Hz1213825

【基础知识】从FT到FFT

概述

数学基础

微积分

复数

复平面

欧拉公式

单位根及性质

定义

傅里叶变换(FT)

作用

公式

频域的相关解释

傅里叶逆变换(IFT)

公式

离散傅里叶变换(DFT)

公式

DFT的实现

离散傅里叶逆变换(IDFT)实现

DFT的结果含义

快速傅里叶变换(FFT)

通用性

原理推导

递归版FFT (IFFT)

迭代版FFT

递归版FFT分析

数据排序

实现

成品

概述

网上看了很多关于FFT的解释,但他们大都是用于算法加速(快速计算多项式乘法),而本文将从另一个角度来说明FFT的其他作用-----信号处理领域的天才工具

首先是名词解释

缩写	英文	中文
FT	Fourier Transform	傅里叶变换
DFT	Discrete Fourier Transform	离散傅里叶变换
FFT	Fast Fourier Transform	快速傅里叶变换
IFT	Inverse Fourier Transform	傅里叶逆变换
IDFT	Inverse Discrete Fourier Transform	离散傅里叶逆变换
IFFT	Inverse Fast Fourier Transform	快速傅里叶逆变换

之后是他们的关系

FT是最基础的一种变换,IFT则是FT的逆运算

DFT是离散化的FT(计算机只能处理离散数据)

FFT则是DFT的一种快速运算方法

IDFT和IFFT则分别是DFT和FFT的逆运算

数学基础

微积分

微积分基础(高数)还是得有的,请自行收看B站视频

复数

定义 $i\times i=-1$

$z_{1}^{}=a+bi$ 就是一个复数

$z_{2}=c+di$

共轭复数: $\bar{z}=a-bi$

加减法: $z_{1}\pm z_{2}=(a+c)\pm (b+d)i$

乘法: $z_{1}\times z_{2}=(a+bi)(c+di)=ac+adi+bci+bd\cdot i\cdot i=ac+adi+bci-bd\cdot=(ac-bd)+(ad+bc)i$

复平面

我们以实轴为横轴,虚轴为纵轴,建立平面直角坐标系,这个坐标系所在的平面被称为复平面

复数形式对应着复平面中唯一确定的一点

欧拉公式

$e^{(ix)}=cos(x)+isin(x)$

通过公式可以看出, $e^{ix}$ 是复平面上的一个单位圆

随着x的增加,代表红色的点沿着逆时针方向进行旋转

关于复数和复平面的详情请看 复变函数

单位根及性质

定义

$z^{n}=1$ 的根

在复数范围内的,n次单位根有n个

它们将复平面单位圆等分为n份

记作 $w_{n}^{k}$

根据定义 $w_{n}^{k}=e^{\frac{2\pi ki}{n}}=cos(\frac{2\pi k}{n})+isin(\frac{2\pi k}{n})$

单位根性质1: $w_{n}^{k}=w_{2n}^{2k}$

证明: $w_{n}^{k}=e^{\frac{2\pi k i }{n}}=e^{\frac{w\pi (wk) i}{(2n)}}=w_{2n}^{2k}$

单位根性质2: $w_{n}^{k+\frac{n}{2}}=-w_{n}^{k}$

根据欧拉公式可以知道 $e^{\pi i}=-1$

证明: $w_{n}^{k+\frac{n}{2}}=e^{\frac{2\pi (k+\frac{n}{2})i}{n}}=e^{\frac{2\pi ki}{n}}\cdot e^{\frac{\pi ni}{n}}=-e^{\frac{2\pi ki}{n}}=-w_{n}^{k}$

单位根性质3: $w_{n}^{0}=w_{n}^{n}$

带进去就行,证明略

单位根性质4: $(w_{n}^{k})^{2}=w_{n}^{2k}$

证明: $(w_{n}^{k})^{2}=(e^{\frac{2\pi ki}{n}})^{2}=e^{\frac{2\pi (2k)i}{n}}=w_{n}^{2k}$

单位根性质5: $w^{a+b}_{n}=w^{a}_{n}\cdot w^{b}_{n}$

带进去就行,证明略

另外 $w_{n}^{n-k}=e^{-\frac{2\pi ki}{n}}$

根据欧拉公式可以知道 $e^{2\pi i}=1$

证明: $w_{n}^{n-k}=e^{\frac{2\pi (n-k)i}{n}}=e^{\frac{2\pi ni}{n}}\cdot e^{-\frac{2\pi ki}{n}}=e^{-\frac{2\pi ki}{n}}$

傅里叶变换(FT)

咱不是数学家,不谈原理,只谈应用

傅里叶变换(FT)就是一种人为发明的数学工具

作用

作用就一句话:将时域信号转为频域

这也是电学老师最常挂在嘴边的一句话

通俗理解:

我们来设想这样一个场景,现在要求这个函数的图像

那很简单,只需要将每个点带入函数求出值,并将其画出即可,就像下图

如果这个信号是现实中的某个信号(如声音)

横轴是以时间,纵轴是现实中的物理量(如电压),则这个图像是信号在时域中的表现

而如果我们知道这个图像想要求出上式中的各项的 $\omega$ 及其系数呢?

这就是傅里叶变换所解决的事情

如下图,横轴是 f(t) 的每个asin(wt)的w,FT有对称性,忽略负半轴

纵轴与函数的a相关,则这个图像是信号在频域中的表现

所以,傅里叶变换就是一种将组合起来的信号拆解开来的工具

这是非常反直觉的,但经过数学上的严格证明

它为我们提供了一种新的信号分析的手段

公式

傅里叶变换公式:

$F(\omega )=\int_{-\infty }^{\infty}f(t)e^{-iwt}dt$

计算时只需要把复数分为实部和虚部分别积分即可

频域的相关解释

可能原意动手的小伙伴已经发现了,好像并不能直接计算出 sin(t) 的傅里叶变换

得出上式是根据傅里叶函数的定义和一个另外的构造函数(单脉冲函数)来的

具体的手算FT的过程请看积分变换

每一个函数均可以写成有限或无限个正弦函数的和,即

$f(t)=\sum_{0}^{\infty } a_{i}cos(w_{i}t+\phi _{i})$

下图中的横坐标自然是原函数 f(t)中每一个 $a_{i}cos(w_{i}t+\phi _{i})$ 的 $\omega _{i}$

这个图仅仅表现频率的性质,而还有相位信息没有表现出来,因此表现出

关于0对称的图像

纵坐标是傅里叶变换的结果的模(傅里叶变换的结果是复变函数),这里常用模值

而与幅值的对应关系是互为相反数的两个赋值的和/2 $\pi$

即w=1的幅值 $a=\frac{\pi +\pi }{2\pi }=1$

注意:本图也是网上最常见到的图(幅度谱),只表现出了频率(w),并没有表现出相位

这个图则是刚才函数的相位谱

以 $\left | \omega \right |=1$ 的两个点为例子来解释下

这两个点在幅度谱和相位谱的值分别代表这项展开式 $a_{i}cos(w_{i}t+\phi _{i})$ 中的 $a_{i}$ 和 $\phi _{i}$

所以这项可以表示为 $\frac{\pi }{2\pi }cos(-t+\frac{\pi }{2})+\frac{\pi }{2\pi }cos(t-\frac{\pi }{2})=\frac{1}{2}cos(t-\frac{\pi }{2})+\frac{1}{2}cos(t-\frac{\pi }{2})=cos(\frac{\pi }{2}-t)=sin(t)$

傅里叶逆变换(IFT)

