丧气小朋友
丧气小朋友

【线性系统】四、状态空间的解法和实现（1）——线性非时变的解法和实现

解法

线性非时变（LTI）系统可被描述为

\dot{x}(t) = Ax(t) + Bu(t)     

y(t) = Cx(t) + Du(t)

进行拉普拉斯变换得到：

\hat{x}(s) = (sI-A)^{-1}[x(0)+B\hat{u}(s)]

\hat{y}(s) = C(sI-A)^{-1}[x(0)+B\hat{u}(s)]+D\hat{u}(s)

有两种方法计算(sI-A)^{-1}。

例：

A = \begin{bmatrix} 0 &-1 \\ 1 & -2 \end{bmatrix}

计算(sI-A)^{-1}。

方法1:

(sI-A)^{-1} = \begin{bmatrix}s&1\\-1& s+2 \end{bmatrix}^{-1} = \frac{1}{s^2+2s+1}\begin{bmatrix}s+2&-1\\1& s \end{bmatrix} = \begin{bmatrix} \frac{s+2}{(s+1)^2}&-\frac{-1}{(s+1)^2}\\\frac{1}{(s+1)^2}& \frac{s}{(s+1)^2} \end{bmatrix}

方法2:

A的特征值有两个，-1, -1。使 h(\lambda) = \beta_0+\beta_1\lambda。如果h(\lambda)等于f(\lambda): = (s-\lambda)^{-1}那么，

f(-1) = h(-1): (s+1)^{-1} = \beta_0-\beta_1;

{f}'(-1) = {h}(-1): (s+1)^{-2} = \beta_1 。

因此我们有h(\lambda) = [(s+1)^{-1}+(s+1)^{-2}]+(s+1)^{-2}\lambda和

(sI-A)^{-1} = h(A) = [(s+1)^{-1}+(s+1)^{-2}]I + (s+1)^{-2}A = \begin{bmatrix} (s+2)/(s+1)^{2} & -1/(s+1)^2 \\ 1/(s+1)^2& s/(s+1)^2 \end{bmatrix}

例：方程 \dot{x}(t) = \begin{bmatrix} 0 & -1\\ 1& -2 \end{bmatrix}x(t) + \begin{bmatrix} 0\\ 1 \end{bmatrix}u(t) 的解为，

x(t) = e^{At}x(0)+\int_{0}^{t}e^{t-\tau}Bu(\tau)d\tau。

其中e^{At}是(sI-A)^{-1}的拉普拉斯反变换，我们已经通过上一个例子进行了计算。

e^{At} =\L^{-1}\begin{bmatrix} (s+2)/(s+1)^{2} & -1/(s+1)^2 \\ 1/(s+1)^2& s/(s+1)^2 \end{bmatrix} = \begin{bmatrix} (1+t)e^{-1} &-te^{-t} \\ te^{-t}& (1-t)e^{-1} \end{bmatrix}

且

x(t) = \begin{bmatrix} (1+t)e^{-1} &-te^{-t} \\ te^{-t}& (1-t)e^{-1} \end{bmatrix}x(0)+\begin{bmatrix} -\int_{0}^{t}(t-\tau)e^{-(t-\tau)}Bu(\tau)u(\tau)d\tau\\ \int_{0}^{t}[1-(t-\tau)]e^{-(t-\tau)}Bu(\tau)u(\tau)d\tau \end{bmatrix}

  • 离散化

\dot{x}(t) = Ax(t) + Bu(t)     

y(t) = Cx(t) + Du(t)

离散化为：

{x}(k+1) = A_dx(k) + B_du(k)     

y(k) = C_dx(k) + D_du(k)

其中：

A_d = e^{AT}, B_d = (\int_{0}^{T}e^{A\tau}d\tau)B, C_d = C, D_d = D

等效状态方程

\dot{x}(t) = Ax(t) + Bu(t)（1）

y(t) = CX(t) + Du(t)（2）

这里A是一个映射在n维实空间\Re ^{n}的n \times n常矩阵。

定义：P为一非奇异矩阵，\bar{x} = Px。 

\dot{\bar{x}}(t) = \bar{A}\bar{x}(t) + \bar{B}\bar{u}(t)（3）

y(t) = \bar{C}\bar{x}(t) + \bar{D}\bar{u}(t)（4）

其中 \bar{A} = PAP^{-1}, \bar{B} = PB, \bar{C} = CP^{-1}, \bar{D} = D（5），这个变换被称为等效变换。

（5）是由带入 x(t) = P^{-1}\bar{x}(t) 和 \dot{x}(t)= P^{-1}\dot{\bar{x}}(t) 到（1）、（2）得到的。

（1）（2）和（3）（4）具有相同的特征值。由 det(P)det(P^{-1}) = 1 可得。

\bar{\Delta}(\lambda ) = det(\lambda I-\bar{A}) = det(\lambda PP^{-1}-PAP^{-1}) = det(P(\lambda I -A)P^{-1}) = det(P)det(\lambdaI-A )det(P^{-1}) = det(\lambda I-A) = \Delta (A)

同时

\hat{\bar{G}}(s) = \bar{C}(sI-\bar{A})^{-1}\bar{B} + \bar{D} = ... = \hat{G}(s), 转移矩阵相等。 这时两个状态方程零状态等效。

 

