翼达口香糖

散射成像相关原理的数学理论推导与证明

散射技术汇总

1.平面波

2.传输损耗

3.光学记忆效应

4.菲涅尔衍射

5.菲涅尔衍射-凸透镜成像

6.光的传输过程

7.传输矩阵

8.波前整形调制

9.光与物体的相互作用

10.反卷积成像

11.自相关成像

12.相位恢复算法

散射技术汇总

散射成像技术汇总
散射成像技术	先验信息	散射复杂度	利用的光子	FOV	应用场景
利用介质空域特征	波前整形；反馈信号反卷积；PSF 相关性	高	弹道和散射光	受限于记忆效应，小于±3°	磨砂玻璃或者生物组织
大气传输方程	大气散射系数或大气PSF	低	弹道和部分散射光	无限制	雾
传输矩阵标定	完整的传输矩阵	特别高	弹道和散射光	限制于传输矩阵的大小	磨砂玻璃、生物组织等
空域散射光分离	无	中等	只有弹道光子	无限制	雾、浑浊的水、低亮度环境
基于OCT相关的技术	无	特别高	经过多次散射后累积的弹道光	限制于OCT设备	薄生物组织、体内测量
超高时间分辨技术	无	高	只有弹道光子	限制于光源或相机	雾、浑浊的水、纸或者漫反射表面
图像引导成像技术	无	中等	弹道和散射光	待议	磨砂玻璃、生物组织

1.平面波

光的传播是由一个波动方程描述的：

$\nabla^2\Psi(r,t)-\frac{n(r)}{c^2}(\frac{\partial^2\Psi(r,t)}{\partial t^2})=0$

光的电场可以看作波动方程的解：

$\Psi(r,t)=\Psi(r)e^{-i\omega t}$

这个解也可以写成下面这个形式：

$\overline{a}_{n}=a_{n}e^{i\varphi n}$

这个形式包含了两个信息：振幅和相位

在散射介质中，光波沿不同方向传播，具有不同的振幅和相位，它们之间的矢量叠加，通过相干相长与相干相消，就产生了亮暗交替的光学散斑现象。

如果说上公式是散射介质中某个方向分矢量的解，那么最后出射的波解是所有分矢量的合成矢量

$\vec{A}=\dfrac{1}{\sqrt{N}}\sum_{n=1}^{N}a_ne^{i\varphi_n}$

A波矢表示的是n个分矢量的合成矢量。

对构成总矢量的分量向量的统计量采用一些假设，这些假设可以通过考虑合成向量的实部和虚部来理解：

$R=\operatorname{Re}\left\{A\right\}=\frac{1}{\sqrt{N}}\sum_{n=1}^{N}a_{n}\cos\phi_{n}$

$I=\mathrm{Im}\left\{A\right\}=\frac{1}{\sqrt{N}}\sum_{n=1}^{N}a_{n}\sin\phi_{n}$

2.传输损耗

光子分为弹道光子和散射光子

弹道光子：光线传播中未经散射直接到达传感器的光子，弹道光子单独被传感器采集时，能直接反映目标物或场景的有效信息

散射光子：传播中受到散射影响，传播方向、传播时间相干性等性质发生变化的光子。

实际的散射介质中散射与吸收同时存在

衰减系数： $\beta_t=\beta_{ab}+\beta_{sc}$

平均自由程： $l^*=\frac{1}{\beta_{t}}$

按照比尔-兰伯定律，光在深度为z时的强度 $I(z)=I_0e^{-\frac{z}{l^*}}$

激光穿透散射介质时产生的散斑为菲涅尔型散斑，接收面上的点为散射介质表面上所有散射点源子光波的相干叠加，散斑的平均尺寸与散射介质对接收面的张角 $\alpha$ 有关。

$\delta_x\approx\frac{\lambda z}{L}=\frac{\lambda}{\alpha}$

$\delta_{z}\approx\lambda(\frac{z}{L})^{2}=\frac{\lambda}{\alpha^{2}}$

3.光学记忆效应

记忆效应：在一定视场范围内，散射介质由物面到像面的点扩散函数存在空域平移不变性。光学记忆效应范围受散射介质的厚度L的影响，与其他参数无关，因此我们可以用散斑相关函数（即散斑相关度）来描述记忆效应存在的范围：

$C(qL)=\left[\frac{qL}{\sinh(qL)}\right]^2$

其中， $q=2\pi\delta\theta/\lambda$ , $\delta\theta$ 为角度。由上式可得，在记忆效应的角度范围内，随转动角度的增大，散斑相关程度呈指数衰减。

$\Delta \theta <<\frac{\lambda}{\pi\cdot L}$

记忆效应（Memory Effect）是指在散射介质中，当入射光的入射角发生微小改变时，所观察到的散射光模式并不完全改变，而是保留了之前的信息，即存在相关性。这种相关性使得在散射介质中改变入射角度只会导致散射光场的旋转或整体的缩放，而不会导致完全不同的散射模式。