能将时域转化为频域进行处理,这是信号处理的一大进步,

但往往我们需要将这个频域信号转化会时域信号才能让其发挥作用

如音频处理中,如果要消除某个高频(低频)的噪声,我们要得到的肯定是时域信号,频域的信号不能被人耳所识别

这就需要本节提到的傅里叶逆变换了

公式

$f(t)=\frac{1}{2\pi }\int_{-\infty }^{\infty }F(w)e^{iwt}dw$

和傅里叶变换的公式相比,是改变了系数,被积分的量由时域信号换为了频域信号,附带的算子 $e^{-iwt}$ 换成了 $e^{iwt}$

在计算上(尤其是计算机的计算)没有特别大的区别,仅仅是更改了输入输出和某一个(sin项(欧拉公式展开后))的符号而已

离散傅里叶变换(DFT)

因为计算机只能处理离散化的数据(采样不可能做到实时),因此在处理傅里叶变换时需要将其进行离散化,也就是离散傅里叶变换(DFT)

公式

$X(m)=\sum_{n=0}^{N-1}x(n)e^{-jk\frac{2\pi n}{N}}$

X(m)就是DFT之后的频域信号,因为是离散的,因此频域信号是一个个孤立的点

x(n)是采集到的时域的信号,需要每隔固定的时间进行采集

N是采集的信号和输出信号的数量

欧拉公式 $e^{(ix)}=cos(x)+isin(x)$ 代表着在复平面上一个点随着x的增加沿着单位圆而逆时针旋转

因为在连续傅里叶变换中是 $-\infty\rightarrow \infty$ 的积分,因此 $e^{-iwt}$ 中的t代表将复平面的单位圆分为无数个小份进行求和(积分)

而在DFT中,则需要对整个单位圆间隔一段距离进行采样计算,也就是 $e^{-jm\frac{2\pi n}{N}}$ 中的 $\frac{2\pi n}{N}$

DFT的实现

因为使用到了复数运算,因此我们先建立一个复数结构体

typedef struct __complex
{
	float real;
	float imaginary;
}complex;

之后是复数的基本运算

complex complex_multiplication(complex a, complex b)
{
	complex zj;
	zj.real = a.real*b.real - a.imaginary*b.imaginary;
	zj.imaginary = a.real*b.imaginary + a.imaginary*b.real;
	return zj;
}
complex complex_add(complex a, complex b)
{
	complex zj;
	zj.real = a.real + b.real;
	zj.imaginary = a.imaginary + b.imaginary;
	return zj;
}
complex complex_subtraction(complex a, complex b)
{
	complex zj;
	zj.real = a.real - b.real;
	zj.imaginary = a.imaginary - b.imaginary;
	return zj;
}

$X(k)=\sum_{n=0}^{N-1}x(n)e^{-jk\frac{2\pi n}{N}}=\sum_{n=0}^{N-1}x(n)\left [ cos(k\frac{2\pi n}{N})-jsin(k\frac{2\pi n}{N})\right ]$

根据DFT的公式可以看出

每计算一个m的值,需要经历从0到N-1的一个累加

而x(n)是复数, $e^{-jm\frac{2\pi n}{N}}$ 可以使用欧拉公式展开为复数 $e^{-jk\frac{2\pi n}{N}}=cos(k\frac{2\pi n}{N})-jsin(k\frac{2\pi n}{N})$

所以只需要进行一个复数的乘法即可

#define PI (3.1415926)
void DFT(complex *Input, complex *Output,int Len)
{
	complex zj,zj1;
	for (int k = 0; k < Len; k++)
	{
		zj.real = 0;
		zj.imaginary = 0;
		for (int n = 0; n < Len; n++)
		{
			zj1.real= cos(2 * PI*k*n / Len);
			zj1.imaginary= -sin(2 * PI*k*n / Len);
			zj1=complex_multiplication(zj1, Input[n]);
			zj = complex_add(zj, zj1);
		}
		Output[k] = zj;
	}
}

首先输入的是复数数组x(k),输出数组X(k),还有长度N

之后是扫描k 从0到N-1,这步是计算频域中每一个离散点

再之后就是扫描n 也是从0到N-1,是一个累加,再确定k的条件下计算 $\sum_{n=0}^{N-1}x(n)e^{-jk\frac{2\pi n}{N}}$

具体是设置中间变量 zj , zj1,他们都是复数,zj用于存储每个不同k的累加数据

而zj1则用于存储不同k时的算子 $cos(k\frac{2\pi n}{N})-jsin(k\frac{2\pi n}{N})$

之后进行复数乘法和累加到zj中后放入输出的指定位置即可

离散傅里叶逆变换(IDFT)实现

IDFT的公式是

$x(k)=\frac{1}{N}\sum_{n=0}^{N-1}X(k)e^{jk\frac{2\pi n}{N}}=\frac{1}{N}\sum_{n=0}^{N-1}x(n)\left [ cos(k\frac{2\pi n}{N})+jsin(k\frac{2\pi n}{N})\right ]$

从公式可以看出, 我们只需要将DFT的算法进行一点改变即可变为IDFT

首先是在进行复数乘法之前,将-sin项变为sin即可,也就是乘-1

之后是在输出时虚部和实部均 / N(这里是Len)

其余地方无需改动

void DFT(complex *Input, complex *Output,int Len,int inverse)
{
	complex zj,zj1;
	for (int k = 0; k < Len; k++)
	{
		zj.real = 0;
		zj.imaginary = 0;
		for (int n = 0; n < Len; n++)
		{
			zj1.real= cos(2 * PI*k*n / Len);
			zj1.imaginary = inverse *-sin(2 * PI*k*n / Len);
			zj1=complex_multiplication(zj1, Input[n]);
			zj = complex_add(zj, zj1);
		}
		if (inverse == -1)
		{
			zj.real /= Len;
			zj.imaginary /= Len;
		}
		Output[k] = zj;
	}
}

DFT的结果含义

首先说明一点,DFT是关于 $x_{\frac{N}{2}}$ 对称的

根据采样定理,想要不失真获得原始信号,则采样频率需要至少为原频率的2倍,我们一般取左半为有效信号

某个信号的幅值谱如下 ,我们要根据这个计算信号的频率幅值和相位(展开成 $a_{i}cos(w_{i}t+\phi _{i})$ )的 $a_{i},w_{i},\phi _{i}$

另外因为截取的信号不是完整周期的信号,因此会出现频谱泄露

所以求相位的方法是先找到频率,在找到频率对应的那个x(k)的虚部和实部求得相位

设采样信号的频率为 $f_{0}$ ,采样点的数量为N

则的对应的频率为 $\frac{f_{0}k}{N}$ ,分辨率为 $\frac{f_{0}}{N}$

幅值在除了直流分量()处为 $\frac{x(k)}{\frac{N}{2}}$

在直流分量()处为 $\frac{x(0)}{N}$

在上图幅值图中,取样频率为2048Hz,取样点数为2048个

上图尖峰的点对应的分别是下表

因此信号的两个cos分量的频率分别是326Hz和652Hz

他们的幅值分别是1和3

再根据找到的这两个幅值获取实部和虚部,分别为下图

则两个分量的相位均为-90°( $-\frac{\pi }{2}$ ),复平面如下图

原信号的表达式可以表示为 $f(t)=cos(2\pi \cdot 326\cdot t-\frac{\pi }{2})+3cos(2\pi \cdot 652\cdot t-\frac{\pi }{2})=sin(2048.32t)+3sin(4096.64t)$

快速傅里叶变换(FFT)