例一：

有状态方程

\dot{x}(t) = \left \begin{bmatrix} \lambda &0 \\ 0& \bar{\lambda } \end{bmatrix}x(t) +\begin{bmatrix} b_{1}\\ \bar{b_{1}} \end{bmatrix}u(t)

y(t) = \begin{bmatrix} c_{1} & \bar{c_{1}} \end{bmatrix} x(t)

字母上的横线代表共轭复数。证明等式可以被变换成\dot{\bar{x}}(t) = \bar{A}\bar{x}(t) + \bar{B}\bar{u}(t)，y(t) = \bar{C}\bar{x}(t)，

其中\bar{A}= \left \begin{bmatrix} 0 &1 \\ {-\lambda\bar{\lambda}}& \lambda+\bar{\lambda } \end{bmatrix}，\bar{b} = \begin{bmatrix}0\\1 \end{bmatrix}，\bar{c_{1} } = \begin{bmatrix}-2Re(\bar{\lambda}b_{1}c_{1})])&2Re(b_{1}c_{1}) \end{bmatrix}，其中用到x = Q\bar{x}其中

Q= \left \begin{bmatrix} -\lambda b_{1} &b_{1} \\ {-\lambda\bar{b}_{1}}& \bar{b}_{1}\end{bmatrix} 。

（求出Q的逆，直接按（5）计算即可）

 

例二：

这两个状态空间方程是否等效？是否零状态等效？

\dot{x}(t) = \left \begin{bmatrix}2 &1&2 \\ 0&2&2\\0&0&1} \end{bmatrix}x(t) +\begin{bmatrix} 1\\ 1\\0} \end{bmatrix}u(t)

y(t) = \begin{bmatrix} 1 & -1&0} \end{bmatrix} x(t)

和

\dot{x}(t) = \left \begin{bmatrix}2 &1&1 \\ 0&2&1\\0&0&-1} \end{bmatrix}x(t) +\begin{bmatrix} 1\\ 1\\0} \end{bmatrix}u(t)

y(t) = \begin{bmatrix} 1 & -1&0} \end{bmatrix} x(t)

（求特征值，若不相等则不等效。）

 

实现

每个线性非时变（LTI）系统可被描述为

\hat{y}(s) = \hat{G}(s) \hat{u}(s) （1）

同时，如果系统是集总的，其状态空间可被描述为：

\dot{x}(t) = Ax(t) + Bu(t)     （2）

y(t) = Cx(t) + Du(t)

如果状态方程已知，转移矩阵可被表示为：

\hat{G}(s) = C(sI-A)^{-1}B+ D（3）

其中\{A,B,C,D\}被称为\hat{G}(s)的实现。

 

定理：转移矩阵\hat{G}(s)可实现，当且仅当\hat{G}(s)是一个真有理矩阵。

\hat{G}_{sp}(s): = C(sI-A)^{-1}B+ D = \frac{1}{det(sI-A)}C[Adj(sI-A)]B （4）

  • 如果A为n\times n，det(sI-A)为n度。

\hat{G}(\infty) = D（5）

  • 如果\hat{G}(s)是一个q\times p 有理矩阵，就存在它的实现，

\hat{G}(s) = \hat{G}_{sp}(s) + \hat{G}(\infty) （6）。

设多项式d(s) = s^{r}+\alpha_{1}s^{r-1}+...+\alpha_{r-1}s+\alpha_{r} （7）monic（最高次项的系数必须为1)， 为 \hat{G}_{sp}(s) 的所有元素最小公分母。

则 \hat{G}_{sp}(s) = \frac{1}{d(s)}[N(s)] = \frac{1}{d(s)}[N_{1}s^{r-1}+N_{2}s^{r-2}+...+N_{r-1}s+N_r]（8），

其中N_{i}为q\times p 常矩阵。

可以得到：

\dot{x} = \begin{bmatrix} -\alpha_{1}I_{p} &-\alpha_{2}I_{p} & ... &-\alpha_{r-1}I_{p} & -\alpha_{r}I_{p}\\ I_{p}& 0 & ... & 0&0 \\ 0 & I_{p}& ... & 0& 0\\ \vdots & \vdots & & \vdots & \vdots \\ 0 & 0& ...& I_{p}& 0 \end{bmatrix}x + \begin{bmatrix} I_{p}\\0\\0\\\vdots\\0 \end{bmatrix}u（9）其中I_{p}是n\times n单位矩阵。

y = \begin{bmatrix} N_{1} &N_{2} & ...&N_{r-1} & N_{r} \end{bmatrix}x+\hat{G}(\infty)u

为 \hat{G}(s) 的实现。

例一：有理矩阵 \hat{G}(s) = \begin{bmatrix} \frac{4s-10}{2s+1}&\frac{2}{s+2} \\ \frac{1}{(2s+1)(s+2)}& \frac{s+1}{(s+2)^2} \end{bmatrix} =\begin{bmatrix} 2 &0 \\ 0&0 \end{bmatrix}+\begin{bmatrix} \frac{-12}{2s+1} &\frac{3}{s+2} \\ \frac{1}{(2s+1)/(s+2)} & \frac{(s+1)}{(s+2)^2} \end{bmatrix}（10）被分解为一个常矩阵和有理矩阵\hat{G}_{sp}(s)。

1.根据（7）计算\hat{G}_{sp}(s)中需要的最小公分母。2.根据（8）计算\hat{G}_{sp}(s)。3.根据（9）计算\hat{G}(s)的实现。

