呆萌蜗牛
呆萌蜗牛

陀螺仪和加速度计互补滤波的一些推导

1、首先，简单介绍一下加速度计和陀螺仪的一些特性。

加速度计：静态稳定性好，动态响应较慢，在高频时信号不可用，在运动时其数据相对不可靠。

陀螺仪：   动态性能好，响应快，积分后可测倾角，在低频段信号不好，存在零漂现象。

2、一维互补滤波算法推导

首先，直接给出两个传感器测量表达式：

\left.\begin{matrix} z_{1}=x+u & \\ z_{2}=x+v& \end{matrix}\right\}

其中，x为真值，设u,v为零均值量测噪声，u为高频噪声，v为低频噪声，z_{1},z_{2}均为传感器测量值。

接着，设x的估计值为\hat{x},按照线性假设有

\hat{x}=k_{1}z_{1}+k_{2}z_{2}

其中，k_{1},k_{2}为待定的线性加权系数。

设估计偏差为\tilde{x},其中\tilde{x}=\hat{x}-x，根据无偏估计,有

E[\tilde{x}]=E[\hat{x}-x] =E[{k_{1}(x+u)+k_{2}(x+v)-x}] =({k_{1}+{k_{2}-1)E(x) =({k_{1}+{k_{2}-1)x=0;

可推得{k_{1}+k_{2}-1=0},    即       k_{1}+k_{2}=1

以上可以理解为传统的WLS。

【注】这里如果知道量测噪声是符合高斯分布的话，直接可以算偏差的方差最小，求得估计值跟其噪声的方差的关系。

下面假设k_{1}(s),k_{2}(s)分别为低通（LPF）、高通滤波器(HPF)的传递函数,则有

\hat{x}(s)=k_{1}(s)z_{1}(s)+k_{2}(s)z_{2}(s)=\frac{1}{fs+1}z_{1}(s)+\frac{fs}{fs+1}z_{2}(s)

整理上式子

fs\hat{x}(s)+\hat{x}(s)=z_{1}(s)+fsz_{2}(s)

反变换有

f\dot{\hat{x}}(t)+\hat{x}(t)=z_{1}(t)+f\dot{\hat{z_{2}}}(t)

离散处理

f\frac{\hat{x}(k)-\hat{x}(k-1)}{T}+\hat{x}(k)=z_{1}(k)+f\frac{z_{2}(k)-z_{2}(k-1)}{T}

整理过程

f\hat{x}(k)-f\hat{x}(k-1)+T\hat{x}(k)=Tz_{1}(k)+fz_{2}(k)-fz_{2}(k-1)

(f+T)\hat{x}(k)=f\hat{x}(k-1)+fz_{2}(k)-fz_{2}(k-1)+Tz_{1}(k)

得到有

\hat{x}(k)=\frac{f}{f+T}[\hat{x}(k-1)+z_{2}(k)-z_{2}(k-1)]+\frac{T}{f+T}z_{1}(k)

令

a=\frac{T}{f+T}

则有

\hat{x}(k)=(1-a)[\hat{x}(k-1)+z_{2}(k)-z_{2}(k-1)]+az_{1}(k)

如果z_{1}(k),z_{2}(k)分别是加速度计（反正切得到的角度）和陀螺仪（积分出来后角度）的测量值，则算法有

angle=(1-a)(anglelast+Gyro\cdot dt)+a\cdot Acc

其中，Gyro为角速度，Acc为角度。

3、取值信任度问题

这里取值问题将涉及一个信任度的问题，即我们无人机在何种状态信任加速度计和陀螺仪的一个权值大小，比如悬停状态。

陀螺仪和加速度计互补滤波的一些推导_第1张图片

3、二阶互补滤波

二阶低通滤波器传递函数

LPF=\frac{a_{2}s+a_{3}}{b_{1}s^{2}+b_{2}s+b3}

二阶高通滤波器传递函数

HPF=1-LPF=1-\frac{a_{2}s+a_{3}}{b_{1}s^{2}+b_{2}s+b3}=\frac{a_{1}s^{2}}{b_{1}s^{2}+b_{2}s+b3}

陀螺仪和加速度计互补滤波的一些推导_第2张图片

\hat{x}(s)=k_{1}(s)z_{1}(s)+k_{2}(s)z_{2}(s)=\frac{a_{2}s+a_{3}}{b_{1}s^{2}+b_{2}s+b3}z_{1}(s)+\frac{a_{1}s^{2}}{b_{1}s^{2}+b_{2}s+b3}z_{2}(s)

emmm暂时就先总结到这把.........