4.菲涅尔衍射

实际的衍射可以分为两种类型，在理想状态下，当光的传播距离为有限远时，一般采用菲涅耳衍射，反之，传播距离为无限远时，则采用夫琅和费衍射。

平面波沿k方向传播时，在光场中坐标为（x,y,z）点处产生的复振幅可以表示为：

$U(x,y,z)=\alpha \cdot exp[jk(x\cos{\alpha}+y\cos{\beta}+z\cos{\gamma})]$

${\cos{\alpha}}^2+{\cos{\beta}}^2+{\cos{\gamma}}^2=1$

xy平面上复振幅分布可以表示为：

$U(x,y)=A \cdot exp[jk(x\cos{\alpha}+y\cos{\beta})]$

假设一束单色光的波长为 $\lambda$ ，将衍射表面的光场分布设为，光经过一段距离的传播到达接收面，接收面的光场分布为U(x,y)，如下式所示：

$U(x,y)=\frac{exp(jkd_1)}{j\lambda d_1}\iint U_0(x_0,y_0)exp\left \{ \frac{jk}{2d_1}[(\grave{x}-x_0)^2+(\grave{y}-y_0)^2] \right \}dx_0dy_0$

其中，光波数: $k=\frac{2 \pi}{\lambda }$

$U(x,y)=\frac{exp(jkd)}{j\lambda } exp\left \{ \frac{jk}{2d} {(x^2+y^2)} \right \} \iint U_0(x_0,y_0)exp[\frac{jk}{2}(x_0^2+y_0^2)]\times exp[-j2\pi(x_0\frac{x}{\lambda d}+y_0\frac{y}{\lambda d})dx_0dy_0]$

化简可得：

$U(x,y)=\frac{exp(jkd)}{j\lambda d} exp\left \{ \frac{jk}{2d} {(x^2+y^2)} \right \} FFT\left \{ U_0(x_0,y_0)exp[\frac{jk}{2d}(x_0^2+y_0^2)] \right \}$

上式中，FFT为傅里叶变换

此方法采用单次傅里叶变换来求解菲涅尔衍射积分，称为单次快速傅里叶变换（Single Fast Fourier Transform, S-FFT）算法。

5.菲涅尔衍射-凸透镜成像

入射光从入射面经过衍射到透镜前表面，距离为有限远，采用菲涅尔衍射，透镜前表面的光场分布U1(x',y')
$U(x,y)=\frac{exp(jkd)}{j\lambda d} exp\left \{ \frac{jk}{2d} {(x^2+y^2)} \right \} FFT\left \{ U_0(x_0,y_0)exp[\frac{jk}{2d}(x_0^2+y_0^2)] \right \}$
透镜对光场产生影响，光在透镜后表面的分布为
$U'_1(x',y')=U_1(x',y')\exp\biggl(-jk\frac{\left(x'\right)^2+\left(y'\right)^2}{2f}\biggr)P(x',y')$
上式中将所使用透镜的孔径函数表示为P(x',y')，光穿过透镜，在经过一段距离
的衍射到达接收面时，光场分布情况如下：

$U_{1}(x,y)=\frac{\exp(jkd_{2})}{j\lambda d_{2}}\iint U^{\prime}{}_{1}(x^{\prime},y^{\prime})\exp\left\{\frac{jk}{2d_{2}}\Big[\left(x-x^{\prime}\right)^{2}+\left(y-y^{\prime}\right)^{2}\Big]\right\}dx^{\prime}dy^{\prime}$

光从透镜后表面到接收面这一段距离也是有限远，故也采用菲涅尔衍射进行推导。

6.光的传输过程

U1(平面波) U2(衍射) U3(传矩阵) U4(衍) U5(物) U6(衍射) U7(传输矩阵)

(1) 光源发出的光首先经过一个透镜进行准直，把准直后的光看作平面波，而不是高斯光束，记作1；
(2) 根据惠更斯－菲涅尔原理，入射光经过一段菲涅尔衍射过程传播到第一层散射介质层（随机相位屏）前，得到照射散射介质层（随机相位屏）的复振幅分布，记为2；
(3) 照射散射介质层的复振幅被散射介质层进行相位扰乱后得到3，再经过一段长度为1的菲涅尔衍射过程传播到物体前表面得到4。
(4) 光波传输到物体前表面后，与物体O进行点乘得：
$U_5=O \cdot U_4$
(5) 再经过一段长度为z2的菲涅尔衍射到达第二层散射介质前，记为U6。
(6) 第二层散射介质模型同步骤（3），得到第二层散射介质后的光波U7。

7.传输矩阵

前向传播的输入场和输出场的关系可以通过矩阵方程表示：

$u_{out}=Tu_{in}$

入射场Uin是一个1 × N的矩阵，出射场Uout是一个1 × M的矩阵。T是一个N × M的复数矩阵，用来表征由波动方程中的非均匀折射率引起的输入和目标平面之间的散射。T也叫做传输矩阵。

传输矩阵模型表明给定一个任意的输入场，可以得到输出光场上的光的振幅和相位。对于输出场某一目标位置

$u_m^{out}=\sum_n^Nt_{mn}u_n^{in}=\sum_n^Nt_{mn}A_ne^{i\phi_n}=\sum_n^N(A_{mn}e^{i\phi_{mn}})(A_ne^{i\phi_n})$