FFT是DFT的加速算法,所以在意义和结果的用法上和DFT完全相同

通用性

首先说明DFT和IDFT均可以使用FFT进行加速,对应的是FFT和IFFT

对于IDFT

原始公式 $x(k)=\frac{1}{N}\sum_{n=0}^{N-1}X(k)e^{jk\frac{2\pi n}{N}}$

中的算子可以表示为

$e^{\frac{2\pi kj}{N}}=w_{N}^{k}$

对于DFT

原始公式 $X(k)=\sum_{n=0}^{N-1}x(n)e^{-jk\frac{2\pi n}{N}}$

其中的算子

$e^{-\frac{2\pi kj}{N}}=w_{N}^{N-k}$

可以设 t=n-k

则DFT与IDFT的形式得以统一

$w_{N}^{t}$

这两者对于FFT的加速过程来说没有本质区别

原理推导

以DFT为例,IDFT仅仅是在计算时更改了符号和系数而已

$X(k)=\sum_{n=0}^{N-1}x(n)e^{-jk\frac{2\pi n}{N}}=\sum_{n=0}^{N-1}x(n)(e^{-jk\frac{2\pi }{N}})^{n}=\sum_{n=0}^{N-1}x(n)(w_{N}^{t})^{n}$

为了方便起见,我们让 $y=w_{N}^{t}$

注意:下式中的X与X(y)均是DFT输出的某一个值,如X(0),X(1)

则 $X=x_{0}y^{0}+x_{1}y^{1}+x_{2}y^{2}+x_{3}y^{3}+x_{4}y^{5}+\cdots +x_{0n-1}y^{n-1}$

之后我们根据函数的奇偶性将X分为两部分

$X(y)=(x_{0}+x_{2}y^{2}+\cdots +x_{n-2}y^{n-2})+(x_{1}y+x_{3}y^{3}+\cdots +x_{n-1}y^{n-1})=(x_{0}+x_{2}y^{2}+\cdots +x_{n-2}y^{n-2})+y(xx_{1}+x_{3}y^{2}+\cdots +x_{n-1}y^{n-2})$

之后我们构造2个函数

$X_{1}(y)=x_{0}+x_{2}y+\cdots +x_{n-2}y^{\frac{n}{2}-1}$

$X_{2}(y)=x_{1}+x_{3}y+\cdots +x_{n-1}y^{\frac{n}{2}-1}$

则可以知道 $X(y)=X_{1}(y^{2})+yX_{2}(y^{2})$

现在令 $z<\frac{N}{2}$ 构造出一个单位根 $w_{N}^{z}$

因为原来的y也是一个单位根, $y=w_{N}^{t}$ ,且

所以我们需要将 $w_{N}^{z}$ 和 $w_{N}^{z+\frac{N}{2}}$ 均带入并让两个结果连接起来才与原式等价

(也就是说将整个原来的式子分为了两部分,一个是 $<\frac{N}{2}$ 的部分,另一个是 $>\frac{N}{2}$ 的部分

搞到这里大多数人(~~我刚学的时候~~) 就已经晕了,搞这玩意干啥,和DFT有啥关系?

我们回想以下怎么通过X(y)这个数学上的函数算出DFT来

我们需要将k从0遍历到N-1,也就是t从N-1遍历到0,带入X(y)中,得到从X(0)到X(N-1)的这N个数

$y=w_{N}^{t}=w_{N}^{N-k}=e^{-\frac{2\pi kj}{N}}$

但是这样直接带入,时间复杂度和DFT没有什么区别

下面就是FFT的核心了,注意看好

将构造出来的单位根带入X(y)得

$X(w_{N}^{z}) = X_{1}((w_{N}^{z})^{2})+w_{N}^{z}X_{2}((w_{N}^{z})^{2}) = X_{1}(w_{\frac{N}{2} }^{z})+w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

$X(w_{N}^{z+\frac{N}{2}}) = X_{1}(w_{N}^{2z+N})+w_{N}^{z+\frac{N}{2}}(w_{N}^{2z+N}) =X_{1}(w_{N}^{2z}\cdot w_{N}^{N})-w_{N}^{z}X_{2}(w_{N}^{2z}\cdot w_{N}^{N}) =X_{1}(w_{N}^{2z})-w_{N}^{z}X_{2}(w_{N}^{2z}) =X_{1}(w_{\frac{N}{2} }^{z})-w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

为了直观我们只看最后的结果

$X(w_{N}^{z}) =X_{1}(w_{\frac{N}{2} }^{z})+w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

$X(w_{N}^{z+\frac{N}{2}}) =X_{1}(w_{\frac{N}{2} }^{z})-w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

看出来什么了没有,这两个(前后半部分)的表达式只有一项的符号不同

也就是说,如果我们知道了 $X_{1}(w_{\frac{N}{2} }^{z}),w_{N}^{z},X_{2}(w_{\frac{N}{2}}^{z})$ 就可以同时知道 $X(w_{N}^{z}) ,X(w_{N}^{z+\frac{N}{2}})$ ,

也就知道了DFT的计算结果了

那 $X_{1}(w_{\frac{N}{2} }^{z}),X_{2}(w_{\frac{N}{2}}^{z})$ 怎么求呢?回看一下我们的定义

$X_{1}(y)=x_{0}+x_{2}y+\cdots +x_{n-2}y^{\frac{n}{2}-1}$

$X_{2}(y)=x_{1}+x_{3}y+\cdots +x_{n-1}y^{\frac{n}{2}-1}$

和X(y)的定义

$X=x_{0}y^{0}+x_{1}y^{1}+x_{2}y^{2}+x_{3}y^{3}+x_{4}y^{5}+\cdots +x_{0n-1}y^{n-1}$

原来如此, $X_{1}(w_{\frac{N}{2} }^{z}),X_{2}(w_{\frac{N}{2}}^{z})$ 原来分别是整个序列的偶数项和奇数项的DFT啊

那就可以分别对他们的奇偶数项进行DFT

以此类推,也就是分治的方法,或者可以叫它递归

而且输入的N必须得是2的整数次幂,不然就不能每次都分为数量相等奇偶数项

等到N==1的时候,只有一项的DFT就是它本身,直接返回即可

递归版FFT (IFFT)

根据上文所述原理,我们可以轻易写出递归版的FFT

操作流程如下:

判断数据数量,如果为1 则无需操作直接返回

将奇数项和偶数项分开

分别对奇数和偶数项进行FFT得出结果(递归调用)

将结果连接起来得到FFT

而IFFT, 是在计算 $w_{N}^{z}$ 时将sin项乘上了个 -1

还需要再输出的时候将每一项均除以 N ,但是在递归里不便实现

需要的话可以在FFT结束后自行计算即可

void FFT(complex *Input, complex *Output,int Len, int inverse)
{
	if (Len == 1)//长度为1则直接返回即可
		return;
	complex *zj_j, *zj_o, zj,zj1;
	zj_j = (complex *)malloc(sizeof(complex)*Len / 2);//申请动态变量,中间变量
	zj_o = (complex *)malloc(sizeof(complex)*Len / 2);
	for (int i = 0; i < Len / 2; i++)//将输入的奇偶项分开
	{
		zj_o[i] = Input[i * 2];
		zj_j[i] = Input[i * 2 + 1];
	}
	FFT(zj_j, zj_j, Len / 2, inverse);//对奇偶项分别进行FFT
	FFT(zj_o, zj_o, Len / 2, inverse);
	for (int i = 0; i < Len / 2; i++)
	{
		zj1.real= cos(2 * PI*i / Len);
		zj1.imaginary= inverse *-sin(2 * PI*i / Len);//X2的系数

		zj = complex_multiplication(zj1, zj_j[i]);//计算X2的那一项 这样可以减少一次复数乘法
		Output[i] = complex_add(zj_o[i], zj);//前半部分
		Output[i + Len / 2]= complex_subtraction(zj_o[i], zj);//后半部分
	}
	free(zj_j);//释放中间变量
	free(zj_o);
}