 

你可能感兴趣的:(陀螺仪,加速度计,WLS,互补滤波,无人机)

  • 傅里叶变换：从时域到频域的信号处理方法 太极拳法 信号处理
    傅里叶变换是一种重要的信号处理方法，它可以将一个信号从时域转换到频域。通过傅里叶变换，我们可以分析信号的频谱特性，识别信号中的频率成分，并进行滤波、降噪、频域操作等处理。本文将介绍傅里叶变换的原理和应用，并提供相应的源代码示例。傅里叶变换的原理傅里叶变换基于傅里叶级数的思想，它将一个周期信号分解为一系列正弦和余弦函数的叠加。对于非周期信号，我们可以将其看作是一个无穷长的周期信号，然后进行傅里叶变换
  • opencv、torch、torchvision、tensorflow的区别
    一、框架定位与核心差异PyTorch动态计算图：实时构建计算图支持Python原生控制流（如循环/条件），调试便捷。学术主导：2025年工业部署份额24%，适合快速原型开发（如无人机自动驾驶、情绪识别）。TensorFlow静态计算图优化：预编译图结构提升部署效率支持动态图（Eager模式）兼顾灵活性。工业部署首选：市场份额38%，擅长边缘计算（YOLO部署）和大规模项目（工业自动化）-59）。O
  • 三分钟热度不是贬义词 平平无奇的兔子
    我的房间里放着很偶尔才会“临幸”的古琴、尤克里里和钢琴，感兴趣的事情从摄影、无人机、手工制作到烧脑游戏，黑科技小杂物堆满了房间。朋友说，你这不就是典型的三分钟热度嘛，顺便教导我：“做事不能三分钟热度，一定要有始有终”。三分钟热度在很多人看来是个毫无悬念的贬义词，形容人没有定性和长性，所以很多人因此而感到苦恼。“为什么道理都懂，却改不了做事“三分钟热度”的毛病？”但是我并不认为这是一个毫无益处的毛病
  • $CR−(RC)^m$ 滤波成形电路引起的信息畸变 Helloworld188888 辐射探测模拟电路硬件工程
    CR−(RC)mCR−(RC)^mCR−(RC)m滤波成形电路引起的信息畸变1.定义与基础说明定义弹道亏损DBD_BDB是用于衡量在CR−(RC)mCR-(RC)^mCR−(RC)m滤波成形电路中，由于信号脉冲与系统冲击响应特性等因素，导致信号幅度等信息发生畸变（亏损）的一个指标。对于矩形探测器电流脉冲，它反映了系统弹道特性对信号的影响程度。基础说明在核电子学等相关领域，探测器输出的电流脉冲经过滤
  • C++ | 基于PCL与CloudCompare的投影点密度法（DOPP）开发实战 河工点云智绘WangG 点云深处CloudCompare&PCL开发c++开发语言
    一、算法原理与详细步骤1.算法原理DOPP是一种用于点云地面滤波的算法，通过将三维点云投影到二维平面，并分析投影点密度的分布特征来区分地面点与非地面点（如植被、建筑物等）。其核心思想是：地面点在投影平面上通常呈现均匀且低密度的分布，而建筑物点等非地面点则密度高。DOPP本质是二维密度场分析，将三维分离问题转化为二维空间密度统计问题。2.算法详细步骤（1）点云投影（Projection）将三维点云沿
  • 《用上位机控制无人机：Python+MAVLink协议飞行实验》 欧振芳 python
    1.实验目标-通过Python编写的上位机程序，基于MAVLink协议控制无人机（如PX4/ArduPilot固件的无人机）。-实现基础飞行指令：解锁、起飞、悬停、降落。-探索MAVLink消息的构造与解析机制。2.实验环境准备硬件-无人机硬件：支持MAVLink协议的飞控（如Pixhawk系列）。-通信链路：USB直连、数传电台（3DRRadio）或WiFi（如通过UDP）。-安全环境：空旷无干
  • MATLAB最优滤波器设计函数firpm的使用详解 codersnote 编程小识matlab算法最优滤波器firpmkaiserord
    窗函数法设计的缺点无法选择过渡带、通带、阻带衰减等指标阶数不是最优的凯塞窗[n,wn,beta,ftype]=kaiserord(f,a,dev);h_kaiser=fir1(n,wn
  • 数字滤波器原理及应用 借助matlab,数字滤波器原理及应用（借助Matlab） 陈慈龙 数字滤波器原理及应用借助matlab
    第l章数字信号处理引言1．1引言1．2数字信号处理起源1．3信号域1．4信号分类1．5DStP：一个学科第2章采样原理2．1引言2．2第l章数字信号处理引言1．1引言1．2数字信号处理起源1．3信号域1．4信号分类1．5DStP：一个学科第2章采样原理2．1引言2．2香农采样原理2．3信号重构2．4香农插值2．5采样方法2．6多通道采样2．7MATLAB音频选项第3章混叠3．1引言3．2混叠3．3
  • 无人设备遥控器之航线规划篇 SKYDROID云卓小助手 深度学习算法人工智能单片机嵌入式硬件