其中， $t_{mn}=A_{mn}e^{i\phi_{mn}}$ 是传输矩阵中元素的表示。

8.波前整形调制

调制的目标是使得评估指标最大化，回到基本公式：

$u_m^{out}=\sum_n^Nt_{mn}u_n^{in}$

这个指标就是增强因子：

$\eta=\frac{I_{opt}}{I_{ref}}$

$I_{ref}$ 假设不变，输出光 $\beta$ 通道中的光强要最大：

$I_{opt}=I_{\beta}=\mid u_{\beta}^{out}\mid^2={\left | \sum_n^N(A_{mn}e^{i\phi_{mn}})(A_ne^{i\phi_n}) \right |}^2$

$I_{opt}={\left | \sum_n^N(A_{mn}A_ne^{i(\phi_{mn}+\phi_n)}) \right |}^2$

当 $\phi_{n}=-\phi_{mn}$ 时，这个时候取得最大值。

理论上可以实现的最大增强是：

$\eta=\alpha(N-1)+1$

N为独立控制的输入通道数。

对于多目标优化来说，这个指标则需要更加丰富一些

$f_1=\sum_{\mathrm{n=1}}^NI_\mathrm{n}\left/I_{ref}\right.$

$f_2=\frac{\sigma_N}{\frac{1}{N}\sum_{\mathrm{n=1}}^NI_\mathrm{n}}\times100\%$

f1值越大表示聚焦点的总峰值背景比越高，f2越小表示多个聚焦点之间越均匀，聚焦效果越好。

9.光与物体的相互作用

传感器采集到的二维强度图像Ｉ可以表示为二维待观测目标物Ｏ与PSF的卷积：

$I=O*F_{PSF}$

$F_{PSF}$ 是指点扩散函数（Point Spread Function），它是用于描述光学系统中点光源成像的特性的函数。

介质内的点扩散函数：

将散射介质PSF由散斑形态校正为脉冲函数δ形态，进而直接在记忆效应范围内实现透过散射介质的成像：

$I=O*\delta =O$

10.反卷积成像

$I=O*F_{PSF}$

$O=Deconv(I,F_{PSF})$

11.自相关成像

由于PSF自相关为尖峰函数，其具有良好的峰值集中性和能量集中性。这意味着在进行PSF自相关恢复时，大部分的能量都集中在恢复图像的主要结构上，而不会引入额外的噪声或失真。这使得PSF自相关成为一种有效的图像恢复方法。

自相关的关系：

$F\left \{ I \otimes I \right \}=F\left \{ (O\otimes O)\star (F_{PSF} \otimes F_{PSF}) \right \}=F\left \{ (O\otimes O) \star \delta \right \}=F\left \{ O \otimes O \right \}={\left | F\left \{ O \right \} \right |}^2$

$I(x)=O(x)*F_{PSF}$

$F_{PSF,j} \otimes F_{PSF,k}=\begin{cases} 0& \text{j!= k}\\\delta& \text{j=k} \end{cases}$

根据Wiener–Khinchin定理，函数的自相关与其能谱密度构成傅里叶变换对：

$A(x,y)=I(x,y)\star I(x,y)=\mathcal{F}^{-1}\{|\mathcal{F}\{I(x,y)\}|^2\}$

为了使图像恢复更加高质高效，我们引入一个窗口函数来获得有效功率谱。窗口函数本质上为加权函数

$S(k_x,k_y)=|\mathcal{F}\{W(x,y)A(x,y)\}|$

12.相位恢复算法

利用自相关关系可以获取到的目标物幅值谱信号,但傅里叶幅值信息不足以支撑目标物体的恢复，还需要得到目标物体的相位信息。一般用的比较多的是ER或者HIO。

设置随机初始值 $g_{k}(x,y)$ ，

$G_{k}\left(k_{x},k_{y}\right)=\mathcal{F}\{g_{k}(x,y)\}$

$\theta_{k}\left(k_{x},k_{y}\right)=\arg\{G_{k}(x,y)\}$

$G^{\prime}{}_{k}(k_{x},k_{y})=\sqrt{S_{meas}(k_{x},k_{y})}e^{i\theta_{k}(k_{x},k_{y})}$

$g_{k}^{\prime}(x,y)=\mathcal{F}^{-1}\{G_{k}^{\prime}(k_{x},k_{y})\}$

所施加的物理约束为：非负实数和真实性。

“错误减少（Error Reduction, ER）”

$\left.\mathfrak g_{k+1}(x,y)=\left\{\begin{matrix}g'_k(x,y)&\text{for}(x,y)\not\in\Gamma\\0&\text{for}(x,y)\in\Gamma\end{matrix}\right.\right\}$

ER算法在最初的迭代过程中呈现快速收敛的状态，但迭代速度随着迭代次数
的增加逐步降低，面对这种情况，提出了HIO算法：

“混合输入输出(HIO Hybrid Input-Output, HIO)”