*特殊情况下，当\hat{G}(s)是一个q\times 1矩阵时，我们举一个q=2, r = 4的例子：

\hat{G}(s) =\begin{bmatrix} d_{1} \\ d_{2} \end{bmatrix}+\frac{1}{s^{4}+\alpha_{1}s^{3}+\alpha_{2}s^{2}+\alpha_{3}s+\alpha_{4}} \begin{bmatrix} \beta_{11}s^{3}+\beta_{12}s^{2}+\beta_{13}s^{1}+\beta_{14}\\\beta_{21}s^{3}+\beta_{22}s^{2}+\beta_{23}s^{1}+\beta_{24}\end{bmatrix}（11）

的实现为

\dot{x} = \begin{bmatrix} -\alpha_{1} &-\alpha_{2}& -\alpha_{3}& -\alpha_{4}\\ 1& 0 & 0&0 \\ 0 & 1& 0& 0\\ 0 & 0 & 1 & \0 \end{bmatrix}x + \begin{bmatrix} 1\\0\\0\\0 \end{bmatrix}u（12）

y = \begin{bmatrix}\beta_{11}+\beta_{12}+\beta_{13}+\beta_{14}\\ \beta_{21}+\beta_{22}+\beta_{23}+\beta_{24}\end{bmatrix}x+\begin{bmatrix} d_{1}\\d_{2}\end{bmatrix}u

例二：

只看（10）的第一列：

\hat{G}_{c1}(s) = \begin{bmatrix} \frac{4s-10}{2s+1}\\ \frac{1}{(2s+1)(s+2)} \end{bmatrix} =\begin{bmatrix} \frac{(4s-10)(s+2)}{(2s+1)(s+2)} \\ \frac{1}{2s^{2}+5s+2} \end{bmatrix} = \begin{bmatrix} \frac{4s^{2}-2s-20}{2s^{2}+5s+2} \\ \frac{1}{2s^{2}+5s+2} \end{bmatrix}（13）

d(s) = s^{2}+2.5s+1（14）

由（12）：

\dot{x} = \begin{bmatrix} -2.5 &-1\\ 1& 0\end{bmatrix}x + \begin{bmatrix} 1\\0\end{bmatrix}u（13）

y = \begin{bmatrix}-6&-12\\0&0.5\end{bmatrix}x+\begin{bmatrix} 2\\0\end{bmatrix}u

 

你可能感兴趣的:(理论)