    无人设备遥控器的航线规划是确保无人设备（如无人机、无人车、无人船）高效、安全执行任务的核心环节，涉及任务目标设定、路径规划、环境感知与风险评估等多个方面。一、规划步骤目标定义：明确无人设备需要完成的具体任务，如巡检、测绘、侦察、物资运输等。优先级划分：根据任务紧急程度、资源需求等设定优先级，确保关键任务优先执行。约束条件设定：性能限制：考虑无人设备的续航、载荷、通信范围等性能参数。环境约束：避开禁
  • 三轴云台之姿态调节技术篇
    三轴云台的姿态调节技术通过机械解耦、传感器融合、智能控制算法及动态补偿机制协同实现，能在复杂运动环境下保持高精度稳定，其核心技术与实现方式如下：一、机械结构优化：三轴解耦与轻量化设计三轴独立驱动解耦俯仰轴（Pitch）、横滚轴（Roll）、航向轴（Yaw）通过无刷电机+编码器+驱动器模块化设计实现运动解耦，避免轴间干扰。应用场景：无人机急转弯时，航向轴优先响应姿态变化，俯仰轴同步补偿相机倾斜，横滚
  • 三轴云台之高精度控制技术篇 SKYDROID云卓小助手 网络人工智能单片机嵌入式硬件安全
    三轴云台的高精度控制技术通过多维度协同设计，实现了对负载（如相机）的毫米级稳定控制，其核心在于机械结构、传感器、算法与智能控制系统的深度融合。一、机械结构设计：三轴联动与轻量化三轴云台通过横滚轴（Roll）、俯仰轴（Pitch）、航向轴（Yaw）的三维联动，实现负载在三维空间中的稳定控制。其机械设计需兼顾刚性与轻量化：解耦设计：三轴独立驱动，避免轴间干扰。例如，无人机急转弯时，航向轴优先响应姿态变
  • 有源电力滤波器matlab仿真实验报告,基于Matlab有源电力滤波器APF的仿真研究
    目前，对有源电力滤波器的研究越来越广泛。一方面，研究者众多，不仅有高等院校、研究所，而且也有许多电力局、大型企业等；另一方面，研究涉及谐波检测方法、控制策略、PWM波的形成等有源滤波技术的各个方面，对谐波检测控制方法和谐波检测电路的实现方法研究尤其活跃，出现了许多新的方法，这些方法都是旨在提高谐波检测的实时性和检测精度，因为谐波检测方法及谐波检测电路的实时性和检测精度对有源电力滤波器的滤波性能起着
  • Rock Robotic-无人机测绘 moonsims 人工智能
    RockRobotic-无人机测绘RockRobotic公司简介RockRobotic是一家总部位于美国的无人机测绘技术公司，专注于：高精度LiDAR载荷系统一体化三维测绘解决方案云端数据处理平台（RockCloud）公司定位于“LiDAR即服务”，为工程师、测绘师提供即插即用的硬件+简单易用的软件服务。目标用户群：土地测绘公司、电力巡检、地籍建模、林业资源单位等。RockRobotic产品发展历
  • [硬件电路-40]：从物理世界到数字软件，信号处理的共通性
    前言：从激光的光信号，到电磁波信号处理，到模拟电路的信号处理，到数字电路的信号处理，到软件的信号处理。从纯粹的物理世界到虚数字化的虚拟世界。从技术的角度看，都在做了相同的事：放大、衰减、滤波、变频、调制、解调、加法、减法、乘法、除法、积分、微分……。不同的是，实现的物理手段不同而已，对信号处理的多样性和灵活性反倒是越来越高。从产品开发、研发流程、项目管理、商业角度看，形式上有所差异，核心上没多大的
  • MATLAB 通信系统中成形滤波器的设计与实现 鱼弦 人工智能matlab
    MATLAB通信系统中成形滤波器的设计与实现1.介绍成形滤波器是数字通信系统中用于限制信号带宽、减少码间干扰(ISI)的重要组件。它通过对发送信号进行滤波，使其频谱特性满足奈奎斯特准则，从而在接收端可以无失真地恢复原始信号。主要特点：限制信号带宽:成形滤波器可以有效地限制信号的带宽，提高频谱利用率。减少码间干扰:成形滤波器可以设计成满足奈奎斯特准则，从而消除码间干扰。提高系统性能:成形滤波器可以改
  • MATLAB实现基于多目标粒子群优化算法（MOPSO）进行无人机三维路径规划的详细项目实例 nantangyuxi MATLABmatlab算法无人机人工智能深度学习机器学习数据挖掘
    目录MATLAB实她基她她目标粒子群优化算法（MOPSO）进行无人机三维路径规划她详细项目实例1项目背景介绍...1项目目标她意义...2优化无人机飞行路径她安全她...2提升路径规划她她目标协调能力...2实她三维环境下她动态路径规划...2降低计算复杂度，实她高效路径规划...2提供具有工程实践价值她路径规划工具...3丰富她目标优化算法她应用案例...3促进无人机智能自主飞行技术进步...3