$\left.g_{k+1}(x,y)=\left\{\begin{matrix}g'_k(x,y)&\text{for}(x,y)\not\in\Gamma\\g_k(x,y)-\beta g'_k(x,y)&\text{for}(x,y)\in\Gamma\end{matrix}\right.\right\}$
其中 $\Gamma$ 是上违反物理约束的所有点(x,y)的集合， $\beta$ 为衰减因子，起到控制算法收敛特性的作用。当估计对象满足恢复要求时，则停止迭代。

10月|愿你的青春不负梦想-读书笔记-01 Tracy的小书斋
本书的作者是俞敏洪，大家都很熟悉他了吧。俞敏洪老师是我行业的领头羊吧，也是我事业上的偶像。本日摘录他书中第一章中的金句：『一个人如果什么目标都没有，就会浑浑噩噩，感觉生命中缺少能量。能给我们能量的，是对未来的期待。第一件事，我始终为了进步而努力。与其追寻全世界的骏马，不如种植丰美的草原，到时骏马自然会来。第二件事，我始终有阶段性的目标。什么东西能给我能量？答案是对未来的期待。』读到这里的时候，我便
《投行人生》读书笔记小蘑菇的树洞
《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
【一起学Rust | 设计模式】习惯语法——使用借用类型作为参数、格式化拼接字符串、构造函数广龙宇一起学Rust #Rust设计模式 rust 设计模式开发语言
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、使用借用类型作为参数二、格式化拼接字符串三、使用构造函数总结前言Rust不是传统的面向对象编程语言，它的所有特性，使其独一无二。因此，学习特定于Rust的设计模式是必要的。本系列文章为作者学习《Rust设计模式》的学习笔记以及自己的见解。因此，本系列文章的结构也与此书的结构相同（后续可能会调成结构），基本上分为三个部分
git常用命令笔记咩酱-小羊 git 笔记
###用习惯了idea总是不记得git的一些常见命令，需要用到的时候总是担心旁边站了人~~~记个笔记@_@，告诉自己看笔记不丢人初始化初始化一个新的Git仓库gitinit配置配置用户信息gitconfig--globaluser.name"YourName"gitconfig--globaluser.email"[email protected]"基本操作克隆远程仓库gitclone查看
509. 斐波那契数(每日一题) lzyprime
lzyprime博客(github)创建时间：2021.01.04qq及邮箱：2383518170leetcode笔记题目描述斐波那契数，通常用F(n)表示，形成的序列称为斐波那契数列。该数列由0和1开始，后面的每一项数字都是前面两项数字的和。也就是：F(0)=0，F(1)=1F(n)=F(n-1)+F(n-2)，其中n>1给你n，请计算F(n)。示例1：输入：2输出：1解释：F(2)=F(1)+
拥有断舍离的心态，过精简生活--《断舍离》读书笔记爱吃丸子的小樱桃
不知不觉间房间里的东西越来越多，虽然摆放整齐，但也时常会觉得空间逼仄，令人心生烦闷。抱着断舍离的态度，我开始阅读《断舍离》这本书，希望从书中能找到一些有效的方法，帮助我实现空间、物品上的断舍离。《断舍离》是日本作家山下英子通过自己的经历、思考和实践总结而成的，整体内涵也从刚开始的私人生活哲学的“断舍离”升华成了“人生实践哲学”，接着又成为每个人都能实行的“改变人生的断舍离”，从“哲学”逐渐升华成“
四章-32-点要素的聚合彩云飘过
本文基于腾讯课堂老胡的课《跟我学Openlayers--基础实例详解》做的学习笔记，使用的openlayers5.3.xapi。源码见1032.html，对应的官网示例https://openlayers.org/en/latest/examples/cluster.htmlhttps://openlayers.org/en/latest/examples/earthquake-clusters.
高端密码学院笔记285 柚子_b4b4
高端幸福密码学院（高级班）幸福使者：李华第（598）期《幸福》之回归内在深层生命原动力基础篇——揭秘“激励”成长的喜悦心理案例分析主讲：刘莉一，知识扩充:成功=艰苦劳动+正确方法+少说空话。贪图省力的船夫，目标永远下游。智者的梦再美，也不如愚人实干的脚印。幸福早课堂2020.10.16星期五一笔记:1，重视和珍惜的前提是知道它的价值非常重要，当你珍惜了，你就真正定下来，真正的学到身上。2，大家需要
Day17笔记-高阶函数 ~在杰难逃~ Python 笔记 python 开发语言 pycharm 数据分析
高阶函数【重点掌握】函数的本质：函数是一个变量，函数名是一个变量名，一个函数可以作为另一个函数的参数或返回值使用如果A函数作为B函数的参数，B函数调用完成之后，会得到一个结果，则B函数被称为高阶函数常用的高阶函数：map(),reduce(),filter(),sorted()1.map()map(func,iterable)，返回值是一个iterator【容器，迭代器】func:函数iterab
Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Python python 开发语言大数据数据分析数据挖掘
大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
node.js学习小猿L node.js node.js 学习 vim
node.js学习实操及笔记温故node.js，node.js学习实操过程及笔记~node.js学习视频node.js官网node.js中文网实操笔记githubcsdn笔记为什么学node.js可以让别人访问我们编写的网页为后续的框架学习打下基础，三大框架vuereactangular离不开node.jsnode.js是什么官网：node.js是一个开源的、跨平台的运行JavaScript的运行
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
