Matlab（BPSK AWGN维特比）_请用 Matlab 完成如下通信链路基带性能仿真代码：卷积码（2， 1， 3）生成多项式为(15,17）8调制方式 BPSK； ③信道 AWGN；④理想同步；⑤译码方法 Viterbi 算法；.zip 在现代数字通信系统中，模拟信号被转换成数字信号，并通过各种方式传输。在这一过程中，基带传输扮演着至关重要的角色。基带传输指的是数字信号在传输媒介上的直接传输，不经过任何频率转换。为了评估数字通信系统的性能，我们通常采用误码率（BER）这一指标作为衡量标准。在实际应用中，为了提高传输的可靠性，通常会在发送信号前对其进行编码，从而在接收端可以纠正某些传输错误。 在给定的文件信息中，提到了几个关键的通信链路组成部分，它们共同构成了一个基带通信系统。首先是调制方式，这里采用的是二进制相位偏移键控（BPSK）。BPSK是一种简单的调制技术，它将数字信息映射到正负的相位上。在BPSK调制过程中，数据以二进制形式存在，每个比特代表信号相位的变化。 在信号的传输过程中，信号不可避免地会受到各种噪声的影响。在模拟这一过程时，常使用加性白高斯噪声（AWGN）信道模型。AWGN信道是最简单且最常用的信道模型之一，它假设接收信号的噪声是加性的、白的，并且是高斯分布的。在AWGN信道中，噪声是独立同分布的，不随时间和频率变化。 为了进一步提升通信链路的性能，卷积编码被引入到传输链路中。卷积编码是一种前向错误更正编码技术，它可以在不增加额外传输功率或带宽的情况下，提高通信系统的可靠性。具体到本例中，使用的卷积编码器有两个输入比特，一个输出比特，并且具有约束长度为3的生成多项式。这种编码方式可以将信息比特转换为更长的码字序列，从而在接收端通过相应的译码算法检测和纠正一定的错误。 在接收端，对经过信道传输的信号进行解调。为了从接收到的信号中正确恢复原始数据，使用了维特比算法进行译码。维特比算法是一种有效的解码算法，它可以用来还原在传输过程中被噪声干扰的编码数据。在实际应用中，维特比算法因为其高效性和实用性，在卷积码译码领域被广泛应用。 本案例描述了一个典型的数字通信链路，从信息的编码到调制，再到通过噪声信道的传输，最后通过译码恢复信息。在这个过程中，BPSK调制、AWGN信道模型、卷积编码以及维特比译码算法共同协作，保证了信息在传输过程中的准确性和可靠性。

该库（ROBOOP）是一个C ++机器人面向对象的编程工具箱，适用于在提供``类似于MATLAB''功能来处理矩阵的环境中进行合成和仿真机械手模型。 它是一种便携式工具，不需要使用商业软件。 名为Robot的类提供了串行机器人机械手的运动学，动力学和线性化动力学的实现。 名为Stewart的类提供了运动学的实现，即Stewart型并联机械手的动力学特性。

QGIS Conefor 用于处理应用程序的 QGIS 插件。 该插件提供了 QGIS 和 Conefor 之间的桥梁，允许您通过处理框架从 QGIS 内部运行所有 Conefor 的景观连通性分析算法。 这为景观和栖息地分析提供了非常方便的环境。 Conefor 算法可以通过模型和脚本直接集成到更复杂的工作流程中，并使用处理框架中包含的所有其他 GIS 算法。 该插件还包括一个 GUI 窗口，该窗口可单独用于准备供 Conefor 作为单独应用程序使用的输入。 Conefor 的作者是 Santiago Saura ( ) 和 Josep Torné。 该插件由 Ricardo Garcia Silva ( ) 在马德里理工大学 ETSI Montes 的资助下开发。 该插件是在 GPL 许可下发布的。 安装 此插件仅在 Conefor 应用程序已安装并可用时才有用。 Con