  • 基于蜣螂算法优化多头注意力机制的卷积神经网络结合双向长短记忆神经网络实现温度预测DBO-CNN-biLSTM-Multihead-Attention附matlab代码 matlab科研助手 神经网络算法cnn
    ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机物理应用机器学习内容介绍温度预测在气象学、农业、能源等领域具有重要的应用价值。随着大数据和人工智能技术的快速发
  • Python与Java互操作性的桌面应用开发 master_chenchengg pythonpythonPythonpython开发IT
    Python与Java互操作性的桌面应用开发跨语言协作的魅力：Python遇上Java为什么选择Python和Java进行桌面应用开发？两种语言的优势互补：Python的简洁与Java的强大实际案例分享：当Python遇见Java，会发生什么奇妙的化学反应？搭建桥梁：Jython与JPype介绍Jython：用Python编写Java程序安装与配置：轻松几步让你上手调用Java类库：如何在Pyth
  • 扩展卡尔曼滤波器EKF+无迹卡尔曼滤波器 UKF+泰勒级数的位置估计+三边测量法和多边测量法【7363期】 Matlab研究室 matlab
    欢迎来到Matlab研究室博客之家✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。个人主页：Matlab研究室代码获取方式：Matlab研究室学习之路—代码获取方式（包运行）⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。更多Matlab信号处理仿真内容点击Matlab信号处理（视频版）⛄代码运行视频（CSDN免积分下载）【ACOMTS
  • 磁悬浮轴承转子不平衡质量控制：陷波滤波器深度解析 FanXing_zl 磁悬浮轴承不平质量控制陷波器
    在磁悬浮轴承高速旋转的世界里，不平衡质量如同一个无形的幽灵，引发危险的同步振动，而陷波滤波器，正是精准捕获并消除这个幽灵的“电磁猎手”。本文将深入剖析其核心原理与实战设计。引言：同步振动的致命诱惑磁悬浮轴承（AMB）的革命性优势使其在高速电机、飞轮储能、离心压缩机等领域大放异彩。然而，转子微小的质量分布不均（不平衡质量）在高速旋转时产生的周期性离心力（1X振动），如同一个顽固的幽灵，时刻威胁着系统
  • C++中vector和list的优缺点对比以及deque WangJiaLeLeLeLe c++开发语言数据结构
    两者基本上优缺点互补vector：优点：1、尾插尾删效率不错，支持高效下标随机访问2、物理空间连续，所以告诉缓存利用效率高缺点：1、空间需要扩容，扩容有代价2、头部和中间插入删除效率低list优点：1、按需申请释放空间，不需要扩容2、任意位置插入删除缺点：1、不支持下标的随机访问vector和list的缝合怪——deque开辟若干个数组（buff），还有一个中控数（是一个指针数组ptr），会试图把
  • NGS测序基础梳理02-簇生成（Cluster Generation）及flow cell介绍 qq_21478261 #生物信息生物信息学
    本文图解Illumina测序平台，flowcell表面簇生成（ClusterGeneration）过程。写作时间：2020，有问题可留言或者我的公众号。本文将了解到什么？1flowcell2簇生成为何要进行簇生成？簇生成步骤1）文库与flowcell表面P5杂交与互补链合成2）双链变性3）桥式PCR扩增4）反链切除5）DNA链3'封闭参考资料：1flowcell为何要先介绍flowcell？因为簇
  • STM32 ADC详解 月入鱼饵 stm32嵌入式硬件单片机
    本文介绍stm32ADC的使用，本文较长，可以配合目录跳转到需要的地方阅读。ADC转换原理本文重点在于STM32的ADC的使用，介绍ADC转换原理是为了更好理解STM32中关于ADC的配置，所以这里只是简单介绍一下ADC的转换原理，想详细了解ADC的转换原理可以看看看完这篇文章，终于搞懂了ADC原理及分类！和ADC基本工作原理-CSDN。简单来说，模拟信号输入进来，经过低通滤波操作预处理信号之后，
  • （一）OpenCV——噪声去除（降噪）
    高斯滤波器（针对高斯噪声）高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。常见的高斯噪声包括起伏噪声、宇宙噪声、热噪声和散粒噪声等等。高斯滤波(Gaussianfilter)包含许多种，包括低通、带通和高通等，我们通常图像上说的高斯滤波，指的是高斯模糊(GaussianBlur)，是一种高斯低通滤波，其过滤调图像高频成分（图像细节部分），保留图像低频成分（图像平滑区域），所以对图