  • 手机屏像素缺陷修复及相关液晶线路激光修复原理 syncon12 科技制造3d
    摘要手机屏像素缺陷严重影响显示效果，而液晶线路异常是导致像素缺陷的关键因素之一。激光修复技术凭借高精度与非接触特性，能够有效修复液晶线路，进而改善像素显示。本文分析手机屏像素缺陷类型，探究液晶线路激光修复原理、工艺及参数优化，为提升手机屏显示质量提供理论支撑。引言随着手机屏向高分辨率、高刷新率方向发展，像素密度不断提升，像素缺陷问题愈发凸显。液晶线路作为控制像素显示的核心结构，其断路、短路、信号传
  • ZYNQ无DMA的四路HP总线极限性能探索 芯作者 D1：ZYNQ设计fpga开发硬件工程智能硬件
    深入挖掘AXIHP总线的直接传输潜力，突破传统DMA的性能瓶颈一、HP总线：ZYNQ系统的"高速公路"在XilinxZYNQ架构中，HP（HighPerformance）总线是连接PS（处理器系统）和PL（可编程逻辑）的关键通道。传统方案依赖DMA控制器进行数据传输，但当我们需要超低延迟或确定性响应时，无DMA的直接CPU控制成为更优选择。本文将揭示如何通过四路HP总线实现惊人的24GB/s理论带
  • 基于灰色马尔科夫模型预测人口数量，是一种结合灰色系统理论（处理少数据、不确定性）与马尔科夫链（描述随机波动）的融合预测方法
    利用灰色模型捕捉人口变化的总体趋势，再通过马尔科夫链修正因随机因素导致的预测偏差，从而提高预测精度。一、模型理论基础灰色系统理论原理（核心：处理少数据、部分信息未知的系统）差异信息原理：系统内外的差异是信息源，人口数据的时间序列差异蕴含变化规律。解的非唯一性原理：信息不完全时，预测结果存在多个可能区间（与马尔科夫状态划分契合）。最小信息原理：仅需少量历史数据（通常≥4个）即可建模，适合人口统计资料
  • 误差的回响：反向传播算法与神经网络的惊天逆转 田园Coder 人工智能科普人工智能科普
    当专家系统在20世纪80年代初期大放异彩，成为人工智能实用化的耀眼明星时，另一股曾经被宣判“死刑”的力量——连接主义（神经网络）——正在寒冬的冻土下悄然涌动，孕育着一场惊天动地的复苏。马文·明斯基和西摩·帕尔特在1969年《感知机》专著中那精准而冷酷的理论批判，如同沉重的封印，将多层神经网络的研究禁锢了近二十年。他们指出的核心死结——缺乏有效算法来训练具有隐藏层的网络——仿佛一道无法逾越的天堑。单
  • 支持java8的kafka版本 兮动人 kafka分布式支持java8的kafka版本
    文章目录1.Kafka支持Java8的版本范围2.官方建议与兼容性3.版本迁移建议4.关键时间点5.注意事项6.总结1.Kafka支持Java8的版本范围Kafka2.x和3.x版本：Kafka2.x和3.x版本（如2.8.0、3.0.0等）理论上支持Java8，但官方已逐步弃用对Java8的支持。Kafka3.0：官方在3.0版本中弃用Java8（但仍允许使用），并强烈建议升级到Java11或更
  • 2024年BCSP-X小高组基础知识题目（模拟题） 天秀信奥编程培训 #BCXP-X模拟题北京BCSP-X试题讲解专栏BCSP-Xc++算法数据结构
    一、单项选择计算机的核心部件是什么（）？A.显示器B.键盘C.中央处理器（CPU)D.鼠标将十进制小数9.375转换为二进制小数，其正确的二进制表示是（）。A.1001.11B.1011.11C.1001.011D.1011.011假设有一个内存显示为96MB的文件夹，里面存储的都是分辨率为1024×2048的24位图像，请问理论上存储了（）张图像？(不考虑图像技术压缩对内存的优化)A.16张B.
  • Maven 多模块项目调试与问题排查总结
    博主简介：CSDN博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/?__c=1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编程，高并发设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分
  • 21个MySQL索引优化实战技巧
    MySQL索引优化是提升数据库性能的关键手段，一个合理的索引设计和使用策略，往往能将查询速度提升几十倍甚至上百倍。然而，索引优化并不简单，既需要扎实的理论基础，也需要丰富的实战经验。本文总结了21个MySQL索引优化的实战技巧，从索引选择、设计到维护、监控的全生命周期，帮助你解决日常开发中的索引性能问题。基础知识回顾在具体介绍前，让我们先简单回顾索引的基础知识：MySQL常用的索引类型包括：主键索
  • 蔡高厅老师 - 高等数学-阅读笔记 - 01 - 前言、函数【视频第01、02、03、】 Franklin 数学线性代数
    高等数学前言；196学时，每周6课主要内容：上册一元、多元函数数，微分学、积分学、矢量代数、空间解析几何无穷级数、微分方程，多元函数微分学和积分学目的：高等数学3基：1高等数学的基本知识2高度数学的基本理论3高等数学的基本计算方法提高数学素养培养：抽象思维、逻辑推理、辩证的思想方法、空间想象能力、分析问题、解决问题的能力为进一步学习打下必要的学习基础和初等数学不同，研究的不是常量而是变量，变量和变
  • 212springboot基于javaweb的城乡居民基本医疗信息管理系统医院（源码+文档+运行视频+讲解视频） QQ2279239102 vuejavamavenSpringboothtml
    项目技术：springboot+Maven+Vue等等组成，B/S模式+Maven管理等等。环境需要1.运行环境：最好是javajdk1.8，我们在这个平台上运行的。其他版本理论上也可以。2.IDE环境：IDEA，Eclipse,Myeclipse都可以。推荐IDEA;3.tomcat环境：Tomcat7.x,8.x,9.x版本均可4.硬件环境：windows7/8/101G内存以上；或者MacO
  • RNN笔记 sjtu_哈基坤 LLM随笔rnn笔记人工智能
    来源见此处概述RNN(RecurrentNeuralNetwork)RNN之所以称为循环神经网络,是因为一个序列的当前的输出与前面的输出也有关.具体表现是网络会对前面的信息进行记忆并且应用于当前输出的计算中.即隐藏层之间的节点也是有连接的.并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出.理论上RNN能对任何长度的序列进行处理,但是在实践中,为了降低复杂性,往往假设当前状态只与前面几