这段程序看起来非常好,也完美达到了完美的目标

但是占用内存太大了(尤其是对于单片机等设备,内存==钱啊),得优化一下

迭代版FFT

递归版FFT分析

首先我们看一下递归版FFT干了什么

我们将这种操作叫做蝴蝶操作

$X(w_{N}^{z}) =X_{1}(w_{\frac{N}{2} }^{z})+w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

$X(w_{N}^{z+\frac{N}{2}}) =X_{1}(w_{\frac{N}{2} }^{z})-w_{N}^{z}X_{2}(w_{\frac{N}{2}}^{z})$

在同一层递归中,奇偶数项的FFT的值是确定的,而 $w_{N}^{z}$ 的值是改变的
以数据量 N=8为例介绍

这图中的元素代表一层,也就是最顶层的递归

而不同颜色的中括号代表进行蝴蝶操作中使用到的不同的 $w_{N}^{z}$

他们的奇偶数项的FFT 是相同的

并且计算后将结果放回到x(k)里面

也就是说在图中,x0-x7在经历蝴蝶变换之后就为FFT的输出数据了

而分治之后(下一层的结果)的奇偶数项的FFT已经分别存入了x0-x7

之后再看下两层递归

含义和上层相同

这便是N=8的全部层了

全家福如上

因为要先算出奇偶数项的FFT,才能进行连接(蝴蝶操作)

所以计算的顺序都是从最底层的递归开始算起

那实际上进行的操作便是

这8个输入数据分别经历了3( $\log_{2}{8}$ )次蝴蝶操作

而如果记最底层操作为0层,向上依次为 i 层,则每次蝴蝶操作的变参数为 $2^{i}$ 次单位根

如果我们知道了数据最后的排序 $x_{0},x_{4} ,x_{2} ,x_{6} ,x_{1} ,x_{5}, x_{3} , x_{7}$

那只需要 $x_{0},x_{4}$ 分别经历以 $w_{2}^{0},w_{4}^{0},w_{8}^{0}$ 为变参数的3次蝴蝶操作即可得出最后结果

那现在的问题就是如何得出数据最后的排序

数据排序

咱不是数学家,也不会完备的证明,所以就只说结论了

最后的序号顺序是 位逆序置换 的结果

大白话讲:将编号转化为二进制,再从高位读到低位,写的时候从低位往高位写,就是最后结果的编号

就像下表一样 (N=8)

固然可以直接按照刚才说到倒序摆放数字得出最终编号,但是某些数学家发明了更好的解决方法,可以加快运算

规律:(应该有证明,但是咱不会)

数据的个数 $N=8=2^{3}$ ,最终编号的二进制位数是 3 ( $\log_{2}{N}$ )位

原始编号是偶数,最终编号最高位为0,奇数最高位为1

除最高位外,其他位均为原始编号/2(向下取整) 的最终编号向右移一位的结果

(首先说明:计算按原始编号0-(N-1)进行,也就是说,再计算最终编号第x个时,我们已经知道了x/2个的最终编号是什么了)

例子:想要计算原始编号是3的最终编号,也就是第3个(从0开始数)最终编号,

最终编号最高位是1,因为原始是奇数

又因为 3/2=1(向下取整) 则第3个最终编号的低位是第1个最终编号向右移1位的结果(100>>1=010)

度3个最终编号是110

c语言实现

首先是计算 $\log_{2}{N}$ ,因为是2的整数次幂,所以使用一个循环即可

之后建立一个最终编号的数组 rev ,并按照上文提到规律进行计算

int lim = 1,//用于计数的中间变量
		len = 0, //最终编号的二进制位数
		*rev;//最终编号
	rev = (int *)malloc(sizeof(int)*Len);
	rev[0] = 0;
	while (lim < Len)//计算log 获取最终编号的二进制位数
	{
		lim <<= 1;
		len++;
	}
	for (int i = 0; i < lim; i++)//获取最终编号
	{
		rev[i] = (rev[i >> 1] >> 1) | ((i & 1) << (len - 1));
	}

实现

首先是将输入数组按照最终编号排序

之后需要一个循环来扫描单位根(在例子中是2,4,8次单位根)

在之前这个循环中需要嵌套一个循环,它是用于扫描n次单位根第几个的(如 $w_{8}^{0},w_{8}^{1},w_{8}^{2},w_{8}^{3}$ )

在这个循环中还需嵌套一个循环,用于扫描左半得出全部答案(如 $w_{4}^{0}$ 单位根时,要扫描 $x_{0},x_{2}$ 得出 $x_{0},x_{2},x_{4},x_{6}$ 的答案)

为了减少几次三角运算,我们要用单位根性质5(数学基础中的)

来通过 $w_{8}^{0}$ 进行复数乘法计算出 $w_{8}^{1},w_{8}^{2},w_{8}^{3}$

void FFT(complex *Input, complex *Output, int Len, int inverse)
{
	complex zj,omega,zj1,zj2;

	int lim = 1,//用于计数的中间变量
		len = 0, //最终编号的二进制位数
		*rev;//最终编号
	rev = (int *)malloc(sizeof(int)*Len);
	rev[0] = 0;
	while (lim < Len)//计算log 获取最终编号的二进制位数
	{
		lim <<= 1;
		len++;
	}
	for (int i = 0; i < Len; i++)//获取最终编号并将输入按照最终编号顺序排列
	{
		rev[i] = (rev[i >> 1] >> 1) | ((i & 1) << (len - 1));
		Output[i] = Input[rev[i]];
	}
	for (int m = 1; m < Len; m *= 2)//单位根扫描
	{
		zj.real = cos(PI / m);//本来应该是2PI/2m 进行了约分
		zj.imaginary = inverse *-sin(PI / m);
		for (int i = 0; i < Len; i += m * 2)//扫描奇偶项
		{
			omega.real =  1;
			omega.imaginary = 0;
			for (int j = 0; j < m; j++)//扫描左半
			{
				zj1 = Output[i + j];
				zj2 = complex_multiplication(omega, Output[i + j + m]);

				Output[i + j] = complex_add(zj1,zj2);
				Output[i + j + m] = complex_subtraction(zj1, zj2);//蝴蝶操作,同时得出左右半

				omega = complex_multiplication(omega, zj);//更新单位根
			}
		}
	}
	if (inverse == -1)//IFFT时需要/N
	{
		for (int i = 0; i < Len; i++)
		{
			Output[i].real /= Len;
			Output[i].imaginary /= Len;
		}
	}
}

成品

FFT的内容就到这了,下面给出完整代码

使用FFT的结果作为信号分析时的方法请看 DFT的结果含义

(使用目录跳转即可)