  • MATLAB实现快速非局部均值图像去噪方法 一只爪子
    本文还有配套的精品资源，点击获取简介：非局部均值滤波是一种先进的图像去噪技术，与传统方法相比，它利用图像的全局信息来去除噪声，同时保持图像细节。该算法通过搜索和利用整个图像中相似的像素块，对每个像素点进行去噪处理。本文提供的MATLAB代码FAST_NLM_II.m实现此算法，并包含必要的参数设置、相似性计算、加权平均和图像更新步骤。了解并应用此代码是学习和进一步改进非局部均值滤波技术的基础。1.
  • 【常见滤波器】PCL 点云投影到拟合平面 X-Vision 《PCL算法案例开发》平面3dpcl计算机视觉算法点云
    PCL点云投影到拟合平面-原理、实现与最佳实践目录平面投影的核心原理⚙️PCL平面投影架构基础平面投影实现高级投影技术与优化投影质量评估与分析️工程应用案例⚠️常见问题与解决方案可视化与调试平面投影的核心原理数学原理与几何概念点云投影到拟合平面是将三维点云数据降维到二维平面的过程，核心思想是正交投影：平面方程：ax+by+cz+d=0ax+by+cz+d=0ax+by+cz+d=0平面法向量：n=
  • 【常见滤波器】PCL 模型滤波器
    PCL模型滤波器-几何模型驱动的点云处理技术目录模型滤波器核心概念⚙️PCL模型滤波器架构基础模型滤波器实践高级模型滤波技术模型拟合精度优化️工业应用案例调试与可视化⚡️性能优化策略模型滤波器核心概念模型滤波的本质模型滤波器通过拟合几何模型并评估点云与模型的贴合度，实现对点云的过滤和处理。不同于基础的空间滤波器，模型滤波器能够识别并利用点云的底层几何结构信息。在阈值内超出阈值输入点云模型识别与拟合
  • PCL | 体素滤波器pcl::VoxelGrid＜＞ Nines～ ROS算法ROSSLAMPCLC++
    文章目录概述一、定义介绍二、功能作用三、使用示例源码：解释：概述  本节详细介绍pcl::VoxelGrid是PointCloudLibrary(PCL)中的一个常用滤波器，用于对点云数据进行体素栅格化（VoxelGridFiltering）。它将点云分割成一个个体素（voxel），并使用这些体素中的点计算出一个代表性的点，从而减少点云的数量，实现降采样的效果。二、功能作用降采样:在处理大规模点云
  • PCL改进的体素滤波器 代码探险狂人 PCL
    体素滤波是一种常用的点云数据处理方法，可以用于去除噪声、平滑点云数据以及进行体素化等操作。PCL（点云库）是一个广泛使用的开源库，提供了丰富的点云处理算法和工具。在本文中，我们将介绍如何改进PCL的体素滤波器，并提供相应的源代码。体素滤波器是一种基于体素网格的滤波方法，它将点云数据划分为规则的体素网格，并对每个体素内的点进行处理。传统的体素滤波器在去除噪声和平滑数据方面表现良好，但在一些特定场景下
  • YOLOv8 环境监测五大场景 —— 二、 森林火灾早期预警 之无人机巡逻监测 详细解释及代码完整示例 路飞VS草帽 YOLOv8原理与源代码讲解---六大章YOLOv各版本的应用详细说明及代码示例环境监测五大场景YOLO无人机环境监测森林火灾早期预警无人机巡逻监测YOLOv8
    YOLOv8无人机森林火灾巡逻监测系统系统架构设计无人机火灾监测系统组成：1.飞行平台-多旋翼无人机(续航≥60分钟)-双光吊舱(可见光+红外)-RTK高精度定位-4G/5G数据链2.机载计算单元-JetsonOrinNX(AI加速)-轻量化YOLOv8模型-实时火情分析3.地面控制站-飞行路径规划-实时视频监控-火情预警系统4.云端协同-多机任务分配-火势扩散预测-应急资源调度完整代码实现1.无
  • jQuery 键盘事件keydown ,keypress ,keyup介绍 107x jsjquerykeydownkeypresskeyup
    本文章总结了下些关于jQuery 键盘事件keydown ,keypress ,keyup介绍，有需要了解的朋友可参考。 一、首先需要知道的是： 1、keydown() keydown事件会在键盘按下时触发. 2、keyup()  代码如下 复制代码 $('input').keyup(funciton(){      
  • AngularJS中的Promise bijian1013 JavaScriptAngularJSPromise
    一.Promise         Promise是一个接口，它用来处理的对象具有这样的特点：在未来某一时刻（主要是异步调用）会从服务端返回或者被填充属性。其核心是，promise是一个带有then()函数的对象。         为了展示它的优点，下面来看一个例子，其中需要获取用户当前的配置文件： var cu
