傅里叶变换的一些总结

2023-10-29

傅里叶变换的一些总结

1.三角函数的正交性

三角函数系: { 1 ( c o s ( 0 x ) ) , s i n ( x ) , c o s ( x ) , s i n ( 2 x ) , c o s ( 2 x ) , s i n ( 3 x ) , c o s ( 3 x ) , . . . , s i n ( n x ) , c o s ( n x ) } \{ 1(cos(0x)), sin(x),cos(x),sin(2x),cos(2x),sin(3x),cos(3x),...,sin(nx),cos(nx) \} {1(cos(0x)),sin(x),cos(x),sin(2x),cos(2x),sin(3x),cos(3x),...,sin(nx),cos(nx)}​​

从三角函数系中任选两个函数,他们的乘积在 [ − π , π ] [-\pi,\pi] [π,π]​​​上的积分具有一定的正交性。(正交,理解:两个二维向量,内积为0,图像上表示为垂直关系,例子:向量 a = { a 1 , a 2 , . . . , a n } a = \{a_1,a_2,...,a_n\} a={a1,a2,...,an}​​​和向量 b = { b 1 , b 2 , . . . , b n } b = \{b_1,b_2,...,b_n\} b={b1,b2,...,bn}​​​的内积为0,即 a 1 b 1 + a 2 b 2 + . . . + a n b n = 0 a_1b_1 + a_2b_2 + ... + a_nb_n = 0 a1b1+a2b2+...+anbn=0​​​)。
∫ − π π s i n ( n x ) c o s ( m x ) = 0 ∫ − π π s i n ( n x ) s i n ( m x ) = 0 ,      m ≠ n ∫ − π π c o s ( n x ) c o s ( m x ) = 0 ,      m ≠ n \int_{-\pi}^{\pi} sin(nx)cos(mx) = 0 \\ \int_{-\pi}^{\pi} sin(nx)sin(mx) = 0,~~~~ m \ne n \\ \int_{-\pi}^{\pi} cos(nx)cos(mx) = 0,~~~~ m \ne n \\ ππsin(nx)cos(mx)=0ππsin(nx)sin(mx)=0,    m=nππcos(nx)cos(mx)=0,    m=n
证明,利用三角函数积化和差化简。

2.周期为 2 π 2\pi 2π的连续函数

f ( t ) = f ( t + 2 π ) f(t) = f(t + 2\pi) f(t)=f(t+2π)​,展开为傅里叶级数为:
f ( t ) = a 0 + a 1 c o s ( t ) + b 1 s i n ( t ) + a 2 c o s ( 2 t ) + b 2 s i n ( 2 t ) + . . . + a ∞ c o s ( ∞ t ) + b ∞ s i n ( ∞ t ) = a 0 / 2 + ∑ n = 1 ∞ a n c o s ( n t ) + ∑ n = 1 ∞ b n s i n ( n t ) (1) f(t) = a_0 + a_1cos(t) +b_1sin(t)+a_2cos(2t) + b_2sin(2t) +...+a_\infty cos(\infty t)+b_\infty sin(\infty t) \\ = a_0/2 + \sum_{n=1}^\infty a_ncos(nt) + \sum_{n=1}^\infty b_nsin(nt) \tag {1} f(t)=a0+a1cos(t)+b1sin(t)+a2cos(2t)+b2sin(2t)+...+acos(t)+bsin(t)=a0/2+n=1ancos(nt)+n=1bnsin(nt)(1)

a 0 = 1 π ∫ − π π f ( t ) d t a n = 1 π ∫ − π π f ( t ) c o s ( n t ) d t b n = 1 π ∫ − π π f ( t ) s i n ( n t ) d t (2) a_0 = \frac 1\pi\int_{-\pi}^{\pi}f(t)dt \\ a_n = \frac 1\pi\int_{-\pi}^{\pi}f(t)cos(nt)dt \\ b_n = \frac 1\pi\int_{-\pi}^{\pi}f(t)sin(nt)dt \tag{2} a0=π1ππf(t)dtan=π1ππf(t)cos(nt)dtbn=π1ππf(t)sin(nt)dt(2)