  • 如何设计和训练大模型（神经网络）：从入门到精通！
    “学习一门技术，先找一套工具和理论研究下去；千万不要反复横跳，什么都想学”大模型作为未来重要的发展方向，很多人想学习大模型技术，但又苦于无从下手；而本公众号前前后后也写过一些怎么学习大模型技术的方法论；但大部分都是从应用的角度作为切入点。但是，有一个问题就是，如果你是一个技术从业者，想学习和设计一款属于自己的大模型，应该怎么做？设计一个自己的大模型大模型作为一门快速发展的新型技术，其理论与实现也是
  • 【人工智能】微调的秘密武器：释放大模型的无限潜能 蒙娜丽宁 Python杂谈人工智能人工智能
    《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门！解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界在人工智能迅猛发展的今天，大规模语言模型（LLMs）以其强大的通用能力席卷各行各业。然而，如何让这些通用模型在特定领域或任务中发挥最大潜力？答案是微调（Fine-tuning）。本文深入探讨微调的理论基础、技术细节与实践方法，揭示其作为解锁大模型隐藏潜力
  • Python实现图像处理的快速傅里叶变换（FFT）或离散余弦变换（DCT） 闲人编程 图像处理图像处理python计算机视觉FFTDCT傅里叶离散余弦变换
    目录Python实现图像处理的快速傅里叶变换（FFT）或离散余弦变换（DCT）一、引言1.1图像处理简介1.2快速傅里叶变换与离散余弦变换简介1.3本文目标与结构二、理论背景与数学原理2.1快速傅里叶变换（FFT）介绍2.2离散余弦变换（DCT）介绍2.3两者的应用领域与区别三、算法实现3.1快速傅里叶变换（FFT）实现3.1.1使用Python实现FFT3.1.2图像的频域处理3.2离散余弦变换
  • 【架构专题】架构风格（上）：从理论到实践的全面解析 A.说学逗唱的Coke 架构
    架构风格详解：从理论到实践的全面解析一、引言在软件系统设计中，架构风格是决定系统质量与可维护性的核心要素。根据软考高级资格考试大纲要求，系统架构设计师需掌握软件架构风格的定义、分类及选型方法。本文将结合Garlan和Shaw的经典理论，结合软考实践案例，系统阐述架构风格的理论基础与应用策略。二、架构风格的定义与核心要素2.1定义软件架构风格是描述特定应用领域中系统组织方式的惯用模式，其本质是通过构
  • 高级 Python 测试工程师学习提升计划 code36 python学习开发语言测试爬虫高级测试
    一、测试理论与流程夯实系统梳理：每周安排3-4小时，深入研读软件测试的艺术、Google软件测试之道，重点强化功能、性能、安全性测试流程，整理流程关键节点与执行要点笔记。实践模拟：基于线上开源项目（如GitHub找小型Web应用），每月开展2次全流程测试实践，从需求分析到测试报告输出，巩固理论应用。二、Python及测试工具深化Python进阶：利用Python高级课程资料，主攻面向对象编程、装饰
  • 学习笔记丨信号处理新趋势：量子计算将如何颠覆传统DSP？ 棱镜研途 量子计算信号处理学习人工智能单片机网络安全密码学
    在算力需求爆炸式增长的今天，传统数字信号处理（DSP）芯片正面临物理极限的严峻挑战。当经典计算机架构在摩尔定律的黄昏中挣扎时，量子计算正以颠覆性姿态崛起，准备重新定义信号处理的未来图景。目录传统DSP的瓶颈：经典架构的物理极限量子新突破：从理论优越到实用跨越量子DSP的颠覆性优势：算法与架构的双重变革应用场景：从芯片校准到生命科学技术挑战与产业化路径未来已来：量子重塑信号处理传统DSP的瓶颈：经典
  • 4、理解线性代数的核心概念与应用 rice5 线性代数第五版深度解析线性代数向量空间子空间
    理解线性代数的核心概念与应用1引言线性代数是现代数学的重要分支之一，广泛应用于科学、工程、计算机科学等领域。理解线性代数的基本概念和原理不仅有助于学术研究，还能够提升解决实际问题的能力。本文将深入探讨线性代数中的核心概念，帮助读者建立坚实的理论基础，并掌握实际应用技巧。2向量空间向量空间是线性代数的基础概念之一。一个向量空间(V)是指一个集合，其元素称为向量，并且这些向量之间可以进行加法运算和标量
  • Kubernetes在混合云平台中的应用：跨云容器编排实战 AI云原生与云计算技术学院 AI云原生与云计算kubernetes容器云原生ai
    Kubernetes在混合云平台中的应用：跨云容器编排实战关键词：Kubernetes，混合云平台，跨云容器编排，容器化，云原生摘要：本文围绕Kubernetes在混合云平台中的应用展开，详细阐述了跨云容器编排的相关技术。首先介绍了混合云及Kubernetes的背景知识，接着深入剖析Kubernetes跨云容器编排的核心概念与架构，讲解了相关算法原理和操作步骤，并通过数学模型进行了理论分析。通过具
  • 2025学年湖北省职业院校技能大赛 “信息安全管理与评估”赛项 样题卷（五）
    2025学年湖北省职业院校技能大赛“信息安全管理与评估”赛项样题卷（五）第二部分：网络安全事件响应、数字取证调查、应用程序安全任务书任务1：应急响应（可以培训有答案）任务2：通信数据分析取证（40分）任务3：基于Windows计算机单机取证（120分）第三部分应用程序安全任务4：C代码审计（40分）第三部分：网络安全渗透、理论技能与职业素养任务一：门户网站（60分）可以培训任务二：办公系统（60分
  • 一个LoRa网关的容量多大？ 豆豆在西安 LoRa网关网络服务器运维
    在LoRaWAN网络部署过程中，客户最常问的问题之一就是：“一个LoRa网关能接入多少设备？”这个问题看似简单，实则涉及多个技术参数和业务场景。LoRa网关的容量并不是一个固定的数字，而是受到多种因素的影响。本文将带你深入了解LoRa网关的系统容量是如何计算的，以及影响容量的关键因素。一、LoRa网关的理论最大容量LoRa网关的容量与其使用的信道数量和扩频因子（SF）密切相关。以常见的8信道LoR
  • 代码随想录|图论理论基础
    1.图的种类（有向图和无向图）有向图：图中边有方向无向图：图中边无方向加权有向图：图中边是有权值和方向的，无向图也是如此2.度（无向图中有几条边连接该节点，该节点就有几度）出度：从该节点出发的边的个数入度：指向该节点边的个数3.连通性（在图中表示节点的联通情况，我们称之为连通性）连通图：在无向图中，任何两个节点都是可以到达的（可以借助其他节点）非连通图：有节点不能到达其他节点强连通图：在有向图中，