  • c++ 用数组实现栈类 CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T, int SIZE = 50> class Stack{ private: T list[SIZE];//数组存放栈的元素 int top;//栈顶位置 public: Stack(
  • java和c语言的雷同 麦田的设计者 java递归scaner
    软件启动时的初始化代码，加载用户信息2015年5月27号 从头学java二 1、语言的三种基本结构：顺序、选择、循环。废话不多说，需要指出一下几点：      a、return语句的功能除了作为函数返回值以外，还起到结束本函数的功能，return后的语句 不会再继续执行。      b、for循环相比于whi
  • LINUX环境并发服务器的三种实现模型 被触发 linux
    服务器设计技术有很多，按使用的协议来分有TCP服务器和UDP服务器。按处理方式来分有循环服务器和并发服务器。 1  循环服务器与并发服务器模型 在网络程序里面，一般来说都是许多客户对应一个服务器，为了处理客户的请求，对服务端的程序就提出了特殊的要求。 目前最常用的服务器模型有： ·循环服务器：服务器在同一时刻只能响应一个客户端的请求 ·并发服务器：服
  • Oracle数据库查询指令 肆无忌惮_ oracle数据库
    20140920   单表查询 -- 查询************************************************************************************************************ -- 使用scott用户登录   -- 查看emp表   desc emp  
  • ext右下角浮动窗口 知了ing JavaScriptext
    第一种 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/
  • 浅谈REDIS数据库的键值设计 矮蛋蛋 redis
    http://www.cnblogs.com/aidandan/ 原文地址：http://www.hoterran.info/redis_kv_design 丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样，DEV和DBA需要深度沟通，review每行sql语句，也不像memcached那样，不需要DBA的参与。redis的DBA需要熟悉数据结构，并能了解使用场景。
  • maven编译可执行jar包 alleni123 maven
    http://stackoverflow.com/questions/574594/how-can-i-create-an-executable-jar-with-dependencies-using-maven <build> <plugins> <plugin> <artifactId>maven-asse
  • 人力资源在现代企业中的作用 百合不是茶 HR 企业管理
    //人力资源在在企业中的作用人力资源为什么会存在，人力资源究竟是干什么的 人力资源管理是对管理模式一次大的创新，人力资源兴起的原因有以下点： 工业时代的国际化竞争，现代市场的风险管控等等。所以人力资源 在现代经济竞争中的优势明显的存在，人力资源在集团类公司中存在着 明显的优势(鸿海集团)，有一次笔者亲自去体验过红海集团的招聘，只 知道人力资源是管理企业招聘的 当时我被招聘上了，当时给我们培训 的人
  • Linux自启动设置详解 bijian1013 linux
    linux有自己一套完整的启动体系，抓住了linux启动的脉络，linux的启动过程将不再神秘。 阅读之前建议先看一下附图。 本文中假设inittab中设置的init tree为： /etc/rc.d/rc0.d /etc/rc.d/rc1.d /etc/rc.d/rc2.d /etc/rc.d/rc3.d /etc/rc.d/rc4.d /etc/rc.d/rc5.d /etc
  • Spring Aop Schema实现 bijian1013 javaspringAOP
    本例使用的是Spring2.5 1.Aop配置文件spring-aop.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmln
  • 【Gson七】Gson预定义类型适配器 bit1129 gson