求解 a 0 a_0 a0,对等式 ( 1 ) (1) (1)两边求积分 ∫ − π π d t \int_{-\pi}^{\pi}dt ππdt ∫ − π π ∑ n = 1 ∞ b n s i n ( n t ) d t = 0 \int_{-\pi}^{\pi}\sum_{n=1}^\infty b_nsin(nt)dt=0 ππn=1bnsin(nt)dt=0 , ∫ − π π ∑ n = 1 ∞ a n c o s ( n t ) d t = 0 \int_{-\pi}^{\pi}\sum_{n=1}^\infty a_ncos(nt)dt=0 ππn=1ancos(nt)dt=0

求解 a n a_n an​,对等式 ( 1 ) (1) (1)​两边求积分 ∫ − π π c o s ( k x ) d t \int_{-\pi}^{\pi}cos(kx)dt ππcos(kx)dt​,化简。

求解 b n b_n bn,对等式 ( 1 ) (1) (1)两边求积分 ∫ − π π s i n ( k x ) d t \int_{-\pi}^{\pi}sin(kx)dt ππsin(kx)dt​,化简。

3.周期为2l的连续函数

f ( t ) = f ( t + 2 l ) f(t) = f(t+2l) f(t)=f(t+2l),其傅里叶级数为:
f ( t ) = a 0 / 2 + ∑ n = 1 ∞ a n c o s ( n ω t ) + ∑ n = 1 ∞ b n s i n ( n ω t ) (3) f(t) =a_0/2 + \sum_{n=1}^\infty a_ncos(n\omega t) + \sum_{n=1}^\infty b_nsin(n\omega t) \tag {3} f(t)=a0/2+n=1ancos(t)+n=1bnsin(t)(3)
利用周期为 2 π 2\pi 2π的傅里叶级数进行换元(换元法),令 x = π t / l , t = l x / π x = \pi t/l,t = lx/\pi x=πt/l,t=lx/π​。​

构造函数: f ( t ) = f ( l x / π ) = g ( x ) f(t) = f(lx/\pi) = g(x) f(t)=f(lx/π)=g(x)​,根据(1)和(2), g ( x ) g(x) g(x)可以分解为傅里叶级数。将x替换为t,进行化简。其中,周期 T = 2 l , ω = 2 π T T=2l,\omega = \frac {2\pi}T T=2l,ω=T2π
a 0 = 2 T ∫ − l l f ( t ) d t a n = 2 T ∫ − l l c o s ( n ω t ) f ( t ) d t b n = 2 T ∫ − l l s i n ( n ω t ) f ( t ) d t (4) a_0 = \frac 2T \int_{-l}^l f(t)dt \\ a_n = \frac 2T \int_{-l}^l cos(n\omega t)f(t)dt \\ b_n = \frac 2T \int_{-l}^l sin(n\omega t)f(t)dt \tag{4} a0=T2llf(t)dtan=T2llcos(t)f(t)dtbn=T2llsin(t)f(t)dt(4)
4.连续周期傅里叶级数的指数形式

欧拉公式: e i θ = c o s ( θ ) + i s i n ( θ ) e^{i\theta} = cos(\theta) + isin(\theta) eiθ=cos(θ)+isin(θ)

正弦函数可以使用指数表示: c o s ( θ ) = e i θ + e − i θ 2 , s i n ( θ ) = − i ( e i θ − e − i θ 2 ) cos(\theta) = \frac{e^{i\theta} + e^{-i\theta}}{2},sin(\theta) = -i(\frac{e^{i\theta} - e^{-i\theta}}{2}) cos(θ)=2eiθ+eiθ,sin(θ)=i(2eiθeiθ)

将正弦函数带入公式(4),得:
f ( t ) = 1 T ∑ n = − ∞ ∞ C n e i n ω t C n = ∫ 0 T f ( t ) e − n ω t d t (5) f(t) = \frac 1T \sum_{n=-\infty}^{\infty}C_ne^{in\omega t} \\ Cn =\int_{0}^{T}f(t)e^{-n\omega t} dt\tag{5} f(t)=T1n=CneinωtCn=0Tf(t)etdt(5)
其中, C n C_n Cn为傅里叶系数, ω = 2 π T \omega = \frac {2\pi}T ω=T2π​为基角频率, T T T为周期。