#define PI (3.1415926)
typedef struct __complex
{
	float real;
	float imaginary;
}complex;
complex complex_multiplication(complex a, complex b)
{
	complex zj;
	zj.real = a.real*b.real - a.imaginary*b.imaginary;
	zj.imaginary = a.real*b.imaginary + a.imaginary*b.real;
	return zj;
}
complex complex_add(complex a, complex b)
{
	complex zj;
	zj.real = a.real + b.real;
	zj.imaginary = a.imaginary + b.imaginary;
	return zj;
}
complex complex_subtraction(complex a, complex b)
{
	complex zj;
	zj.real = a.real - b.real;
	zj.imaginary = a.imaginary - b.imaginary;
	return zj;
}
//输入输出的数组指针,长度只能是2的整数次幂,inverse为1是FFT,-1是IFFT
void FFT(complex *Input, complex *Output, int Len, int inverse)
{
	complex zj,omega,zj1,zj2;

	int lim = 1,//用于计数的中间变量
		len = 0, //最终编号的二进制位数
		*rev;//最终编号
	rev = (int *)malloc(sizeof(int)*Len);
	rev[0] = 0;
	while (lim < Len)//计算log 获取最终编号的二进制位数
	{
		lim <<= 1;
		len++;
	}
	for (int i = 0; i < Len; i++)//获取最终编号并将输入按照最终编号顺序排列
	{
		rev[i] = (rev[i >> 1] >> 1) | ((i & 1) << (len - 1));
		Output[i] = Input[rev[i]];
	}
	for (int m = 1; m < Len; m *= 2)//单位根扫描
	{
		zj.real = cos(PI / m);//本来应该是2PI/2m 进行了约分
		zj.imaginary = inverse *-sin(PI / m);
		for (int i = 0; i < Len; i += m * 2)//扫描奇偶项
		{
			omega.real =  1;
			omega.imaginary = 0;
			for (int j = 0; j < m; j++)//扫描左半
			{
				zj1 = Output[i + j];
				zj2 = complex_multiplication(omega, Output[i + j + m]);

				Output[i + j] = complex_add(zj1,zj2);
				Output[i + j + m] = complex_subtraction(zj1, zj2);//蝴蝶操作,同时得出左右半

				omega = complex_multiplication(omega, zj);//更新单位根
			}
		}
	}
	if (inverse == -1)//IFFT时需要/N
	{
		for (int i = 0; i < Len; i++)
		{
			Output[i].real /= Len;
			Output[i].imaginary /= Len;
		}
	}
}

另外:不知道为什么,网上的FFT的单位根的 sin 使用的都是正值但是我根据公式推出的和计算相位角所得到的都应该是 -sin

请大佬解答

你可能感兴趣的:(基础知识,单片机)