UDTStudio 适用于UniSwarm产品的CANOpen工具。 依存关系 Qt> 5.9 使用的Qt模块： 核 gui 小部件 图表 串行总线 适用于UDTStudio的QT5：图表+串行总线 sudo apt install git make g++ qt5-default libqt5serialbus5-dev libqt5serialbus5-plugins libqt5charts5-dev 建造 不要忘记在构建之前初始化和更新子模块。 git clone https://github.com/UniSwarm/UDTStudio.git cd UDTStudio git submodule init git submodule update mkdir build cd build qmake ../src make -j`nproc` 二进制文件将放置在bin

《用伤寒论数据研究学习Python和Pandas》 在数据科学领域，Python与Pandas是两个不可或缺的工具。Python是一种高级编程语言，以其简洁、易读的语法和丰富的库支持，深受数据分析师和科学家的喜爱。Pandas则是Python中一个强大的数据分析库，它提供了高效的数据结构，如DataFrame和Series，使得数据清洗、处理和分析变得更加简单。 在这个项目中，“用伤寒论数据研究学习Python和Pandas”，我们将会看到如何利用Python和Pandas来对中医经典著作《伤寒论》中的数据进行深入分析。《伤寒论》是中国古代医学的重要文献，其中记载了大量关于疾病诊断和治疗的信息，这些数据可以为我们提供一个独特的研究视角。 我们需要了解Python的基础知识。Python支持多种数据类型，包括整型、浮点型、字符串、列表、元组、字典等。此外，它还拥有强大的控制流程（如if语句、for循环和while循环）以及函数和类的概念，这些都是进行数据处理时必备的基础。 然后，我们需要熟悉Pandas库。Pandas的DataFrame对象是二维表格型数据结构，它可以存储许多不同类型的数据，并提供了丰富的统计方法和操作功能。Series是一维数据结构，可以看作是有索引的数组。通过Pandas，我们可以方便地导入和导出数据，进行数据清洗，例如处理缺失值、重复值，以及数据转换和重塑。 在处理《伤寒论》的数据时，我们可能会遇到文本处理的问题，比如分词、去停用词、词性标注等。Python的nltk和jieba库可以在这方面提供帮助。nltk是英文自然语言处理的库，而jieba是用于中文分词的库，它们可以帮助我们将文本数据转化为可分析的形式。 接下来，我们可以运用Pandas进行数据探索性分析（EDA）。这包括计算各种统计量，绘制图表，找出数据的分布特征和潜在关联。例如，我们可以通过分析《伤寒论》中不同病症出现的频率，理解疾病的分布情况。 此外，Python的可视化库matplotlib和seaborn可以帮助我们将数据结果以图形化的方式呈现出来，便于理解和解释。通过创建柱状图、饼图、散点图等，我们可以更直观地观察数据的模式和趋势。 在具体操作上，我们可能需要将《伤寒论》的文本数据进行预处理，如去除标点符号、数字，进行词干提取等，以便进行后续的分析。接着，我们可以利用Pandas的groupby、merge和pivot_table等功能，进行数据的聚合、合并和转换。对于关联性分析，我们可以使用corr()函数计算相关系数，或者使用pairplot()生成双变量的散点图矩阵。 基于这些分析结果，我们可以尝试建立简单的模型，比如分类或回归模型，预测疾病的发展或治疗效果。Python的scikit-learn库提供了丰富的机器学习算法，如逻辑回归、决策树、随机森林等，适用于这样的任务。 通过这个项目，不仅可以深入学习Python和Pandas在数据处理中的应用，还可以对中国传统医学的宝贵数据进行挖掘，从中获取新的洞见。这个过程不仅锻炼了我们的编程技能，也让我们更好地理解了《伤寒论》这部经典著作的内涵。