5.连续函数的傅里叶变换

公式(5)中,函数的周期为T,若 T − > ∞ T->\infty T>​​​​,则函数并不是周期函数, ω = 2 π T \omega = \frac {2\pi}T ω=T2π​, T − ∞ , ω − 0 , ω = n x + 1 ω − n x ω = Δ ω T-\infty,\omega-0,\omega = n_{x +1}\omega -n_{x}\omega = \Delta\omega T,ω0,ω=nx+1ωnxω=Δω​​​​。

感受现象,若为非周期函数,函数的周期趋近于 ∞ \infty ,而 ω 、 Δ ω \omega、\Delta\omega ωΔω趋近于0,离散的频谱变成了连续的频谱。

根据积分的基本定义,黎曼和,即 ∫ a b f ( x ) d x = ( f ( b ) − f ( a ) ) ∗ Δ x \int_a^bf(x)dx = (f(b) - f(a)) *\Delta x abf(x)dx=(f(b)f(a))Δx​,对 f ( t ) f(t) f(t) C n C_n Cn进行变换:
C n = ∫ 0 T f ( t ) e − n ω t d t = ∫ − ∞ ∞ f ( t ) e − n ω t f ( t ) = 1 T ∑ n = − ∞ ∞ C n e i n ω t = Δ ω 2 π ∑ n = − ∞ ∞ C n e i n ω t = 1 2 π ∫ − ∞ ∞ C n e i n ω t d n ω = 1 2 π ∫ − ∞ ∞ F ( ω x ) e i ω x t d ω x (6) Cn =\int_{0}^{T}f(t)e^{-n\omega t} dt \\ = \int_{-\infty}^{\infty}f(t)e^{-n\omega t} \\ f(t) = \frac 1T\sum_{n=-\infty}^{\infty} C_n e^{in\omega t} \\ = \frac {\Delta\omega}{2\pi} \sum_{n=-\infty}^{\infty} C_n e^{in\omega t} \\ = \frac {1}{2\pi}\int_{-\infty}^\infty C_n e^{in\omega t}dn\omega \\ = \frac {1}{2\pi}\int_{-\infty}^\infty F(\omega_x) e^{i\omega_x t}d\omega_x \tag{6} Cn=0Tf(t)etdt=f(t)etf(t)=T1n=Cneinωt=2πΔωn=Cneinωt=2π1Cneinωtd=2π1F(ωx)eiωxtdωx(6)
其中记 n ω = ω x , C n = F ( ω x ) n\omega = \omega_x,Cn = F(\omega_x) =ωx,Cn=F(ωx)​。

总结,连续函数的傅里叶变换为
F ( ω x ) = ∫ − ∞ ∞ f ( t ) e − i ω x t d ( t ) f ( t ) = 1 2 π ∫ − ∞ ∞ F ( ω x ) e i ω x t d ω x (7) F(\omega_x) =\int_{-\infty}^\infty f(t)e^{-i\omega_x t} d(t)\\ f(t)= \frac {1}{2\pi}\int_{-\infty}^\infty F(\omega_x) e^{i\omega_x t}d\omega_x \tag{7} F(ωx)=f(t)eiωxtd(t)f(t)=2π1F(ωx)eiωxtdωx(7)
6.周期序列的离散傅里叶变换