  • 三生原理形式化证明：如何解决Coq工具仅覆盖部分逻辑链问题？ 葫三生 三生学派算法数学建模人工智能机器学习量子计算
    AI辅助创作：解决Coq工具仅覆盖部分逻辑链的问题，需结合理论扩展、工程优化与协作机制进行系统性改进，具体方案如下：一、‌理论层面：扩展等价判定能力‌‌补充外延式等价关系‌通过扩展归纳构造演算（CIC）理论，在内涵等价判定基础上增加外延式理论（如Presburger代数），增强对自然数类型等复杂结构的等价验证能力，覆盖原有工具无法判定的逻辑分支。‌构建抽象约束框架‌设计通用约束规则，使满足条件的任
  • 代码随想录|图论|04广度优先搜索理论基础 Paper Clouds 图论宽度优先算法数据结构leetcodec++
    广搜的使用场景广搜的搜索方式就适合于解决两个点之间的最短路径问题。因为广搜是从起点出发，以起始点为中心一圈一圈进行搜索，一旦遇到终点，记录之前走过的节点就是一条最短路。当然，也有一些问题是广搜和深搜都可以解决的，例如岛屿问题，这类问题的特征就是不涉及具体的遍历方式，只要能把相邻且相同属性的节点标记上就行。（我们会在具体题目讲解中详细来说）比如下面这个图，从start开始慢慢向外扩展，第4次扩展才到
  • 51单片机基础与应用实例解析 大数据无毛兽
    本文还有配套的精品资源，点击获取简介：本课程设计项目专注于51单片机的基础知识和应用实践，适合初学者。51单片机是微控制器的经典代表，广泛应用于教育和工业等领域。项目通过20个实例，涵盖C语言编程、单片机内部结构、I/O操作、定时器和计数器、中断系统、串行通信、晶振和复位电路、编程和调试、实验板使用以及项目实现等多个关键知识点，帮助学生掌握单片机的编程和应用技能，并将理论知识转化为实际操作能力。1
  • 多通道时间间隔测量模块在时频行业的重要性 西安同步高经理 网络
    时间间隔测量在科学研究、工程技术、日常生活等多个领域都具有重要的意义和作用，具体如下：科学研究物理学研究：在粒子物理实验中，精确测量粒子的寿命、衰变时间间隔等，有助于了解粒子的性质和相互作用规律。例如，通过测量μ子的衰变时间间隔，验证了相对论的时间膨胀效应。在原子物理中，对原子跃迁过程中时间间隔的测量，可用于研究原子的能级结构和光谱特性，为量子力学理论的发展和验证提供重要依据。天文学观测：测量天体
  • 特斯拉及新能源车企笔试面试题型解析上-21期 启芯硬件笔记 经验分享PCBEMI硬件工程面试职场和发展
    本专栏预计更新90期左右。当前第21期-特斯拉硬件.特斯拉作为全球领先的电动汽车、能源存储和人工智能公司，其硬件工程师岗位的招聘通常包括笔试和多轮技术面试，考察领域涵盖数字电路设计、模拟电路、嵌入式系统、电动车技术和自动驾驶等。由于特斯拉的创新性和技术领先地位，其面试问题可能更加注重实际应用和问题解决能力。笔试通常旨在考察候选人的基础理论知识、问题分析能力、电路设计与调试经验、以及对相关工具和方法
  • 关系代数详解与SQL示例 empti_ 数据库sql数据库
    关系代数详解与SQL示例关系代数是关系数据库的理论基础，它提供了一组操作符用于操作关系（表）1.基本操作1.1选择(Selection,σ)选择操作从关系中选择满足特定条件的元组（行）。关系代数表示：σ条件（R）SQL示例：--选择年龄大于30的员工SELECT*FROMEmployeesWHEREage>30;1.2投影(Projection,π)投影操作从关系中选择特定的属性（列）。关系代数表
  • LLM模型的一些思考 巴基海贼王 nlp
    对通用LLM模型进行Fine-tuning操作（SFT，supervisedfinetuning），带来的影响往往是有害的？从表象看，使用领域数据对LLM做Fine-tuning，通常会造成灾难性的“灾难遗忘”问题。简单点儿说，SFT在赋予对领域知识理解能力的同时，由于修正模型参数，导致模型遗忘之前学会的某些知识。目前的“智能=压缩”的理论是否正确？LLM的压缩能力是否可以拆解成单个神经元的“压缩
  • Python 可迭代的对象、迭代器 和生成器(Sentence类第4版：惰性实现) 钢铁男儿 流程Pythonpython开发语言
    Sentence类第4版：惰性实现设计Iterator接口时考虑到了惰性：next(my_iterator)一次生成一个元素。懒惰的反义词是急迫，其实，惰性求值（lazyevaluation）和及早求值（eagerevaluation）是编程语言理论方面的技术术语。目前实现的几版Sentence类都不具有惰性，因为__init__方法急迫地构建好了文本中的单词列表，然后将其绑定到self.word
  • windows下源码安装golang 616050468 golang安装golang环境windows
             系统： 64位win7， 开发环境：sublime text 2，  go版本： 1.4.1    1.  安装前准备(gcc, gdb, git)        golang在64位系
  • redis批量删除带空格的key bylijinnan redis
    redis批量删除的通常做法： redis-cli keys "blacklist*" | xargs redis-cli del 上面的命令在key的前后没有空格时是可以的，但有空格就不行了： $redis-cli keys "blacklist*" 1) "blacklist:12: [email protected]
  • oracle正则表达式的用法 0624chenhong oracle正则表达式
      方括号表达示 方括号表达式 描述 [[:alnum:]] 字母和数字混合的字符 [[:alpha:]] 字母字符 [[:cntrl:]] 控制字符 [[:digit:]] 数字字符 [[:graph:]] 图像字符 [[:lower:]] 小写字母字符 [[:print:]] 打印字符 [[:punct：]] 标点符号字符 [[:space:]]
  • 2048源码(核心算法有，缺少几个anctionbar，以后补上) 不懂事的小屁孩 2048
    2048游戏基本上有四部分组成， 1：主activity，包含游戏块的16个方格，上面统计分数的模块 2：底下的gridview，监听上下左右的滑动，进行事件处理， 3：每一个卡片，里面的内容很简单，只有一个text，记录显示的数字 4：Actionbar，是游戏用重新开始，设置等功能(这个在底下可以下载的代码里面还没有实现) 写代码的流程 1：设计游戏的布局，基本是两块，上面是分