【Git】常见命令(仅笔记) 好想有猫猫 Git Linux学习笔记 git 笔记 elasticsearch linux c++
文章目录创建/初始化本地仓库添加本地仓库配置项提交文件查看仓库状态回退仓库查看日志分支删除文件暂存工作区代码远程仓库使用`.gitigore`文件让git不追踪一些文件标签创建/初始化本地仓库gitinit添加本地仓库配置项gitconfig-l#以列表形式显示配置项gitconfiguser.name"ljh"#配置user.namegitconfiguser.email"[email protected]
为什么你总是对下属不满意? ZhaoWu1050
【ZhaoWu的听课笔记】大多数公司，都存在两种问题。我创业四年，更是体会深切。这两种问题就是：老板经常不满意下属的表现；下属总是不知道老板想要什么；虽然这两种问题普遍存在，其实解决方法并不复杂。这节课，我们再聊聊第一个问题：为什么老板经常不满意下属表现?其实，这背后也是一条管理常识。管理学家德鲁克先生早就说过：管理者的任务，不是去改变人。*来自《卓有成效的管理者》只是大多数老板和我一样，都是一边
母亲节如何做小红书营销美橙传媒
小红书的一举一动引起了外界的高度关注。通过爆款笔记和流行话题，我们可以看到“干货”类型的内容在小红书中偏向实用的生活经验共享和生活指南非常受欢迎。根据运营社的分析，这种现象是由小红书用户心智和内容社区背后机制共同决定的。首先，小红书将使用“强搜索”逻辑为用户提供特定的“搜索场景”。在“我必须这样生活”中，大量使用了满足小红书站用户喜好和需求的内容。内容社区自制的高质量内容也吸引了寻找营销新途径的品
读书笔记|《遇见孩子，遇见更好的自己》5 抹茶社长
为人父母意味着放弃自己的过去，不要对以往没有实现的心愿耿耿于怀，只有这样，孩子们才能做回自己。985909803.jpg孩子在与父母保持亲密的同时更需要独立，唯有这样，孩子才会成为孩子，父母才会成其为父母。有耐心的人生往往更幸福，给孩子留点余地。认识到养儿育女是对耐心的考验。为失败做好心理准备，教会孩子控制情绪。了解自己的底线，说到底线，有一点很重要，父母之所以发脾气，真正的原因往往在于他们自己，
基于Python给出的PDF文档转Markdown文档的方法程序媛了了 python pdf 开发语言
注：网上有很多将Markdown文档转为PDF文档的方法，但是却很少有将PDF文档转为Markdown文档的方法。就算有，比如某些网站声称可以将PDF文档转为Markdown文档，尝试过，不太符合自己的要求，而且无法保证文档没有泄露风险。于是本人为了解决这个问题，借助GPT（能使用GPT镜像或者有条件直接使用GPT的，反正能调用GPT接口就行）生成Python代码来完成这个功能。笔记、代码难免存在
语文主题教学学习笔记之87 东哥杂谈
“语文主题教学”学习笔记之八十七（0125）今天继续学习小学语文主题教学的实践样态。板块三：教学中体现“书艺”味道。作为四大名著之一的《水浒传》，堪称我国文学宝库之经典。对从《水浒传》中摘选的单元，教师就要了解其原生态，即评书体特点。这也要求教师要了解一些常用的评书行话术语，然后在教学时适时地加入一些，让学生体味其文本中原有的特色。学生也要尽可能地通过朗读的方式，而不单是分析讲解的方式进行学习。细
Armv8.3 体系结构扩展--原文版代码改变世界ctw ARM-TEE-Android armv8 嵌入式 arm架构安全架构芯片 Trustzone Secureboot
快速链接:.ARMv8/ARMv9架构入门到精通-[目录]付费专栏-付费课程【购买须知】:个人博客笔记导读目录(全部)TheArmv8.3architectureextensionTheArmv8.3architectureextensionisanextensiontoArmv8.2.Itaddsmandatoryandoptionalarchitecturalfeatures.Somefeat
springboot+vue项目实战一-创建SpringBoot简单项目苹果酱0567 面试题汇总与解析 spring boot 后端 java 中间件开发语言
这段时间抽空给女朋友搭建一个个人博客，想着记录一下建站的过程，就当做笔记吧。虽然复制zjblog只要一个小时就可以搞定一个网站，或者用cms系统，三四个小时就可以做出一个前后台都有的网站，而且想做成啥样也都行。但是就是要从新做，自己做的意义不一样，更何况，俺就是专门干这个的，嘿嘿嘿要做一个网站，而且从零开始，首先呢就是技术选型了，经过一番思量决定选择-SpringBoot做后端，前端使用Vue做一
阅读《认知觉醒》读书笔记就看看书
本周阅读了周岭的《认知觉醒开启自我改变的原动力》，启发较多，故做读书笔记一则，留待学习。全书共八章，讲述了大脑、潜意识、元认知、专注力、学习力、行动力、情绪力及成本最低的成长之道。具体描述了大脑、焦虑、耐心、模糊、感性、元认知、自控力、专注力、情绪专注、学习专注、匹配、深度、关联、体系、打卡、反馈、休息、清晰、傻瓜、行动、心智宽带、单一视角、游戏心态、早起、冥想、阅读、写作、运动等相关知识点。大脑
阅读笔记：阅读方法中的逻辑和转念施吉涛
聊聊一些阅读的方法论吧，别人家的读书方法刚开始想写，然后就不知道写什么了，因为作者写的非常的“精致”我有一种乡巴佬进城的感觉，看到精美的摆盘，精致的食材不知道该如何下口也就是《阅读的方法》，我们姑且来试一下强劲的大脑篇，第一节：逻辑通俗的来讲，也就是表达的排列和顺序，再进一步就是因果关系和关联实际上书已经看了大概一遍，但直到打算写一下笔记的时候，才发现作者讲的推理更多的是阅读的对象中呈现出的逻辑也
《转介绍方法论》学习笔记小可乐的妈妈
一、高效转介绍的流程：价值观---执行----方案一）转介绍发生的背景：1、对象：谁向谁转介绍？全员营销，人人参与。①员工的激励政策、客户的转介绍诱因制作客户画像：a信任；支付能力；意愿度；便利度（根据家长具备四个特征的个数分为四类）B性格分类C职业分类D年龄性别②执行：套路，策略，方法，流程2、诱因：为什么要转介绍？认同信任；多方共赢；传递美好；零风险承诺打动人心，超越期待。选择做教育，就是选择