f N ( k ) f_N(k) fN(k)​表示一个周期为N的离散时间序列, f N ( k ) = f N ( k + l N ) f_N(k) = f_N(k+lN) fN(k)=fN(k+lN)​,对于连续周期信号,可以分解为一系列角频率为 n ω ( n = 0 , 1 , − 1 , 2 , − 2 , . . . , ) n\omega(n=0,1,-1,2,-2,...,) (n=0,1,1,2,2,...,)​的虚指数之和 e i ω n t e^{i\omega n t} eiωnt​,同样周期为N的序列同样可以展开为多个虚指数之和 e i ω n k = e i n 2 π N k e^{i\omega n k} = e^{i n \frac {2\pi}N k} eiωnk=einN2πk​,这些虚指数序列需要满足: e i n 2 π N k = e i ( n + l N ) 2 π N k e^{i n \frac {2\pi}N k} = e^{i (n + lN) \frac {2\pi}Nk} einN2πk=ei(n+lN)N2πk​​​​ , (理由,离散序列的频域是周期的,周期同样为N),因此周期序列 f N ( k ) f_N(k) fN(k)的傅里叶级数展开式可以使用有限项表示,取第一个周期 n = 0 , 1 , 2 , . . . , N − 1 n=0,1,2,...,N-1 n=0,1,2,...,N1​,则其展开式可以写为:
f N ( k ) = ∑ k = 0 N − 1 C n e j n ω k C n = 1 N ∑ k = 0 N − 1 f N ( k ) e − j n ω k = 1 N F n ( n ω ) F n ( n ω ) = ∑ k = 0 N − 1 f N ( k ) e − j n ω k (8) f_N(k) = \sum_{k=0}^{N-1}C_ne^{jn\omega k} \\ C_n = \frac 1N \sum_{k=0}^{N-1}f_N(k)e^{-jn\omega k} = \frac 1N F_n(n\omega) \\ F_n(n\omega) = \sum_{k=0}^{N-1}f_N(k)e^{-jn\omega k} \tag{8} fN(k)=k=0N1CnejnωkCn=N1k=0N1fN(k)ejnωk=N1Fn()Fn()=k=0N1fN(k)ejnωk(8)
公式8中, ω = 2 π N \omega=\frac {2\pi}{N} ω=N2π​​​是一个常数,离散傅里叶系数变换以及逆变换。

7.有限长序列的离散傅里叶变换 (周期)

为了引用周期序列的知识,将有序序列 f ( n ) f(n) f(n)延扩为周期序列 f N ( k ) f_N(k) fN(k).

对于周期序列 f n ( k ) f_n(k) fn(k),第一个周期 k = 0 , . . . , N − 1 k=0,...,N-1 k=0,...,N1定义为主值区间,可以将 f ( k ) f(k) f(k)看作 f N ( k ) f_N(k) fN(k)​的主值区间序列。根据公式8,周期序列的傅里叶变换都只限于主值区间,因而将种种变换引申到相同的有限长序列,定义为有限长序列的离散傅里叶变换​。
F ( n ) = D F T [ f ( k ) ] = ∑ k = 0 N − 1 f ( k ) e − i 2 π N k n f ( k ) = i D F T [ F ( n ) ] = 1 N ∑ k = 0 N − 1 f ( n ) e i 2 π N k n F(n) = DFT[f(k)] = \sum_{k=0}^{N-1}f(k)e^{-i\frac {2\pi}Nkn} \\ f(k) = iDFT[F(n)] = \frac 1N \sum_{k=0}^{N-1}f(n)e^{i\frac {2\pi}Nkn} F(n)=DFT[f(k)]=k=0N1f(k)eiN2πknf(k)=iDFT[F(n)]=N1k=0N1f(n)eiN2πkn

参考:
https://www.bilibili.com/video/BV1Et411R78v/?spm_id_from=333.788.recommend_more_video.1 (连续傅里叶变换的推导)
http://www.elecfans.com/soft/49/52/2020/202002131164102.html(离散傅里叶变换的由来)

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

傅里叶变换的一些总结 的相关文章

  • 信号的傅里叶分析之傅里叶级数

    1 为什么要进行傅里叶分析 信号分析方法主流方法有 1 时域分析 以冲激信号为基本信号 任意输入信号可分解为一系列冲激信号 2 频域分析 以正弦信号和虚指数信号为基本信号 将任意输入信号分解为一系列不同频率的正弦信号或者虚指数信号之和 独立
  • 数字信号处理理解

    心得体会 给自己看的 傅里叶变换 FT FS DTFT DFS 傅里叶变换虚部理解 每个函数都可以写成奇分量 偶分量 偶分量用很多cos合成 奇分量用很多sin合成 频谱上 实轴上冲激函数就是由这些cos合成 那如果是sin合成的呢 那就是
  • 欠采样的精华内容

    1 采样频率高于信号最高频率的两倍 这种采样被称为过采样 2 采样频率低于信号最高频率的两倍 这种采样被称为欠采样 对基带信号进行欠采样是无法从采样信号中恢复出原始信号的 因此基带信号的采样都是过采样 对频带信号进行采样可以是过采样 也可以
  • 数字信号处理知识点