关于城市旅游的HTML网页设计——(旅游风景云南 5页)HTML+CSS+JavaScript 二挡起步 web前端期末大作业 javascript html css 旅游风景
⛵源码获取文末联系✈Web前端开发技术描述网页设计题材，DIV+CSS布局制作,HTML+CSS网页设计期末课程大作业|游景点介绍|旅游风景区|家乡介绍|等网站的设计与制作|HTML期末大学生网页设计作业，Web大学生网页HTML：结构CSS：样式在操作方面上运用了html5和css3，采用了div+css结构、表单、超链接、浮动、绝对定位、相对定位、字体样式、引用视频等基础知识JavaScrip
HTML网页设计制作大作业（div+css）云南我的家乡旅游景点带文字滚动二挡起步 web前端期末大作业 web设计网页规划与设计 html css javascript dreamweaver 前端
Web前端开发技术描述网页设计题材，DIV+CSS布局制作,HTML+CSS网页设计期末课程大作业游景点介绍|旅游风景区|家乡介绍|等网站的设计与制作HTML期末大学生网页设计作业HTML：结构CSS：样式在操作方面上运用了html5和css3，采用了div+css结构、表单、超链接、浮动、绝对定位、相对定位、字体样式、引用视频等基础知识JavaScript：做与用户的交互行为文章目录前端学习路线
数据仓库——维度表一致性墨染丶eye 背诵数据仓库
数据仓库基础笔记思维导图已经整理完毕，完整连接为：数据仓库基础知识笔记思维导图维度一致性问题从逻辑层面来看，当一系列星型模型共享一组公共维度时，所涉及的维度称为一致性维度。当维度表存在不一致时，短期的成功难以弥补长期的错误。维度时确保不同过程中信息集成起来实现横向钻取货活动的关键。造成横向钻取失败的原因维度结构的差别，因为维度的差别，分析工作涉及的领域从简单到复杂，但是都是通过复杂的报表来弥补设计
Rust基础知识 GRKF15 rust 开发语言后端
1.Rust语言简介1.1基础语法变量声明：let关键字用于声明变量，可以指定或不指定类型，如leta=10;和letmutc=30i32;。函数定义：使用fn关键字定义函数，并指定参数类型及返回类型，如fnadd(i:i32,j:i32)->i32{i+j}。控制流：包括if、else等，控制语句后需要使用;来结束语句。1.2数据类型整数类型：i8、i16、i32、i64、i128，以及无符号的
Python入门之Lesson2:Python基础语法小熊同学哦 Python入门课程 python 开发语言算法数据结构青少年编程
目录前言一.介绍1.变量和数据类型2.常见运算符3.输入输出4.条件语句5.循环结构二.练习三.总结前言欢迎来到《Python入门》系列博客的第二课。在上一课中，我们了解了Python的安装及运行环境的配置。在这一课中，我们将深入学习Python的基础语法，这是编写Python代码的根基。通过本节内容的学习，你将掌握变量、数据类型、运算符、输入输出、条件语句等Python编程的基础知识。一.介绍1
基于STM32与Qt的自动平衡机器人：从控制到人机交互的的详细设计流程极客小张 stm32 qt 机器人物联网人机交互毕业设计 c语言
一、项目概述目标和用途本项目旨在开发一款基于STM32控制的自动平衡机器人，结合步进电机和陀螺仪传感器，实现对平衡机器人的精确控制。该机器人可以用于教育、科研、娱乐等多个领域，帮助用户了解自动控制、机器人运动学等相关知识。技术栈关键词STM32单片机步进电机陀螺仪传感器AD采集电路Qt人机界面实时数据监控二、系统架构系统架构设计本项目的系统架构设计包括以下主要组件：控制单元:STM32单片机传感器
【2022 CCF 非专业级别软件能力认证第一轮（CSP-J1）入门级 C++语言试题及解析】汉子萌萌哒 CCF noi 算法数据结构 c++
一、单项选择题(共15题，每题2分，共计30分；每题有且仅有一个正确选项)1.以下哪种功能没有涉及C++语言的面向对象特性支持：()。A.C++中调用printf函数B.C++中调用用户定义的类成员函数C.C++中构造一个class或structD.C++中构造来源于同一基类的多个派生类题目解析【解析】正确答案:AC++基础知识，面向对象和类有关，类又涉及父类、子类、继承、派生等关系，printf
Golang语言基础知识点总结最帅猪猪侠 golang 开发语言后端
Golang语言基础知识点小总结1.go语言有两大类型：值类型：数值类型，bool，string，数组，struct结构体变量直接存储值，内存通常在栈中分配,修改值,不会对源对象产生影响引用类型：指针，slice切片，管道chan，map，interface变量存储的是一个地址，这个地址对应的空间才真正存储数据值，内存通常在堆上分配，当没有任何变量引用这个地址时，该地址对应的数据空间就成为一个垃圾
go基础知识归纳总结悟空丶123 golang 开发语言后端
无缓冲的channel和有缓冲的channel的区别？在Go语言中，channel是用来在goroutines之间传递数据的主要机制。它们有两种类型：无缓冲的channel和有缓冲的channel。无缓冲的channel行为：无缓冲的channel是一种同步的通信方式，发送和接收必须同时发生。如果一个goroutine试图通过无缓冲channel发送数据，它会阻塞，直到另一个goroutine从该
51单片机——I2C总线存储器24C02的应用老侯（Old monkey） 51单片机嵌入式硬件单片机
目标实现功能单片机先向24C02写入256个字节的数据，再从24C02中一次读取2个字节的数据、并在数码管上动态显示，直至读完24C02中256个字节的数据。1.I2C总线简介I2C总线有两根双向的信号线，一根是数据线SDA,另一根是时钟线SCL。I2C总线通过上拉电阻接正电源，因此，当总线空闲时为高电平。2.I2C通信协议起始信号、停止信号由主机发出。在数据传送时，当时钟线为高电平时，数据线上的
嵌入式单片机中数码管基本实现方法嵌入式开发星球单片机项目实战操作之优秀单片机
1.点亮数码管本节课利用已经学习的LED知识去控制一个8位数码管。本节的原理比较简单。不需要多少时间讲。更多时间是跟大家一起编码调试，从中学习一些编码思路和学习方法。1.1.什么是数码管数码管是什么？下图就是一个数码管从硬件上个看，其实就是8个LED组合在一起。8个LED应该有16个引脚，但是数码管上只有10个引脚。为什么呢？请看下图：1个LED有两个引脚，要控制LED，1个引脚接控制信号，另外一
2021-10-03 虫虫新生111
今天放假的第3天感觉过得好快，总体来说数学做了25道题，里边有几道题还是弄得不清楚，仍然不懂怎么做，不过整体感觉思路比去年要清晰很多，因为有去年的基础，今年还是比较轻松一些。逻辑做了有几道题，6题，错2，有些概念总的是模糊不清，还是要反复的再整理一下概念，以及回头看一下讲的基础知识，把基础的公式弄懂才可以。现在困了睡觉，明天早点起床。
开发游戏的学习规划杰克逊的日记游戏学习
第一阶段：●C#语言快速系统地学习一遍（基础的语法、面向对象、基础的数据结构、基础的设计模式）●Unity的2D和3D部分及UI、动画、物理系统●阶段性测验：需要去用前面所学的这些基础知识来完成一个简单的2d或者3d的案例，将通过一个自制的《Flappybird》游戏案例讲解游戏开发的思想及方法，并将《Flappybird》这个游戏进一步改造成一个横版射击类游戏《Crazybird》以巩固并且升华
【Python基础】Python迭代器与生成器（两种强大工具）姑苏老陈 Python编程入门 python 开发语言 python迭代器与生成器
本文收录于《Python编程入门》专栏，从零基础开始，分享一些Python编程基础知识，欢迎关注，谢谢！文章目录一、前言二、迭代器2.1创建迭代器2.2自定义迭代器2.3处理大型文件三、生成器四、生成器表达式五、实际应用案例5.1数据库查询5.2网络数据流处理六、总结一、前言在Python中，迭代器与生成器是两种非常强大的工具，它们可以帮助我们有效地处理大量数据，特别是在需要逐个访问元素的情况下。
CMU 15-445/645 Lab2-B+Tree Index yyy_3y CMU-15/445 b树数据结构 CMU15-445 数据库
0.写在前面GitHub同步更新https://github.com/kaniel-outis/CMU15-445Lab2的地址：https://15445.courses.cs.cmu.edu/fall2020/project2/本文主要总结一下在写Lab2需要的基础知识以及Task的解决思路（不公开代码，如果有问题可以留言）。Lab2的主要内容是B+tree的定义和Insert、Delete操
SQLite的入门级项目学习记录（二）深蓝海拓 SQLite学习笔记 sqlite 学习数据库
再补充一些基础知识：并行操作的问题1、可以多游标同时运行SQLite，对于同一个连接sqlite3.connect(db_file)，可以同时创建多个游标，每个游标都是独立的，可以执行各自的SQL命令序列。importsqlite3#创建数据库连接conn=sqlite3.connect('example.db')#创建第一个游标cursor1=conn.cursor()cursor1.execu
4×4矩阵键盘详解（STM32）辰哥单片机设计 STM32传感器教学矩阵计算机外设 stm32 嵌入式硬件单片机传感器
目录一、介绍二、传感器原理1.原理图2.工作原理介绍三、程序设计main.c文件button4_4.h文件button4_4.c文件四、实验效果五、资料获取项目分享一、介绍矩阵键盘，又称为行列式键盘，是用4条I/O线作为行线，4条I/O线作为列线组成的键盘。在行线和列线的每一个交叉点上设置一个按键，因此键盘中按键的个数是4×4个。这种行列式键盘结构能够有效地提高单片机系统中I/O口的利用率，节约单
四、模型的下载与使用梦中星华 AI画图人工智能
模型的下载与使用在我们已经熟悉的文生图和图生图的基础知识之上，现在是时候选择我们的艺术伙伴——AI模型了。在本篇讲义中，我们将学习掌握模型的下载和安装过程，以及如何在实际创作中灵活调用它们。通过本课程的学习，我们将能够更加自如地驾驭AI绘画工具，让我们的艺术创作更加多元和高效。让我们一起迈出这一步，选择一位能够理解我们创意愿景的AI画家，共同创作出令人赞叹的艺术作品。§1.模型的基本概念与下载\S