在IT领域，有时我们需要对计算机进行特定的控制，例如在公共场所展示或演示时，防止他人误操作。"禁用鼠标和键盘"的功能就能满足这样的需求。这个功能可以通过编程调用系统API来实现，通常涉及到钩子（Hook）技术。本文将深入探讨如何禁用鼠标和键盘，以及相关的API函数和钩子机制。 我们要了解什么是钩子。在Windows操作系统中，钩子是一种机制，允许应用程序监控系统中特定事件的发生，比如键盘或鼠标的输入。当这些事件发生时，钩子函数会被调用，从而让我们有机会拦截并处理这些事件，甚至阻止它们的默认行为。 在禁用鼠标和键盘的过程中，我们主要会用到以下两个系统API函数： 1. `SetWindowsHookEx()`: 这个函数用于安装一个钩子，指定要监控的事件类型和处理函数。对于禁用鼠标和键盘，我们需要关注的是`WH_KEYBOARD_LL`（低级键盘钩子）和`WH_MOUSE_LL`（低级鼠标钩子）。这两个钩子能够监控到所有的键盘和鼠标事件，无论它们来自哪个线程。 2. `UnhookWindowsHookEx()`: 当我们不再需要监控键盘和鼠标事件时，可以使用此函数移除之前设置的钩子。 下面是一个简单的示例流程，演示如何使用这些API禁用键盘和鼠标： 1. 定义钩子处理函数，如`KeyboardHookProc`和`MouseHookProc`。这些函数会在对应的键盘或鼠标事件发生时被调用。 2. 调用`SetWindowsHookEx()`，传入相应的钩子类型、处理函数、模块句柄（通常是DLL模块），以及线程ID。对于全局钩子，线程ID通常设置为0，表示监控所有线程。 3. 在钩子处理函数中，你可以选择忽略或处理事件。为了禁用输入，你可以在这些函数中直接返回，不执行任何操作，这样就可以阻止事件被进一步处理。 4. 当不再需要禁用输入时，调用`UnhookWindowsHookEx()`，移除钩子。 需要注意的是，长时间全局禁用鼠标和键盘可能会对系统的正常运行产生影响，因为用户无法通过这些设备与系统交互。因此，在实现这种功能时，应确保有适当的恢复机制，并且只在必要时启用。 此外，由于系统权限问题，只有具有管理员权限的进程才能成功安装全局钩子。对于本地用户级别的应用，可以考虑使用线程特定的钩子，但这只能影响到安装钩子的线程。 禁用鼠标和键盘是一项涉及Windows API和钩子机制的技术。正确使用这些工具，我们可以创建出能够临时锁定系统输入的实用程序，从而在特定场景下保护计算机的安全。然而，这种功能也应谨慎使用，以免对用户体验造成不必要的困扰。

客户遇到由于证书过期问题导致vCenter突然无法登录，这里做一个汇总。（也适用于vCenter 7.x） 证书已过有效期的问题。vCenter 的证书在安装部署时，⼀般是默认10 年的，vCenter 6.5 以后的部分版本存在证书只有2 年有效期的问题。 主要是验证两类证书：一类是STS证书（参考第一和第二），还一类是其他证书（参考第三和第四）。 解决办法： 一、验证是否因为STS证书原因导致。 1、从KB79248 的网页下载一个Python 的小程序checksts.py（文末有下载） 2、上传到vCenter Server 或外部的PSC。上传到VCSA 的/tmp 目录，或者Windows Server 的%TEMP%目录。（如果使用工具无法连接，可以将 shell 更改为 bash shell 来使用 SCP，命令如下：chsh -s/bin/bash root） 3、进到/tmp 目录：cd /tmp 4、运行 python checksts.py 可以看到证书的有效期，如果过期了，继续往下更新证书。