JAVA学习笔记之23种设计模式学习 victorfreedom Java技术设计模式 android java 常用设计模式
博主最近买了《设计模式》这本书来学习，无奈这本书是以C++语言为基础进行说明，整个学习流程下来效率不是很高，虽然有的设计模式通俗易懂，但感觉还是没有充分的掌握了所有的设计模式。于是博主百度了一番，发现有大神写过了这方面的问题，于是博主迅速拿来学习。一、设计模式的分类总体来说设计模式分为三大类：创建型模式，共五种：工厂方法模式、抽象工厂模式、单例模式、建造者模式、原型模式。结构型模式，共七种：适配器
解决Obsidian写笔记中的＜img＞标签无法显示图片的问题全能全知者笔记
Obsidian中写md笔记如果使用标签会显示不出图案，后来才知道因为Obsidian的问题导致只能用绝对路径定位。所以我本人写了一个py插件，将md笔记里的img标签批量替换成Obsidian能够读取的形式。安装FixObsImgDpy:pipinstallFixObsImgDpy安装完成后在需要修复的md文件的父目录下运行命令:FixObsImgDpy就会自动修复父目录以下的全部md文件仓库
2021年周总结 03 Ruby之家
这周的生活过得也是比较快，因为暂时住的离公司有点距离，所以通勤时间相对较长一点，而在地铁上的一个半小时如何充分利用起来，则是我最近一直在思考的问题，2021年想让自己的生活都运行在计划中。(有时候自己想干一件事情就总是给自己找很多借口，想着以后怎么怎么样？然而哪有那么多的以后，能够方便当下的工作生活就立马执行就OK，这仅仅只是我此时想到背的很重的老人机笔记本电脑，也算是陪伴我快8年的—当时买的时候
2021-12-11 人生导演
今天读到佛学书籍的一段话：初学者很难直接体验到无我，但可以经常提醒自己：一切事物都是无我的。不断强化这个观念，也会相当有帮助。比如生病了我们一般会说：“我不舒服！我很痛！我很惨！”这时候如果我们提醒自己：没有我，只是这个肉体的某些部分、某些功能出了问题，不舒服、疼痛也只是一时的感受，而感受随时在变化。仅仅是知道没有一个实存的我在生病、在受苦。然后把“一切事物都是无我的”这句话，记到笔记上，并且朗读
新能源汽车 BMS 学习笔记篇—BMS 基本定义及分类 WPG大大通其他笔记汽车 BMS 经验分享新能源电池
一、BMS定义1、概念：BMS（BatteryManagementSystem）即电池管理系统，其管理对象是二次电池（充电电池或蓄电池），其主要目的是电池的利用率，防止电池出现过度充电和过度放电，可应用于电动汽车、电瓶车、机器人、无人机等图片来源：腾讯网https://new.qq.com《标准普尔警告，电动汽车电池生产面临供应链和地缘政治风险》2、四大功能①感知和测量：检测电池的电压、电流、温度
机器学习-聚类算法不良人龍木木机器学习机器学习算法聚类
机器学习-聚类算法1.AHC2.K-means3.SC4.MCL仅个人笔记，感谢点赞关注！1.AHC2.K-means3.SC传统谱聚类：个人对谱聚类算法的理解以及改进4.MCL目前仅专注于NLP的技术学习和分享感谢大家的关注与支持！
LeetCode github集合，附CMU大神整理笔记 Wesley@ LeetCode github
GithubLeetCode集合本人所有做过的题目都写在一个java项目中，同步到github中了，算是见证自己的进步。github目前同步的题目是2020-09-17日之后写的题。之前写过的题会陆续跟新到github中。目前大概400个题目Github项目链接：https://github.com/sunliancheng/leetcode_github附上一份优秀的教材整合：这是卡内基梅隆(C
html页面js获取参数值 0624chenhong html
1.js获取参数值js function GetQueryString(name) { var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)"); var r = windo
MongoDB 在多线程高并发下的问题 BigCat2013 mongodb DB 高并发重复数据
最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理，并将分析结果插入Vertica数据库，所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢？笔者开始也是一筹莫展，重复去看 MongoDB 的 API , 终于有了新发现： com.mongodb.DB 这个类有
c++ 用类模版实现链表(c++语言程序设计第四版示例代码) CrazyMizzz 数据结构 C++
#include<iostream> #include<cassert> using namespace std; template<class T> class Node { private: Node<T> * next; public: T data;
最近情况麦田的设计者感慨考试生活
在五月黄梅天的岁月里，一年两次的软考又要开始了。到目前为止，我已经考了多达三次的软考，最后的结果就是通过了初级考试（程序员）。人啊，就是不满足，考了初级就希望考中级，于是，这学期我就报考了中级，明天就要考试。感觉机会不大，期待奇迹发生吧。这个学期忙于练车，写项目，反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周，希望能快点度过。
linux系统中用pkill踢出在线登录用户被触发 linux
由于linux服务器允许多用户登录，公司很多人知道密码，工作造成一定的障碍所以需要有时踢出指定的用户 1/#who 查出当前有那些终端登录（用 w 命令更详细） # who root pts/0 2010-10-28 09:36 (192
仿QQ聊天第二版肆无忌惮_ qq