如何从大型语言模型(LLM)流式响应 aehrutktrjk 语言模型 microsoft ajax python
引言随着大型语言模型(LLM)的不断发展,我们不仅能够获得高质量的文本生成结果,还可以实时观察模型生成文本的过程。流式响应允许我们以一种更加交互和动态的方式与LLM进行交互,这在某些应用场景中非常有用。在本文中,我们将探讨如何从LLM流式获取响应。基础知识在开始之前,我们需要了解一些基础概念。所有的LLM都实现了Runnable接口,该接口提供了一些默认实现的标准方法,如invoke、batch、
学单片机怎么在3-5个月内找到工作？无际单片机编程单片机嵌入式开发物联网 stm32 c语言
每个初学者，都如履薄冰，10几年前，我自学单片机时，也一样。想通过学习，找一份体面点的工作，又害怕辛辛苦苦学出来，找不到工作。好在，当初执行力，还算可以，自学java没成功，后面自学单片机，成功入行了。转眼间，毕业到现在有13年了，马上也到了奔4的年纪。这13年一直在跟单片机打交道，打过工，创过业，对行业，对企业，都有一定的认知，坚持看完这篇内容，相信能帮你少走几个月弯路。有些老铁，加了我很久，时
51单片机：P3.3口输入/P 1口输出实验 li星野单片机
51单片机：P3.3口输入/P1口输出实验一、实验内容1P3.3口做输入口，外接一脉冲,每输入一个脉冲,P1口按十六进制除2（乘2）。2.P1口做输出口，P1口接的8个发光二极管L1—L8按十六进制除2（乘2）方式点亮。二、仿真图三、代码实现C语言实现：#include#includesbitKEY=P3^3;voiddelay10ms(void);voidmain(){charnum=0xfe;
JAVA相关知识 M_灵均 java jvm 开发语言
JAVA基础知识说一下对象创建的过程？类加载检查：当Java虚拟机（JVM）遇到一个类的new指令时，它首先检查这个类是否已经被加载、链接和初始化。如果没有，JVM会通过类加载器（ClassLoader）加载这个类。分配内存：JVM为新对象分配内存。这个内存分配是在堆（Heap）上进行的，堆是JVM用来存储对象实例的地方。分配内存的大小在类加载时就已经确定，因为类的结构（包括字段和方法）已经确定。
【H2O2|全栈】关于CSS（3）CSS基础（三）过期的H2O2 【H2O2】CSS入门 css 前端
目录CSS基础知识前言准备工作盒模型概念内容的宽高displaypaddingborderborder-widthborder-styleborder-colormargin预告和回顾后话CSS基础知识前言本系列博客将分享层叠样式表（CSS）有关的知识点。作为本系列的第三篇，本博客将分享盒模型以及页面布局有关的知识点。不是专业的科普博主，主打一个分享知识，写的不好，多多包涵（哈哈）。准备工作软件：
2020-11-12 写单片机内存的脚本 nc openocd 事务自动测试 linuxScripter
这是写单片机内存的脚本：z@z-ThinkPad-T400:~/zworkT400/EDA_heiche/zREPOgit/simple-gcc-stm32-project$catz.wholeRun.oneCase.cmdcattmp6.toWrite|awk'{system("echomwb"$1""$2"|nclocalhost4444");}'catUSER/DEBUG/debug.h|g
Python中的串口通信库pyserial（基础）北海yy Python相关 python 开发语言
文章目录概要基础知识1初始化串口2.写入数据3.读取数据4.关闭串口5.设置和获取串口参数6.清除缓冲区小结概要pyserial是一个Python库，它提供了与串口通信相关的功能。它可以让我们在Python程序中直接与串口设备进行通信，如读取和写入串口数据。pyserial是一个跨平台的库，可以在多个操作系统上使用，包括Windows、Linux和MacOS。pipinstallpyserial基
单片机中断 woainizhongguo. STM32单片机原理解析篇单片机嵌入式硬件
**在51单片机中，中断向量表的地址是如何被设置的？**在51单片机中，中断向量表的设置是中断系统的核心部分，它定义了中断服务程序的入口地址。以下是中断向量表的设置方法：中断向量表的位置：51单片机的中断向量表通常位于程序存储器的起始位置，即地址0x0000到0x000F（对于双字节的中断向量，实际占用0x0000到0x001F）。这些地址是固定的，由单片机的硬件设计决定。中断向量的分配：每个中断
python毕业设计作品：python闲置物品二手交易平台系统设计与实现毕业设计源代码（Django框架）黄菊华老师毕设资料 python二手交易平台系统
博主介绍：黄菊华老师《Vue.js入门与商城开发实战》《微信小程序商城开发》图书作者，CSDN博客专家，在线教育专家，CSDN钻石讲师；专注大学生毕业设计教育和辅导。所有项目都配有从入门到精通的基础知识视频课程，学习后应对毕业设计答辩。项目配有对应开发文档、开题报告、任务书、PPT、论文模版等项目都录了发布和功能操作演示视频；项目的界面和功能都可以定制，包安装运行！！！如果需要联系我，可以在CSD
华为认证hcia含金量_华为HCIA认证含金量如何？中华遗产杂志华为认证hcia含金量
想必大家都知道，HCIA认证是华为的初级网络工程认证，在华为整个认证体系中属于最基础的。说起华为HCIA认证含金量的话，说大也不大，说小也不小。可能大家仍在纠结HCIA作为最基础的一门，又何必花费时间金钱去学习考证呢，其实不然，不管是学习HCIP、HCIE都是从HCIA基础知识学起，有了基础支撑才能从而获取更高价值的认证，HCIA正是华为认证必学的知识。虽然华为HCIA认证含金量没有HCIP和HC
如何有效的学习AI大模型？ Python程序员罗宾学习人工智能语言模型自然语言处理架构
学习AI大模型是一个系统性的过程，涉及到多个学科的知识。以下是一些建议，帮助你更有效地学习AI大模型：基础知识储备：数学基础：学习线性代数、概率论、统计学和微积分等，这些是理解机器学习算法的数学基础。编程技能：掌握至少一种编程语言，如Python，因为大多数AI模型都是用Python实现的。理论学习：机器学习基础：了解监督学习、非监督学习、强化学习等基本概念。深度学习：学习神经网络的基本结构，如卷
基于STC12C5A60S2单片机的LED汉字显示系统的设计 lantiandianzi 单片机嵌入式硬件
本设计基于单片机的LED汉字显示装置，该设计以STC12C5A60S2单片机为核心，利用最小系统和多个模块完成设计，包括点阵驱动模块、时钟模块、串口通信模块、红外线接收模块以及LED点阵屏。其中，点阵驱动模块采用74HC245芯片设计完成，结合DS1302时钟芯片完成LED点阵显示屏的汉字与时间显示，使用按键、串口、红外线遥控可以完成时间的实时更新、自定义汉字显示、改变汉字显示颜色、改变汉字滚动方
SQL的各种连接查询 xieke90 UNION ALL UNION 外连接内连接 JOIN
一、内连接概念：内连接就是使用比较运算符根据每个表共有的列的值匹配两个表中的行。内连接（join 或者inner join ） SQL语法： select * fron
java编程思想--复用类百合不是茶 java 继承代理组合 final类
复用类看着标题都不知道是什么,再加上java编程思想翻译的比价难懂,所以知道现在才看这本软件界的奇书一:组合语法:就是将对象的引用放到新类中即可代码: package com.wj.reuse; /** * * @author Administrator 组
[开源与生态系统]国产CPU的生态系统 comsci cpu
计算机要从娃娃抓起...而孩子最喜欢玩游戏.... 要让国产CPU在国内市场形成自己的生态系统和产业链,国家和企业就不能够忘记游戏这个非常关键的环节.... 投入一些资金和资源,人力和政策,让游
JVM内存区域划分Eden Space、Survivor Space、Tenured Gen，Perm Gen解释商人shang jvm内存
jvm区域总体分两类，heap区和非heap区。heap区又分：Eden Space（伊甸园）、Survivor Space(幸存者区)、Tenured Gen（老年代-养老区）。非heap区又分：Code Cache(代码缓存区)、Perm Gen（永久代）、Jvm Stack(java虚拟机栈)、Local Method Statck(本地方法栈)。 HotSpot虚拟机GC算法采用分代收
页面上调用 QQ oloz qq
<A href="tencent://message/?uin=707321921&Site=有事Q我&Menu=yes"> <img style="border:0px;" src=http://wpa.qq.com/pa?p=1:707321921:1></a>
一些问题文强chu 问题
1.eclipse 导出 doc 出现“The Javadoc command does not exist.” javadoc command 选择 jdk/bin/javadoc.exe 2.tomcate 配置 web 项目 ..... SQL:3.mysql * 必须得放前面否则 select&nbs
生活没有安全感小桔子生活孤独安全感
圈子好小，身边朋友没几个，交心的更是少之又少。在深圳，除了男朋友，没几个亲密的人。不知不觉男朋友成了唯一的依靠，毫不夸张的说，业余生活的全部。现在感情好，也很幸福的。但是说不准难免人心会变嘛，不发生什么大家都乐融融，发生什么很难处理。我想说如果不幸被分手(无论原因如何)，生活难免变化很大，在深圳，我没交心的朋友。明
php 基础语法 aichenglong php 基本语法
1 .1 php变量必须以$开头 <?php $a=” b”; echo ?> 1 .2 php基本数据库类型 Integer float/double Boolean string 1 .3 复合数据类型数组array和对象 object 1 .4 特殊数据类型 null 资源类型(resource) $co
mybatis tools 配置详解 AILIKES mybatis