云开发是一种以云资源为基础的开发模式，它将传统应用开发中的服务器端工作简化为云函数、数据库和文件存储等服务，使得开发者能够专注于前端的开发工作。这种模式特别适合开发微信小程序，因为微信小程序主要运行在客户端，对后端的依赖相对较小，加上微信小程序的用户基数庞大，使得云开发模式下的应用有着广阔的用户基础。 微信小程序是一种不需要下载安装即可使用的应用，它实现了应用“触手可及”的梦想，用户扫一扫或搜一下即可打开应用。同时，微信小程序还具有使用方便、功能丰富、覆盖场景广泛等特点，已经成为移动互联网中非常重要的应用形式之一。 在上述的背景之下，“言己账本”微信小程序是一款专注于记账功能的应用。它允许用户记录每一笔收入和支出，帮助用户管理个人财务。在微信小程序平台上，用户可以轻松地通过微信账号登录，并随时随地进行记账操作，这样的便捷性使得这款记账小程序非常适合现代人的快节奏生活方式。 记账类应用的功能通常包括但不限于：记录交易（收入和支出）、分类账目、查看账单历史、生成图表报告、设定预算限额、多账本管理等。这些功能可以帮助用户清晰地了解自己的资金流动情况，从而更好地进行个人财务管理。 由于微信小程序的云开发模式可以提供数据存储、数据处理和实时更新等后端服务，所以开发者能够为用户构建一个稳定、安全、高效的数据管理系统。在“言己账本”中，用户的记账数据可以被安全地存储在云端，随时同步到用户的微信账号，确保数据不会因为设备的丢失或更换而遗失。 在技术实现上，“言己账本”小程序将充分利用微信小程序框架的特性，如使用 WXML 进行页面布局、WXSS 定义样式以及使用 JavaScript 进行动态交互。同时，云开发相关的API会被广泛利用，以实现数据的存储和处理，为用户提供流畅的使用体验。 随着移动互联网技术的不断发展，微信小程序平台也不断开放更多的接口和功能，为开发者提供了更大的创新空间。开发者可以根据用户需求，不断优化和升级“言己账本”的功能，例如引入人工智能算法来辅助财务分析、提供社交功能以支持家庭成员间的财务共享等。 “言己账本”微信小程序的出现，不仅为微信用户提供了一款实用的个人财务管理工具，也展示了云开发模式下微信小程序的巨大潜力。这款小程序的成功运用，将为其他类型的微信小程序开发提供参考，推动整个微信小程序生态系统的成熟与发展。

大核的密度分布通常以伍兹-撒克逊分布为特征，其半径为R0，表皮深度为a。 然后引入变形参数β，以使用球谐函数R0（1 +β2Y20+β4Y40）的展开来描述非球核。 但是，当原子核为非球形时，R0和通过电子散射实验推断出的，在所有核取向上积分的结果都不能直接用作Woods-Saxon分布的参数。 另外，通常从减小的四极电子跃迁几率B（E2）↑得到的β2值与球形谐波膨胀中使用的β2值不直接相关。 B（E2）↑与本征四极矩Q0的关系比与β2的关系更准确。 但是，可以为给定的β2计算Q0，然后从Q0导出B（E2）↑。 在本文中，我们计算并制表了R0，a和β2值，这些值在Woods-Saxon分布中使用时，将得出与电子散射数据一致的结果。 然后，我们介绍使用新参数和旧参数计算的二次谐波和三次谐波参与者偏心率（ε2和ε3）。 我们证明ε3对a尤其敏感，并指出使用a的不正确值对于从重离子碰撞中产生的QGP提取粘度与熵之比（η/ s）具有重要意义。

kettle下载安装教程 以下是 **Kettle（现称Pentaho Data Integration, PDI）** 的下载和安装详细教程，适用于 Windows、macOS 和 Linux 系统。 --- ### **1. 下载 Kettle (PDI)** 1. **访问官网** 打开浏览器，进入 Pentaho 官方下载页面： [https://sourceforge.net/projects/pentaho/files/](https://sourceforge.net/projects/pentaho/files/) 2. **选择版本** - 找到 **"Data Integration"**（即 Kettle 的现用名称）。 - 选择最新稳定版本（如 `9.4`），点击进入。 - 下载对应的安装包： - Windows: `pdi-ce-{版本号}.zip` - macOS/Linux: `pdi-ce-{版本号}.tar.gz` 3. **下载 Java 环境（如需）** Kettle 需要 **Java 8 或 11**（建议 OpenJDK 或 Oracle JDK）： - 下载 JDK： - [Oracle JDK](https://www.oracle.com/java/technologies/javase-downloads.html) - [OpenJDK](https://adoptium.net/) --- ### **2. 安装步骤** #### **Windows 系统** 1. **解压文件** - 将下载的 `pdi-ce-{版本号}.zip` 解压到任意目录（如 `C:\kett