0c;所以还要去iconfront下载引入 效果图&#xff1a; 点击后 一、下载图标 http…

【LeetCode】138. 复制带随机指针的链表

题目链接&#xff1a;https://leetcode.cn/problems/copy-list-with-random-pointer/description/ &#x1f4d5;题目要求&#xff1a; 给你一个长度为 n 的链表&#xff0c;每个节点包含一个额外增加的随机指针 random &#xff0c;该指针可以指向链表中的任何节点或空节点。…

基于springboot+mybatis-puls+mysql+html实现大学生创新创业管理系统

基于springbootmybatis-pulsmysqlhtml实现大学生创新创业管理系统 一、系统介绍1、系统主要功能&#xff1a;2.涉及技术框架&#xff1a;3.本项目所用环境&#xff1a; 二、功能展示三、其它系统四、获取源码 一、系统介绍 1、系统主要功能&#xff1a; 学生&#xff1a;申报…

自更新参数web接口预热工具

痛点 日常上线流程中经常需要对接口进行预热&#xff0c;因为服务器每次启动后都有一定次数访问失败&#xff0c;如果不处理将此请求直接抛出&#xff0c;会降低用户体验。当服务器数量较少时&#xff0c;我们可以在发布机器后&#xff0c;待机器启动使用本地hosts更改IP&…

20230510MTCNN3

MTCNN数据制作 - 1 多任务 分类任务 回归任务 模型增加任务&#xff0c;其实就是增加输出 级联即减少了 数据量&#xff0c;又增加了 模型的精度 级联可以让网络变得越快 越好 单独来看这三个网络&#xff0c;它们的效果不会好&#xff0c;因为网络太浅了 但&#xff0c;当…

【嵌入式烧录刷写文件】-1.3-删除/修改Motorola S-record(S19/SREC/mot/SX)文件中指定地址范围内的数据

案例背景&#xff08;共6页精讲&#xff09;&#xff1a; 有如下一段S19文件&#xff0c;如何“自动”地完成地址范围0x9110-0x9113数据的删除或修改。 S0110000486578766965772056312E30352EA6 S123910058595A5B5C5D5E5F606162636465666768696A6B6C6D6E6F70717273747576775B…

t检验前世今生

1、背景 t检验是科研中非常常用的一种方法和手段&#xff0c;但是理解到位的人并不多&#xff0c;虽然这也不影响其使用。本文主要目的在于将与t检验有关的前前后后都讲明白。 2、补充知识 理解t检验&#xff0c;我们需要补充一些统计学有关的先验知识。 2.1 正态分布 概率…

【文本三剑客】SED

SED 一、sed编辑器1.2sed简介1.3sed工作流程1.4sed命令格式1.5常用选项1.6常用操作 二、sed实验2.1打印内容2.2删除行2.3替换2.4插入 一、sed编辑器 1.2sed简介 sed是一种流编辑器&#xff0c;流编辑器会在编辑器处理数据之前基于预先提供的一组规则来编辑数据流。sed编辑器可…

链表详解 - C语言描述

目录 认识链表 链表的分类 链表的实现 单链表的增删查改 增操作 删操作 查操作 改操作 带头双向循环链表 认识链表 链表是一种物理存储上非连续&#xff0c;数据元素的逻辑顺序通过链表中的指针链接次序&#xff0c;实现的一种线性存储结构。链表由一系列节点(结点)组…

最火爆ChatGPT知识星球分享,开启与GPT的神奇之旅

今天给大家介绍的是一个讲解ChatGPt的知识星球&#xff0c;这个星球是专门为ChatGPT爱好者和AI绘画感兴趣的朋友们打造的。这个知识星球主题是关于ChatGPT的&#xff0c;旨在提供一个交流、学习和探索GPT的平台。 这里有一个强大的阵容&#xff0c;汇集了许多对人工智能和自然…

.Net平台下OpenGL绘制图形(2)(VS2019,Winform,C#)

本节主要讲诉图形绘制的原理&#xff0c;使用介绍和代码演示。 原理介绍 我们先来讲讲OpenGL的图形绘制。其实&#xff0c;所有的图形都是由许多个小图形连接而成的。你可以理解为是图片的像素&#xff0c;一张彩图是由很多个色彩不一的像素点组合而成。要实现色彩绚丽的图形设…

安装旧版本chrome 浏览器方法

1、下载 国内推荐下载网址&#xff1a;https://www.slimjet.com/chrome/google-chrome-old-version.php 我自己目前再用的103.0.5060.53版本&#xff0c;也可以到我网盘下载[若失效可联系我更新]。 2、安装之前&#xff0c;请先卸载干净当前版本 打开控制面板&#xff0c;找打…

挣值管理专题

挣值管理 基本思路 该方法的基本思想是应用统计学的原理&#xff0c;通过引进一个中间变量即“挣值”来帮助项目管理者分析项目成本的变动情况&#xff0c;并给出项目成本与工期相关变化的信息及对项目成本发展趋势作出预测与决策。 挣值的定义 挣值是一个表示项目“已完成作业…

Linux多路复用机制原理分析--select/poll

前言 Linux访问设备的IO模型主要有五种&#xff0c;分别是非阻塞IO模型、阻塞IO模型、IO多路复用模型、信号驱动模型以及异步IO模型。本文主要分析IO多路复用模型&#xff0c;Linux下的IO多路复用模型主要有select/poll/epoll等机制实现。 IO多路复用模型可以实现以非阻塞的方…