linux基础笔记的简述 后续会有 更加细节的补充
2022-02-07 11:00:39 8MB linux 运维 笔记整理
1
家庭心理治疗简述参照.pdf
2022-02-05 12:04:42 17KB 网络文档
目前USB设备虽已被广泛应用,但比较普遍的却是USB1.1接口,它的传输速度仅为12Mbps.举个例子说,当你用USB1.1的扫描仪扫一张大小为40M的图片,需要半分钟之久。 这样的速度,让用户觉得非常不方便,如果有好几张图片要扫的话,就得要有很好的耐心来等待了。用户的需求,是促进科技发展的动力,厂商也同样认识到了这个瓶颈。这时, COMPAQ、Hewlett Packard、Intel、Lucent、Microsoft、NEC和PHILIPS这7家厂商联合制定了USB 2.0接口标准。USB 2.0将设备之间的数据传输速度增加到了480Mbps,比USB 1.1标准快四十倍左右,速度的提高对
2022-01-06 20:31:17 127KB 简述WinCE USB驱动开发
1
简述Linux删除LVM的过程
2022-01-06 11:01:26 277KB 运维 linux LVM
8.1 主要技术性能 输出脉冲:正/负极性的方波; 脉冲幅度:2kV(50Ω 匹配负载时测,下同),连续 可调; 脉冲上升时间:1ns±30%; 脉冲宽度:50ns~1000ns(每 50ns 为一增量,可调); 操作方式:手动(按一次按钮,产生一个脉冲)、自 动(20Hz~80Hz,可调节)及电源同步(50/60Hz); 相位:在电源同步的情况下,脉冲在电源波形上的相 位自 0°~360°连续可调。 可见,高频噪声模拟器毕竟与脉冲群发生器不同。首 先,波形不同(一个是方波,另一个是 5/50ns 三角波)。 其次,高频噪声模拟器的脉冲在时间上均匀分布;脉冲群 则是成群出现。要指出的是,高频噪声模拟器输出的 2kV 脉冲实际上和脉冲群发生器的 4kV 脉冲是相当的。前者 用 50Ω 匹配负载测得的(高频噪声模拟器的内阻抗也是 50Ω),故模拟器内部的电容电压实际上是 4kV。脉冲群 发生器的内阻是 50Ω,当电压为 4kV,用 50Ω 匹配负载 测得的脉冲也将是 2kV。 高频噪声的“高频”是指波形中含有谐波成分的频率 极高。 4.2 工作原理简述 下图为高频噪声模拟器脉冲发生线路的简图及输出波 形: 准备状态 Cs 充电己结束,作为延时线使用的电缆线 分布电容也充电到 HV。 水银开关闭合时,由于负载电阻与延时电缆的阻抗相 等,在电阻上得到的电压将是 +1/2HV。 水银开关闭合瞬间,由于回路阻抗发生突变,有一部分 能量(幅值也是 +1/2HV)经延时电缆向高压电源方向反射。 反射波到达 170kΩ 电阻处,由于电阻的阻值远大于 电缆线的阻抗,要形成第二次反射,属开路反射,反射波 要反相以 -1/2HV 向负载方向反射。 当第二次反射波到达负载时,正好和原来的 +1/2HV 相抵消,形成一个完整方波。方波宽度等于电磁波在延时 线上来回反射的时间。 上述分析预示,改变延线的长度,将改变高频噪声模 拟器的输出脉冲(方波)的宽度。 当负载阻抗与延时电缆不匹配时,波形会发生畸变。 ① 高频噪声模拟器外形及操作简述         ※输出脉冲的宽度通过改变 联接各分段延时线的组合关 系来实现 电源线抗扰度试验用仪器内部的耦合/去耦网络来做。 信号线抗扰度试验用电容耦合夹来做。 高频噪声模拟器的脉冲输出端子用电缆输出,电缆另 一端的芯线与外层屏蔽形成短路圈,可将电压脉冲转变成 电流脉冲,而将能量集中在圈的中央。当这个短路圈靠近 对辐射敏感的设备或线路时,可使敏感设备产生误动作。 因此,这个试验方案可用来做设备的局部辐射抗扰度试验 (定性试验)。
2021-12-29 14:46:17 1.27MB 雷击浪涌测试方法
1
Jnetpcap简述-附件资源
2021-12-21 13:46:33 106B
1
本文主要简单介绍了小信号平方律检波
2021-12-13 11:28:02 137KB 小信号 检波 文章 基础课
1
从机器人角度概述环境感知算法的研究情况,请关注“混沌无形”
2021-12-11 21:02:45 646KB 环境感知 SLAM
1
云计算在广电行业的应用简述.docx
2021-12-10 12:08:24 18KB 区块链
随机数广泛应用在科学研究, 但是计算机无法产生真正的随机数, 一般成为伪随机数. 它的产生过程: 给定一个随机种子(一个正整数), 根据随机算法和种子产生随机序列. 给定相同的随机种子, 计算机产生的随机数列是一样的(这也许是伪随机的原因). 随机种子是什么? 随机种子是针对随机方法而言的。 随机方法:常见的随机方法有 生成随机数,以及其他的像 随机排序 之类的,后者本质上也是基于生成随机数来实现的。在深度学习中,比较常用的随机方法的应用有:网络的随机初始化,训练集的随机打乱等。 随机种子的取值范围? 可以是任意数字,如10,1000 python random 下面以python的rand
2021-12-06 14:50:19 87KB c mp OR
1