MyBatis Generator中文文档 MyBatis Generator中文文档地址： http://generator.sturgeon.mopaas.com/ 该中文文档由于尽可能和原文内容一致，所以有些地方如果不熟悉，看中文版的文档的也会有一定的障碍，所以本章根据该中文文档以及实际应用，使用通俗的语言来讲解详细的配置。本文使用Markdown进行编辑，但是博客显示效
继承与多态的探讨百合不是茶 JAVA面向对象继承对象
继承 extends 多态继承是面向对象最经常使用的特征之一：继承语法是通过继承发、基类的域和方法 //继承就是从现有的类中生成一个新的类，这个新类拥有现有类的所有extends是使用继承的关键字：在A类中定义属性和方法； class A{ //定义属性 int age； //定义方法 public void go
JS的undefined与null的实例 bijian1013 JavaScript JavaScript
<form name="theform" id="theform"> </form> <script language="javascript"> var a alert(typeof(b)); //这里提示undefined if(theform.datas
TDD实践（一） bijian1013 java 敏捷 TDD
一.TDD概述 TDD：测试驱动开发，它的基本思想就是在开发功能代码之前，先编写测试代码。也就是说在明确要开发某个功能后，首先思考如何对这个功能进行测试，并完成测试代码的编写，然后编写相关的代码满足这些测试用例。然后循环进行添加其他功能，直到完全部功能的开发。
[Maven学习笔记十]Maven Profile与资源文件过滤器 bit1129 maven
什么是Maven Profile Maven Profile的含义是针对编译打包环境和编译打包目的配置定制，可以在不同的环境上选择相应的配置，例如DB信息，可以根据是为开发环境编译打包，还是为生产环境编译打包，动态的选择正确的DB配置信息 Profile的激活机制 1.Profile可以手工激活，比如在Intellij Idea的Maven Project视图中可以选择一个P
【Hive八】Hive用户自定义生成表函数(UDTF) bit1129 hive
1. 什么是UDTF UDTF，是User Defined Table-Generating Functions，一眼看上去，貌似是用户自定义生成表函数，这个生成表不应该理解为生成了一个HQL Table，貌似更应该理解为生成了类似关系表的二维行数据集 2. 如何实现UDTF 继承org.apache.hadoop.hive.ql.udf.generic
tfs restful api 加auth 2.0认计 ronin47
　　目前思考如何给tfs的ngx-tfs api增加安全性。有如下两点：　　一是基于客户端的ip设置。这个比较容易实现。　　二是基于OAuth2.0认证，这个需要lua，实现起来相对于一来说，有些难度。　　现在重点介绍第二种方法实现思路。　　前言：我们使用Nginx的Lua中间件建立了OAuth2认证和授权层。如果你也有此打算，阅读下面的文档，实现自动化并获得收益。SeatGe
jdk环境变量配置 byalias java jdk
进行java开发，首先要安装jdk，安装了jdk后还要进行环境变量配置： 1、下载jdk（http://java.sun.com/javase/downloads/index.jsp），我下载的版本是：jdk-7u79-windows-x64.exe 2、安装jdk-7u79-windows-x64.exe 3、配置环境变量：右击"计算机"-->&quo
《代码大全》表驱动法-Table Driven Approach-2 bylijinnan java
package com.ljn.base; import java.io.BufferedReader; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.Collections; import java.uti
SQL 数值四舍五入小数点后保留2位 chicony 四舍五入
1.round() 函数是四舍五入用，第一个参数是我们要被操作的数据，第二个参数是设置我们四舍五入之后小数点后显示几位。 2.numeric 函数的2个参数，第一个表示数据长度，第二个参数表示小数点后位数。例如：　　select cast(round(12.5,2) as numeric(5,2))
c++运算符重载 CrazyMizzz C++
一、加+，减-，乘*，除/ 的运算符重载 Rational operator*(const Rational &x) const{ return Rational(x.a * this->a); } 在这里只写乘法的，加减除的写法类似二、<<输出,>>输入的运算符重载 &nb
hive DDL语法汇总 daizj hive 修改列 DDL 修改表
hive DDL语法汇总１、对表重命名 hive> ALTER TABLE table_name RENAME TO new_table_name; 2、修改表备注 hive> ALTER TABLE table_name SET TBLPROPERTIES ('comment' = new_comm
jbox使用说明 dcj3sjt126com Web
参考网址：http://www.kudystudio.com/jbox/jbox-demo.html jBox v2.3 beta [ 点击下载] 技术交流QQGroup：172543951 100521167 [2011-11-11] jBox v2.3 正式版 - [调整&修复] IE6下有iframe或页面有active、applet控件
UISegmentedControl 开发笔记 dcj3sjt126com
// typedef NS_ENUM(NSInteger, UISegmentedControlStyle) { // UISegmentedControlStylePlain, // large plain &
Slick生成表映射文件 ekian scala
Scala添加SLICK进行数据库操作，需在sbt文件上添加slick-codegen包 "com.typesafe.slick" %% "slick-codegen" % slickVersion 因为我是连接SQL Server数据库，还需添加slick-extensions，jtds包 "com.typesa
ES-TEST gengzg test
package com.MarkNum; import java.io.IOException; import java.util.Date; import java.util.HashMap; import java.util.Map; import javax.servlet.ServletException; import javax.servlet.annotation
为何外键不再推荐使用 hugh.wang mysql DB
表的关联，是一种逻辑关系，并不需要进行物理上的“硬关联”，而且你所期望的关联，其实只是其数据上存在一定的联系而已，而这种联系实际上是在设计之初就定义好的固有逻辑。在业务代码中实现的时候，只要按照设计之初的这种固有关联逻辑来处理数据即可，并不需要在数据库层面进行“硬关联”，因为在数据库层面通过使用外键的方式进行“硬关联”，会带来很多额外的资源消耗来进行一致性和完整性校验，即使很多时候我们并不
领域驱动设计 julyflame VO DAO 设计模式 DTO po
概念： VO（View Object）：视图对象，用于展示层，它的作用是把某个指定页面（或组件）的所有数据封装起来。 DTO（Data Transfer Object）：数据传输对象，这个概念来源于J2EE的设计模式，原来的目的是为了EJB的分布式应用提供粗粒度的数据实体，以减少分布式调用的次数，从而提高分布式调用的性能和降低网络负载，但在这里，我泛指用于展示层与服务层之间的数据传输对
单例设计模式 hm4123660 java Singleton 单例设计模式懒汉式饿汉式
单例模式是一种常用的软件设计模式。在它的核心结构中只包含一个被称为单例类的特殊类。通过单例模式可以保证系统中一个类只有一个实例而且该实例易于外界访问，从而方便对实例个数的控制并节约系统源。如果希望在系统中某个类的对象只能存在一个，单例模式是最好的解决方案。 &nb
logback zhb8015 log logback
一、logback的介绍 Logback是由log4j创始人设计的又一个开源日志组件。logback当前分成三个模块：logback-core,logback- classic和logback-access。logback-core是其它两个模块的基础模块。logback-classic是log4j的一个改良版本。此外logback-class
整合Kafka到Spark Streaming——代码示例和挑战 Stark_Summer spark storm zookeeper PARALLELISM processing
作者Michael G. Noll是瑞士的一位工程师和研究员，效力于Verisign，是Verisign实验室的大规模数据分析基础设施（基础Hadoop）的技术主管。本文，Michael详细的演示了如何将Kafka整合到Spark Streaming中。期间， Michael还提到了将Kafka整合到 Spark Streaming中的一些现状，非常值得阅读，虽然有一些信息在Spark 1.2版
spring-master-slave-commondao 王新春 DAO spring dataSource slave master
互联网的web项目，都有个特点：请求的并发量高，其中请求最耗时的db操作，又是系统优化的重中之重。为此，往往搭建 db的一主多从库的数据库架构。作为web的DAO层，要保证针对主库进行写操作，对多个从库进行读操作。当然在一些请求中，为了避免主从复制的延迟导致的数据不一致性，部分的读操作也要到主库上。（这种需求一般通过业务垂直分开，比如下单业务的代码所部署的机器，读去应该也要从主库读取数