在第一版之上的改进内容: 第一版链接: http://479001499.iteye.com/admin/blogs/2100893 用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题. 增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑. 信息修改后上传至服务器再告诉所有用户,自己的窗口
java读取配置文件知了ing
1，java读取.properties配置文件 InputStream in; try { in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径 Properties p = new Properties()
__attribute__ 你知多少？矮蛋蛋 C++gcc
原文地址: http://www.cnblogs.com/astwish/p/3460618.html GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性（Function Attribute ）、变量属性（Variable Attribute ）和类型属性（Type Attribute ）。 __attribute__ 书写特征是：
jsoup使用笔记 alleni123 java 爬虫 JSoup
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7.3</version> </dependency> 2014/08/28 今天遇到这种形式，
JAVA中的集合 Collectio 和Map的简单使用及方法百合不是茶 list map set
List ,set ,map的使用方法和区别 java容器类类库的用途是保存对象，并将其分为两个概念： Collection集合：一个独立的序列，这些序列都服从一条或多条规则;List必须按顺序保存元素，set不能重复元素；Queue按照排队规则来确定对象产生的顺序（通常与他们被插入的
杀LINUX的JOB进程 bijian1013 linux unix
今天发现数据库一个JOB一直在执行，都执行了好几个小时还在执行，所以想办法给删除掉系统环境： ORACLE 10G Linux操作系统操作步骤如下：第一步.查询出来那个job在运行，找个对应的SID字段 select * from dba_jobs_running--找到job对应的sid &n
Spring AOP详解 bijian1013 java spring AOP
最近项目中遇到了以下几点需求，仔细思考之后，觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题，另一方面是借此机会深入学习Spring AOP相关的内容。例如，以下需求不用AOP肯定也能解决，至于是否牵强附会，仁者见仁智者见智。 1.对部分函数的调用进行日志记录，用于观察特定问题在运行过程中的函数调用
[Gson六]Gson类型适配器(TypeAdapter) bit1129 Adapter
TypeAdapter的使用动机 Gson在序列化和反序列化时，默认情况下，是按照POJO类的字段属性名和JSON串键进行一一映射匹配，然后把JSON串的键对应的值转换成POJO相同字段对应的值，反之亦然，在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。以Date为例，在序列化和反序列化时，Gson默认使用java.
【spark八十七】给定Driver Program，如何判断哪些代码在Driver运行，哪些代码在Worker上执行 bit1129 driver
Driver Program是用户编写的提交给Spark集群执行的application，它包含两部分作为驱动： Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。计算逻辑本身，当计算任务在Worker执行时，执行计算逻辑完成application的计算任务
nginx 经验总结 ronin47 nginx 总结
　　　深感nginx的强大，只学了皮毛，把学下的记录。　　　获取Header 信息，一般是以$http_XX（ＸＸ是小写）获取body,通过接口，再展开，根据Ｋ取Ｖ　　　获取uri,以$arg_XX &n
轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点 bylijinnan 数组
import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class ExoWeb { public static void main(String[] args) { ExoWeb ew=new ExoWeb(); System.out.pri
Netty源码学习-Java-NIO-Reactor bylijinnan java 多线程 netty
Netty里面采用了NIO-based Reactor Pattern 了解这个模式对学习Netty非常有帮助参考以下两篇文章： http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
AOP通俗理解 cngolon spring AOP
1.我所知道的aop 初看aop,上来就是一大堆术语，而且还有个拉风的名字，面向切面编程，都说是OOP的一种有益补充等等。一下子让你不知所措，心想着：怪不得很多人都和我说aop多难多难。当我看进去以后，我才发现：它就是一些java基础上的朴实无华的应用，包括ioc，包括许许多多这样的名词，都是万变不离其宗而已。 2.为什么用aop&nb
cursor variable 实例 ctrain variable