  • jquery内部链式调用机理 换个号韩国红果果 JavaScriptjquery
    只需要在调用该对象合适(比如下列的setStyles)的方法后让该方法返回该对象（通过this  因为一旦一个函数称为一个对象方法的话那么在这个方法内部this（结合下面的setStyles）指向这个对象） function create(type){ var element=document.createElement(type); //this=element;
  • 你订酒店时的每一次点击 背后都是NoSQL和云计算 蓝儿唯美 NoSQL
    全球最大的在线旅游公司Expedia旗下的酒店预订公司，它运营着89个网站，跨越68个国家，三年前开始实验公有云，以求让客户在预订网站上查询假期酒店时得到更快的信息获取体验。 云端本身是用于驱动网站的部分小功能的，如搜索框的自动推荐功能，还能保证处理Hotels.com服务的季节性需求高峰整体储能。 Hotels.com的首席技术官Thierry Bedos上个月在伦敦参加“2015 Clou
  • java笔记1 a-john java
    1，面向对象程序设计（Object-oriented Propramming，OOP）：java就是一种面向对象程序设计。 2，对象：我们将问题空间中的元素及其在解空间中的表示称为“对象”。简单来说，对象是某个类型的实例。比如狗是一个类型，哈士奇可以是狗的一个实例，也就是对象。 3，面向对象程序设计方式的特性：     3.1 万物皆为对象。    
  • C语言 sizeof和strlen之间的那些事 C/C++软件开发求职面试题 必备考点（一） aijuans C/C++求职面试必备考点
            找工作在即，以后决定每天至少写一个知识点，主要是记录，逼迫自己动手、总结加深印象。当然如果能有一言半语让他人收益，后学幸运之至也。如有错误，还希望大家帮忙指出来。感激不尽。        后学保证每个写出来的结果都是自己在电脑上亲自跑过的，咱人笨，以前学的也半吊子。很多时候只能靠运行出来的结果再反过来
  • 程序员写代码时就不要管需求了吗？ asia007 程序员不能一味跟需求走
          编程也有2年了，刚开始不懂的什么都跟需求走，需求是怎样就用代码实现就行，也不管这个需求是否合理，是否为较好的用户体验。当然刚开始编程都会这样，但是如果有了2年以上的工作经验的程序员只知道一味写代码，而不在写的过程中思考一下这个需求是否合理，那么，我想这个程序员就只能一辈写敲敲代码了。       我的技术不是很好，但是就不代
  • Activity的四种启动模式 百合不是茶 android栈模式启动Activity的标准模式启动栈顶模式启动单例模式启动
    android界面的操作就是很多个activity之间的切换,启动模式决定启动的activity的生命周期 ;   启动模式xml中配置     <activity android:name=".MainActivity" android:launchMode="standard&quo
  • Spring中@Autowired标签与@Resource标签的区别 bijian1013 javaspring@Resource@Autowired@Qualifier
    Spring不但支持自己定义的@Autowired注解，还支持由JSR-250规范定义的几个注解，如：@Resource、 @PostConstruct及@PreDestroy。   1. @Autowired    @Autowired是Spring 提供的，需导入    Package:org.springframewo
  • Changes Between SOAP 1.1 and SOAP 1.2 sunjing ChangesEnableSOAP 1.1SOAP 1.2
    JAX-WS SOAP Version 1.2 Part 0: Primer (Second Edition) SOAP Version 1.2 Part 1: Messaging Framework (Second Edition) SOAP Version 1.2 Part 2: Adjuncts (Second Edition)   Which style of WSDL
  • 【Hadoop二】Hadoop常用命令 bit1129 hadoop
    以Hadoop运行Hadoop自带的wordcount为例，   hadoop脚本位于/home/hadoop/hadoop-2.5.2/bin/hadoop，需要说明的是，这些命令的使用必须在Hadoop已经运行的情况下才能执行   Hadoop HDFS相关命令  hadoop fs -ls  列出HDFS文件系统的第一级文件和第一级
  • java异常处理（初级） 白糖_ javaDAOspring虚拟机Ajax
    从学习到现在从事java开发一年多了，个人觉得对java只了解皮毛，很多东西都是用到再去慢慢学习，编程真的是一项艺术，要完成一段好的代码，需要懂得很多。 最近项目经理让我负责一个组件开发，框架都由自己搭建，最让我头疼的是异常处理，我看了一些网上的源码，发现他们对异常的处理不是很重视，研究了很久都没有找到很好的解决方案。后来有幸看到一个200W美元的项目部分源码，通过他们对异常处理的解决方案，我终
  • 记录整理-工作问题 braveCS 工作
    1）那位同学还是CSV文件默认Excel打开看不到全部结果。以为是没写进去。同学甲说文件应该不分大小。后来log一下原来是有写进去。只是Excel有行数限制。那位同学进步好快啊。 2）今天同学说写文件的时候提示jvm的内存溢出。我马上反应说那就改一下jvm的内存大小。同学说改用分批处理了。果然想问题还是有局限性。改jvm内存大小只能暂时地解决问题，以后要是写更大的文件还是得改内存。想问题要长远啊
  • org.apache.tools.zip实现文件的压缩和解压，支持中文 bylijinnan apache
    刚开始用java.util.Zip，发现不支持中文（网上有修改的方法，但比较麻烦） 后改用org.apache.tools.zip org.apache.tools.zip的使用网上有更简单的例子 下面的程序根据实际需求，实现了压缩指定目录下指定文件的方法 import java.io.BufferedReader; import java.io.BufferedWrit
  • 读书笔记-4 chengxuyuancsdn 读书笔记