    数字信号处理知识点 1 频谱图中 横坐标取值范围的含义 2 MATLAB常用函数 2 1 波形产生 2 2 滤波器分析 2 3 滤波器实现 2 4 线性系统变换 2 5 滤波器设计 2 5 1 FIR滤波器 2 5 2 IIR滤波器 2 6
  • 基于线性预测的语音编码原理解析

    早期的音频系统都是基于声音的模拟信号实现的 在声音的录制 编辑和播放过程中很容易引入各种噪声 从而导致信号的失真 随着信息技术的发展 数字信号处理技术在越来越多领域得到了应用 数字信号更是具备了易于存储和远距离传输 没有累积失真 抗干扰能力
  • 数字信号处理综合实验——Matlab实现DTMF信号的产生与提取

    数字信号处理综合实验 一 实验内容及要求 实验内容 综合运用课程所学相关知识 根据实际信号的频谱特性 确定数字滤波器设计技术指标 设计相应的数字滤波器 实现DTMF信号的提取 设计要求 1 通过查阅资料 自学电话中DTMF信号的产生与检测方
  • 第10章 生物医学信号小波分析

    一 小波的定义及特点 二 连续小波变换 三 离散小波变换 第一部分是尺度函数 相当于低通滤波 第二部分是小波函数 相当于高通滤波 向下箭头是降阶处理 抽取法 四 心电信号的小波分析 去掉2 1 2 2 2 8对应的信号 然后进行重构 心电信
  • 谈谈滞后补偿器与PI控制及其原理分析

    本文一览 1 什么是滞后补偿器以及和PI控制的联系 2 PI控制对系统的影响 1 什么是超前补偿器以及和PI控制的联系 上一篇文章提到了超前补偿器 超前这个词的含义就是相位提前 相位提前所带来的的好处就是减少振荡 加快系统的稳定 但是使用超
  • 傅里叶变换、短时傅里叶变换、小波变换

    顺序 傅里叶 gt 短时傅里叶变换 gt 小波变换的顺序 转载自形象易懂的傅里叶变换 短时傅里叶变换和小波变换本文作者按照傅里叶 短时傅里叶变换 小波变换的顺序 由浅到深的解释小波变换的缘由以及思路 https mp weixin qq c
  • 【数字信号处理2】IIR 滤波器设计

    一 实验目的 1 掌握冲激响应法和双线性变换法设计IIR滤波器的原理及具体设计方法 熟悉用双线性设计法设计低通 带通和高通IIR数字滤波器的计算机程序 2 熟悉模拟Butterworth滤波器的设计 掌握冲激响应法和双线性变换法设计数字II
  • 数字信号处理知识点总结(四):快速傅里叶变换(FFT)

    本篇文章主要介绍快速傅里叶变换 FFT 的优化原理 基 2FFT算法的推导 实现及用FFT实现的线性卷积 主要参考知乎 精品讲义 快速傅里叶变换 Fast Fourier Transformation 以及一些数字信号处理的书籍整理而成 参
  • 数字信号处理第一次试验:系统响应及系统稳定性

    数字信号处理第一次试验 系统响应及系统稳定性 前言 一 实验目的 二 实验原理与方法 三 实验环境 四 实验内容及步骤 五 实验结果截图 含分析 六 思考题 七 实验报告要求 前言 为了帮助同学们完成痛苦的实验课程设计 本作者将其作出的实验
  • Cadence Allegro 软件使用技巧_导入导出DXF

    Allegro中导入导入导出DXF简介 一 Allegro导入DXF文件 在进行PCB设计时 需要考虑结构要求 其要求就会体现在结构文件中 一般Allegro软件的结构文件为DXF DXF文件中包含PCB板外形 定位孔位置大小 关键器件位置
  • 图信号处理基础------Foundations in Graph Signal Processing

    本篇博文意在用例子的形式解释图信号处理基础 目的是记录总结自己的学习过程 有兴趣的读者也可也一起交流 前言 图是一种包含多种数据属性的不规则结构 然而 传统的图论处理方法都注重分析底层的图结构而不是图上的信号 随着多传感器测量技术的快速发展
  • 数字图像处理之浮雕效果——基于傅里叶变换的频域操作