    Gson提供了丰富的预定义类型适配器，在对象和JSON串之间进行序列化和反序列化时，指定对象和字符串之间的转换方式，   DateTypeAdapter   public final class DateTypeAdapter extends TypeAdapter<Date> { public static final TypeAdapterFacto
  • 【Spark八十八】Spark Streaming累加器操作（updateStateByKey) bit1129 update
    在实时计算的实际应用中，有时除了需要关心一个时间间隔内的数据，有时还可能会对整个实时计算的所有时间间隔内产生的相关数据进行统计。 比如： 对Nginx的access.log实时监控请求404时，有时除了需要统计某个时间间隔内出现的次数，有时还需要统计一整天出现了多少次404，也就是说404监控横跨多个时间间隔。   Spark Streaming的解决方案是累加器，工作原理是，定义
  • linux系统下通过shell脚本快速找到哪个进程在写文件 ronin47
    一个文件正在被进程写 我想查看这个进程 文件一直在增大 找不到谁在写 使用lsof也没找到 这个问题挺有普遍性的，解决方法应该很多，这里我给大家提个比较直观的方法。 linux下每个文件都会在某个块设备上存放，当然也都有相应的inode, 那么透过vfs.write我们就可以知道谁在不停的写入特定的设备上的inode。 幸运的是systemtap的安装包里带了inodewatch.stp，位
  • java-两种方法求第一个最长的可重复子串 bylijinnan java算法
    import java.util.Arrays; import java.util.Collections; import java.util.List; public class MaxPrefix { public static void main(String[] args) { String str="abbdabcdabcx";
  • Netty源码学习-ServerBootstrap启动及事件处理过程 bylijinnan javanetty
    Netty是采用了Reactor模式的多线程版本，建议先看下面这篇文章了解一下Reactor模式： http://bylijinnan.iteye.com/blog/1992325 Netty的启动及事件处理的流程，基本上是按照上面这篇文章来走的 文章里面提到的操作，每一步都能在Netty里面找到对应的代码 其中Reactor里面的Acceptor就对应Netty的ServerBo
  • servelt filter listener 的生命周期 cngolon filterlistenerservelt生命周期
    1. servlet    当第一次请求一个servlet资源时，servlet容器创建这个servlet实例，并调用他的 init(ServletConfig config)做一些初始化的工作，然后调用它的service方法处理请求。当第二次请求这个servlet资源时，servlet容器就不在创建实例，而是直接调用它的service方法处理请求，也就是说
  • jmpopups获取input元素值 ctrain JavaScript
    jmpopups 获取弹出层form表单 首先，我有一个div，里面包含了一个表单，默认是隐藏的，使用jmpopups时，会弹出这个隐藏的div，其实jmpopups是将我们的代码生成一份拷贝。 当我直接获取这个form表单中的文本框时，使用方法：$('#form input[name=test1]').val()；这样是获取不到的。 我们必须到jmpopups生成的代码中去查找这个值，$(
  • vi查找替换命令详解 daizj linux正则表达式替换查找vim
    一、查找 查找命令 /pattern<Enter> ：向下查找pattern匹配字符串 ?pattern<Enter>：向上查找pattern匹配字符串 使用了查找命令之后，使用如下两个键快速查找： n：按照同一方向继续查找 N：按照反方向查找 字符串匹配 pattern是需要匹配的字符串，例如： 1:  /abc<En
  • 对网站中的js,css文件进行打包 dcj3sjt126com PHP打包
    一，为什么要用smarty进行打包 apache中也有给js,css这样的静态文件进行打包压缩的模块，但是本文所说的不是以这种方式进行的打包，而是和smarty结合的方式来把网站中的js,css文件进行打包。 为什么要进行打包呢，主要目的是为了合理的管理自己的代码 。现在有好多网站，你查看一下网站的源码的话，你会发现网站的头部有大量的JS文件和CSS文件，网站的尾部也有可能有大量的J