create or replace procedure proc_test01 as type emp_row is record( empno emp.empno%type, ename emp.ename%type, job emp.job%type, mgr emp.mgr%type, hiberdate emp.hiredate%type, sal emp.sal%t
shell报bash: service: command not found解决方法 daizj linux shell service jps
今天在执行一个脚本时，本来是想在脚本中启动hdfs和hive等程序，可以在执行到service hive-server start等启动服务的命令时会报错，最终解决方法记录一下：脚本报错如下： ./olap_quick_intall.sh: line 57: service: command not found ./olap_quick_intall.sh: line 59
40个迹象表明你还是PHP菜鸟 dcj3sjt126com 设计模式 PHP 正则表达式 oop
你是PHP菜鸟，如果你：1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统，如Subclipse4. 不采用某种编码与命名标准，以及通用约定，不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换（或）也不验证某些输入或SQL查询串（译注：参考PHP相关函
Android逐帧动画的实现 dcj3sjt126com android
一、代码实现： private ImageView iv; private AnimationDrawable ad; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout
java远程调用linux的命令或者脚本 eksliang linux ganymed-ssh2
转载请出自出处： http://eksliang.iteye.com/blog/2105862 Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar) 使用步骤如下： 1.导包官网下载: http://www.ganymed.ethz.ch/ssh2/ ma
adb端口被占用问题 gqdy365 adb
最近重新安装的电脑，配置了新环境，老是出现： adb server is out of date. killing... ADB server didn't ACK * failed to start daemon * 百度了一下，说是端口被占用，我开个eclipse，然后打开cmd，就提示这个，很烦人。一个比较彻底的解决办法就是修改
ASP.NET使用FileUpload上传文件 hvt .net C#hovertree asp.net webform
前台代码： <asp:FileUpload ID="fuKeleyi" runat="server" /> <asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上传" />
代码之谜（四）- 浮点数（从惊讶到思考） justjavac 浮点数精度代码之谜 IEEE
在『代码之谜』系列的前几篇文章中，很多次出现了浮点数。浮点数在很多编程语言中被称为简单数据类型，其实，浮点数比起那些复杂数据类型（比如字符串）来说，一点都不简单。单单是说明 IEEE浮点数就可以写一本书了，我将用几篇博文来简单的说说我所理解的浮点数，算是抛砖引玉吧。一次面试记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试，多年以后，他已经称为了一名很出色的
数据结构随记_1 lx.asymmetric 数据结构笔记
第一章 1.数据结构包括数据的逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示，它们分别是顺序存储、链式存储、索引存储和散列存储。 3.数据运算最常用的有五种，分别是查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性：输入、输出、可行性、确定性和有穷性。 5.算法分析的
linux的会话和进程组网络接口 linux
会话：一个或多个进程组。起于用户登录，终止于用户退出。此期间所有进程都属于这个会话期。会话首进程：调用setsid创建会话的进程1.规定组长进程不能调用setsid，因为调用setsid后，调用进程会成为新的进程组的组长进程.如何保证？先调用fork，然后终止父进程，此时由于子进程的进程组ID为父进程的进程组ID，而子进程的ID是重新分配的，所以保证子进程不会是进程组长，从而子进程可以调用se
二维数组元素的连续求解 1140566087 二维数组 ACM
import java.util.HashMap; public class Title { public static void main(String[] args){ f(); } // 二位数组的应用 //12、二维数组中，哪一行或哪一列的连续存放的0的个数最多，是几个0。注意，是“连续”。 public static void f(){
也谈什么时候Java比C++快 windshome java C++
刚打开iteye就看到这个标题“Java什么时候比C++快”，觉得很好笑。你要比，就比同等水平的基础上的相比，笨蛋写得C代码和C++代码，去和高手写的Java代码比效率，有什么意义呢？我是写密码算法的，深刻知道算法C和C++实现和Java实现之间的效率差，甚至也比对过C代码和汇编代码的效率差，计算机是个死的东西，再怎么优化，Java也就是和C

散射成像相关原理的数学理论推导与证明

散射技术汇总

1.平面波

2.传输损耗

3.光学记忆效应

4.菲涅尔衍射

5.菲涅尔衍射-凸透镜成像

6.光的传输过程

7.传输矩阵

8.波前整形调制

9.光与物体的相互作用

10.反卷积成像

11.自相关成像

12.相位恢复算法

你可能感兴趣的:(笔记,经验分享)