    问题简述 这是信号与系统课程的一个课后作业 要求运用傅里叶变换的理论知识 在matlab中对数字图像进行浮雕效果的处理 浮雕效果和图像边缘的检测差不多 学习过深度学习的同学可能会想到使用核对图像进行卷积操作 吴恩达老师在DeepLearni
  • 数字信号处理第二次试验:时域采样与频域采样

    数字信号处理第二次试验 时域采样与频域采样 前言 一 实验目的 二 实验原理与方法 三 实验环境 四 实验内容及步骤 五 实验结果截图 含分析 实验程序运行结果及分析讨论 六 思考题 想说点啥 前言 为了帮助同学们完成痛苦的实验课程设计 本
  • 数字信号处理第四次试验:IIR数字滤波器设计及软件实现

    数字信号处理第四次试验 IIR数字滤波器设计及软件实现 前言 一 实验目的 二 实验原理与方法 三 实验环境 四 实验内容及步骤 五 实验结果截图 含分析 六 思考题 前言 为了帮助同学们完成痛苦的实验课程设计 本作者将其作出的实验结果及代
  • 导出离散傅里叶变换(DFT)的两种方法

    1 原理部分 在这里首先确定DFT的对象为一个有限长的离散非周期序列 这主要因为计算机处理的都是有限长的离散序列 如果你要处理的序列本身不是离散非周期的序列 可以通过截取或者离散化等方法获得所需的有限长的离散非周期序列 对于有限长的离散非周
  • 数字信号处理_第4个编程实例(信号的采样与重建)

    配套的讲解视频详见 数字信号处理14 1 模拟信号转换至数字信号的过程 哔哩哔哩 bilibili 数字信号处理14 2 冲激串的傅里叶变换及采样过程的时频域表示 哔哩哔哩 bilibili 数字信号处理14 3 信号重建与采样定理及Mat
  • 离散无记忆信源

    在信息理论中 离散无记忆信源是指生成的每个符号都是独立且具有相同概率的信源 这样的信源模型具有一些特殊的属性和应用 对于理解和优化信息传输和存储过程非常重要 离散无记忆信源是信息论中最简单的一类信源 它的特点是生成的每个符号都是相互独立的

随机推荐

  • 从零开始搭建创业公司后台技术栈

    转自 http ju outofmemory cn entry 351897 编辑 公众号程序员面试 前言 说到后台技术栈 脑海中是不是浮现的是这样一幅图 图 1 有点眼晕 以下只是我们会用到的一些语言的合集 而且只是语言层面的一部分 就整
  • 服务器虚拟化方需求分析报告,服务器虚拟化解决方案报告书.doc

    WORD格式可编辑 专业知识整理分享 服务器虚拟化解决方案 Citrix XenServer服务器虚拟化解决方案 1 1 方案综述 1 1 1服务器虚拟化的业务及应用需求 随着企业业务的飞速发展 越来越多的业务系统依赖于数据中心的支撑 其中
  • 泛微移动表单校验手机号跟邮箱

    泛微移动表单校验手机号跟邮箱 var iphoneVal f phone val 获取表单字段 var checkIphone d 1 345789 d
  • h5上下滑动动画效果(vue)

    1 详情介绍 图片可以使用网络图片 根据请求过来的图片来获取高度要控制滑动的位置 可以换成视频 要实现滑动播放视频的效果 并且可以在上面添加一些其他的功能 白色背景区域可以展示对应的数据 具体效果看文章末尾 2 编码介绍 template部
  • UNIX环境高级编程 学习笔记 第十九章 伪终端

    终端登录是经由终端设备进行的 终端设备天然提供终端语义 在终端和运行程序之间有一个终端行规程 通过该规程我们能设置终端特殊字符 如退格 行删除 中断等 但当一个登录请求到达网络连接时 终端行规程并不是自动被加载到网络连接和登录shell之间
  • VSCode在linux服务器下launch.json和tasks.json等文件配置

    前言 用win下的VSCode远程连接linux服务器后 就可以用VSCode运行linux下代码了 在编译运行代码前 按照VSCode的要求 我们要给编译和执行操作分别配置一堆参数 这就是launch json和tasks json配置的
  • Android WebView加载优化,Android WebView 优化页面加载效果