  • php Yii: 出现undefined offset 或者 undefined index解决方案 dcj3sjt126com undefined
    在开发Yii 时，在程序中定义了如下方式：        if($this->menuoption[2] === 'test')，那么在运行程序时会报：undefined offset:2，这样的错误主要是由于php.ini 里的错误等级太高了，在windows下错误等级
  • linux 文件格式（1） sed工具 eksliang linuxlinux sed工具sed工具linux sed详解
    转载请出自出处： http://eksliang.iteye.com/blog/2106082 简介       sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾
  • Android应用程序获取系统权限 gqdy365 android
    引用 如何使Android应用程序获取系统权限         第一个方法简单点，不过需要在Android系统源码的环境下用make来编译：         1. 在应用程序的AndroidManifest.xml中的manifest节点
  • HoverTree开发日志之验证码 hvt .netC#asp.nethovertreewebform
    HoverTree是一个ASP.NET的开源CMS，目前包含文章系统，图库和留言板功能。代码完全开放，文章内容页生成了静态的HTM页面，留言板提供留言审核功能，文章可以发布HTML源代码，图片上传同时生成高品质缩略图。推出之后得到许多网友的支持，再此表示感谢！留言板不断收到许多有益留言，但同时也有不少广告，因此决定在提交留言页面增加验证码功能。ASP.NET验证码在网上找，如果不是很多，就是特别多
  • JSON API：用 JSON 构建 API 的标准指南中文版 justjavac json
    译文地址：https://github.com/justjavac/json-api-zh_CN 如果你和你的团队曾经争论过使用什么方式构建合理 JSON 响应格式， 那么 JSON API 就是你的 anti-bikeshedding 武器。 通过遵循共同的约定，可以提高开发效率，利用更普遍的工具，可以是你更加专注于开发重点：你的程序。 基于 JSON API 的客户端还能够充分利用缓存，
  • 数据结构随记_2 lx.asymmetric 数据结构笔记
    第三章 栈与队列 一．简答题 1. 在一个循环队列中，队首指针指向队首元素的  前一个    位置。  2.在具有n个单元的循环队列中，队满时共有  n-1  个元素。  3. 向栈中压入元素的操作是先  移动栈顶指针&n
  • Linux下的监控工具dstat 网络接口 linux
    1) 工具说明dstat是一个用来替换 vmstat,iostat netstat,nfsstat和ifstat这些命令的工具, 是一个全能系统信息统计工具. 与sysstat相比, dstat拥有一个彩色的界面, 在手动观察性能状况时, 数据比较显眼容易观察; 而且dstat支持即时刷新, 譬如输入dstat 3, 即每三秒收集一次, 但最新的数据都会每秒刷新显示. 和sysstat相同的是,
  • C 语言初级入门--二维数组和指针 1140566087 二维数组c/c++指针
    /* 二维数组的定义和二维数组元素的引用 二维数组的定义： 当数组中的每个元素带有两个下标时，称这样的数组为二维数组； (逻辑上把数组看成一个具有行和列的表格或一个矩阵); 语法： 类型名 数组名[常量表达式1][常量表达式2] 二维数组的引用： 引用二维数组元素时必须带有两个下标，引用形式如下： 例如： int a[3][4];  引用：
  • 10点睛Spring4.1-Application Event wiselyman application
    10.1 Application Event Spring使用Application Event给bean之间的消息通讯提供了手段 应按照如下部分实现bean之间的消息通讯 继承ApplicationEvent类实现自己的事件 实现继承ApplicationListener接口实现监听事件 使用ApplicationContext发布消息
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他