    1、JSTL 核心标签库标签 2、避免SQL注入 3、字符串逆转方法 4、字符串比较compareTo 5、字符串替换replace 6、分拆字符串 1、JSTL 核心标签库标签共有13个， 学习资料：http://www.cnblogs.com/lihuiyy/archive/2012/02/24/2366806.html 功能上分为4类： (1)表达式控制标签：out
  • [物理与电子]半导体教材的一个小问题 comsci 问题
          各种模拟电子和数字电子教材中都有这个词汇-空穴       书中对这个词汇的解释是; 当电子脱离共价键的束缚成为自由电子之后,共价键中就留下一个空位,这个空位叫做空穴       我现在回过头翻大学时候的教材,觉得这个
  • Flashback Database --闪回数据库 daizj oracle闪回数据库
    Flashback 技术是以Undo segment中的内容为基础的， 因此受限于UNDO_RETENTON参数。要使用flashback 的特性，必须启用自动撤销管理表空间。 在Oracle 10g中， Flash back家族分为以下成员： Flashback Database， Flashback Drop，Flashback Query(分Flashback Query,Flashbac
  • 简单排序:插入排序 dieslrae 插入排序
    public void insertSort(int[] array){ int temp; for(int i=1;i<array.length;i++){ temp = array[i]; for(int k=i-1;k>=0;k--)
  • C语言学习六指针小示例、一维数组名含义，定义一个函数输出数组的内容 dcj3sjt126com c
    # include <stdio.h> int main(void) { int * p; //等价于 int *p 也等价于 int* p; int i = 5; char ch = 'A'; //p = 5; //error //p = &ch; //error //p = ch; //error p = &i; //
  • centos下php redis扩展的安装配置3种方法 dcj3sjt126com redis
    方法一 1.下载php redis扩展包  代码如下 复制代码 #wget http://redis.googlecode.com/files/redis-2.4.4.tar.gz 2 tar -zxvf 解压压缩包，cd /扩展包 （进入扩展包然后 运行phpize 一下是我环境中phpize的目录，/usr/local/php/bin/phpize (一定要
  • 线程池(Executors) shuizhaosi888 线程池
    在java类库中，任务执行的主要抽象不是Thread，而是Executor，将任务的提交过程和执行过程解耦 public interface Executor { void execute(Runnable command); }   public class RunMain implements Executor{ @Override pub
  • openstack 快速安装笔记 haoningabc openstack
    前提是要配置好yum源 版本icehouse，操作系统redhat6.5 最简化安装，不要cinder和swift 三个节点 172 control节点keystone glance horizon 173 compute节点nova 173 network节点neutron control /etc/sysctl.conf net.ipv4.ip_forward =
  • 从c面向对象的实现理解c++的对象（二） jimmee C++面向对象虚函数
    1. 类就可以看作一个struct，类的方法，可以理解为通过函数指针的方式实现的，类对象分配内存时，只分配成员变量的，函数指针并不需要分配额外的内存保存地址。 2. c++中类的构造函数，就是进行内存分配(malloc)，调用构造函数 3. c++中类的析构函数，就时回收内存(free) 4. c++是基于栈和全局数据分配内存的，如果是一个方法内创建的对象，就直接在栈上分配内存了。 专门在
  • 如何让那个一个div可以拖动 lingfeng520240 html
    <!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/xhtml
  • 第10章 高级事件（中） onestopweb 事件
    index.html <!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/
  • 计算两个经纬度之间的距离 roadrunners 计算纬度LBS经度距离
    要解决这个问题的时候，到网上查了很多方案，最后计算出来的都与百度计算出来的有出入。下面这个公式计算出来的距离和百度计算出来的距离是一致的。 /** * * @param longitudeA * 经度A点 * @param latitudeA * 纬度A点 * @param longitudeB *
  • 最具争议的10个Java话题 tomcat_oracle java
    1、Java8已经到来。什么！？ Java8 支持lambda。哇哦，RIP Scala！ 　　随着Java8 的发布，出现很多关于新发布的Java8是否有潜力干掉Scala的争论，最终的结论是远远没有那么简单。Java8可能已经在Scala的lambda的包围中突围，但Java并非是函数式编程王位的真正觊觎者。 　 　2、Java 9 即将到来 　　 Oracle早在8月份就发布
  • zoj 3826 Hierarchical Notation(模拟) 阿尔萨斯 rar
    题目链接：zoj 3826 Hierarchical Notation 题目大意：给定一些结构体，结构体有value值和key值，Q次询问，输出每个key值对应的value值。 解题思路：思路很简单，写个类词法的递归函数，每次将key值映射成一个hash值，用map映射每个key的value起始终止位置，预处理完了查询就很简单了。 这题是最后10分钟出的，因为没有考虑value为{}的情
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他