    目前带有Web功能的APP越来越多 为了能够更好的使用WebView展示页面 可以考虑做相关的优化 WebView 缓存 资源文件本地存储 客户端UI优化 目前webapp越来越多 体验也越来越好 为了能够更好的使用WebView展示出流畅
  • 深入解析Spring使用枚举接收参数和返回值机制并提供自定义最佳实践

    Spring对应枚举传参 返回值默认是用字面量实现的 实际情况更复杂 而 阿里巴巴Java开发手册 规定接口返回值不可以使用枚举类型 包括含枚举类型的POJO对象 为此 本文探究了Spring内部对枚举参数的传递和处理机制 并提供了一套自定
  • JULES模型

    参考文献 1 2020 Calibrating soybean parameters in JULES 5 0 from the US Ne2 3 FLUXNET sites and the SoyFACE O 3 expe 流程 2 20
  • 排序算法详解

    概述 冒泡排序 应用1 把数组排成最小的数 应用2 移动零到数组末尾 排序算法是一类非常经典的算法 说来简单 说难也难 刚学编程时大家都爱用冒泡排序 随后接触到选择排序 插入排序等 历史上还有昙花一现的希尔排序 公司面试时也经常会问到快速排
  • 二维数组. 转置矩阵

    转自 二维数组 转置矩阵 知乎 二维数组 转置矩阵 Diamon 2 人赞同了该文章 867 转置矩阵 给你一个二维整数数组 matrix 返回 matrix 的 转置矩阵 矩阵的 转置 是指将矩阵的主对角线翻转 交换矩阵的行索引与列索引
  • 如何让“ChatGPT自己写出好的Prompt的“脚本在这里

    写个好的Prompt太费力了 在网上 你可能会看到很多人告诉你如何写Prompt 需要遵循各种规则 扮演不同的角色 任务明确 要求详细 还需要不断迭代优化 写一个出色的Prompt需要投入大量的时间和精力 甚至有一些公开的Prompt的开源
  • java前后端交互_Java之前后端数据交互

    1 前台发送数据到服务端 以及接受后台数据 前台发送数据到服务端 有两种方法 1 使用 表单发送同步请求 参数inputStr 参数intputInt 2 使用ajax发送异步请求 发送的数据为json对象 参数username 参数pas
  • 【报童模型】随机优化问题&&二次规划

    面对需求的不确定性 报童模型是做库存优化的常见模型 而标准报童模型假设价格是固定的 此时求解一个线性规划问题 可以得到最优订货量 这种模型存在局限性 因为现实世界中价格与需求存在一定的关系 本文假设需求q是价格p的线性函数 基于历史需求数据
  • 面试之你为什么从上家公司离职

    在上家公司 你为什么离职 请相信 百分之八十的面试官 要么是HR要么是技术负责人 或多或少都会问到的问题 如果问你这个问题 你该如何回答 举几个不太恰当的例子 大家尽量不要用下面的理由 我是感觉不太好 1 因为上家公司不能办公室谈恋爱 我就
  • centos7.0中搭建dhcp服务器

    一 dhcp 二 配置dhcp的方法 1 安装dhcp服务器 使用命令 vpm qa dhcp 查看一下dhcp有没有安装 如果没安装将不会有任何提示信息 如果安装好了 将会返回dhcp的版本号 可以看到我已经安装好了 在centos7的安
  • Swagger2介绍及使用

    项目中整合Swagger2 1 什么是swagger2 2 常用注解 3 项目中整合Swagger2 3 1 引入Swagger2依赖 3 2 编写swgger2配置类代码 3 3 在需要测试的模块中引入有swagger2的模块坐标 3 4
  • QT 智能提示设置

    关于QT的智能提示 有两点 一 默认只能在Ctrl Space或打 会自动转成 gt 的时候会出现 由于Ctrl Space默认在我电脑上是输入法的切换 所以一直以为没这个功能 敲代码时特别郁闷 于是在QT Creator中的Tool gt
  • 离散事件仿真原理DES

    参考 SYSTEM SIMULATION AND OPTIMIZATION 目录 1 系统仿真原理 1 1系统 模型和系统仿真 1 2系统仿真分类 1 2 1 蒙特卡洛仿真 Monte Carlo Simulation 1 2 2 离散系统
  • 傅里叶变换的一些总结

    傅里叶变换的一些总结 1 三角函数的正交性 三角函数系 1 c o s 0 x