<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[究理观心]]></title><description><![CDATA[如果快乐都没有，其他一切还有什么意义？多做事，多读书，多学习，多思考...]]></description><link>https://blog.youkuaiyun.com/DreamBitByBit</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DreamBitByBit]]></copyright><item><title><![CDATA[导热与冷却]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/108721005</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/108721005</guid><author>DreamBitByBit</author><pubDate>Mon, 21 Sep 2020 22:43:59 +0800</pubDate><description><![CDATA[通信模块由于长时间大功率发送，有时可能导致电路板的温度变化，而不同的温度下，有些器件的工作状态会随温度发生变化，遇到些问题，在某些场景下需要了解温度的变化的情况，所以找了一些基本资料来拟合温度的变化曲线；
傅立叶定律/热传导定律
在导热现象中，单位时间内通过给定截面的热量，正比于垂直于该界面方向上的温度变化率和截面面积。
Q=−kdTdx∗AQ=-k\frac{dT}{dx}*AQ=−kdxdT​∗A
其中k称为热导率或热导系数，A为导热面积；
牛顿冷却定律
冷却定律
物体的冷却速度，与其与当前环境温度的温]]></description><category></category></item><item><title><![CDATA[牛顿迭代法求解开根号、泰勒展开式求解arctan及cordic的原理]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/107197326</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/107197326</guid><author>DreamBitByBit</author><pubDate>Wed, 08 Jul 2020 09:07:30 +0800</pubDate><description><![CDATA[牛顿迭代法求解开根号
求解A的开根号，设值为x，则:

$ y=x^2-A $

求导

$ y’=2x $

某一次迭代

$ x=x_n $


$ y_n = x_n^2-A $

目标值

$ y_n = x_n^2-A = 0 $


$ x_{n+1} = \frac{0-y_n}{2x_n}+x_n= \frac{A-X_n^2}{2x_n}+x_n = \frac{A}{2x_n}+\frac{x_n}{2} $

式子中的除2可以通过移位实现，$ \frac{1}{x_n} $再次使用牛顿]]></description><category></category></item><item><title><![CDATA[快速傅立叶变换推导]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/102865232</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/102865232</guid><author>DreamBitByBit</author><pubDate>Fri, 01 Nov 2019 21:51:07 +0800</pubDate><description><![CDATA[离散信号傅立叶变换

X(k)=∑n=0Nx(n)WNnkX(k)=\sum_{n=0}^Nx(n)W_N^{nk}X(k)=∑n=0N​x(n)WNnk​

其中

WN=e−j2πNW_N=e^{-j\frac{2\pi}{N}}WN​=e−jN2π​


k=0,1,...,N−1k=0,1,...,N-1k=0,1,...,N−1

基2时域抽取FFT
离散傅立叶变换为

X(k)=∑n=...]]></description><category></category></item><item><title><![CDATA[牛顿迭代法计算整数除法]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/102673035</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/102673035</guid><author>DreamBitByBit</author><pubDate>Mon, 21 Oct 2019 22:05:58 +0800</pubDate><description><![CDATA[假定x、y的值分别为M和N，需要计算$ x \div y $的值

$ x = N $


$ y = M $

将除法格式变换为数据相乘

$\frac{x}{y} = x\times\frac{1}{y} = N\times\frac{1}{M} $

如何得到 $ \frac{1}{M} $,如下方程为0时刻的解

$ f(x)=\frac{1}{x}-M \quad (EQ.1)$

可导...]]></description><category></category></item><item><title><![CDATA[FusionF1 DSP结构知识]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/97087509</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/97087509</guid><author>DreamBitByBit</author><pubDate>Wed, 24 Jul 2019 06:08:23 +0800</pubDate><description><![CDATA[完美不是一个小细节;但注重细节可以成就完美。–米开朗基罗
专用DSP和通用处理器最大的差别在于，有很多特殊的计算处理来提高运算效率。在提高运算效率方便，从大的方面可以优化算法，而小的方面可以细微到通用寄存器的使用、变量类型的定义等。使用F1 DSP有一段时间，一直没有细致地了解其结构细节。而了解其工作细节，可以更好地提高运算效率。如下的描述，一部分是文档中直接得到的信息，而另外一部分为实验结果的理...]]></description><category></category></item><item><title><![CDATA[NPDCCH发送周期解析]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/95799916</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/95799916</guid><author>DreamBitByBit</author><pubDate>Sat, 13 Jul 2019 22:12:23 +0800</pubDate><description><![CDATA[有时看问题时，需要确认下行NPDCCH是否有漏解周期的情况，手动计算时间稍有麻烦，所以搞了个python脚本来产生NPDCCH的解码周期,没考虑映射到非锚载波上的情形。
NPDCCH子帧的计算参数
NPDCCH的子帧计算是根据配置的Rmax、周期，并排除周期内的公共子帧来得到。亦即NPDCCH按照周期映射到除了同步信号、MIB、SIB1、SI以外的子帧上。
NPDCCH的参数

NPDCCH 子帧...]]></description><category></category></item><item><title><![CDATA[NB-IoT中DCI Format N0格式解析]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/90737033</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/90737033</guid><author>DreamBitByBit</author><pubDate>Sun, 02 Jun 2019 10:50:14 +0800</pubDate><description><![CDATA[DCI Format N0的用途
DCI: Downlink Control Information 携带在NPDCCH中，用于上下行发送的调度。
DCI Format N0用于调度上行的NPUSCH。
RAR random access response
为什么需要先了解下RAR?

在解析在DCI Fromat N0时刻，有些信息在RAR中已经作为前置条件存在，如子载波间隔subcarrier...]]></description><category></category></item><item><title><![CDATA[关于NB模块的功耗优化]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/90246028</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/90246028</guid><author>DreamBitByBit</author><pubDate>Wed, 15 May 2019 21:52:53 +0800</pubDate><description><![CDATA[对于物联网终端模块，需要关注其功能、性能、安全成本、能耗等。最近折腾NB芯片模块的功耗，整理下过程中的一些想法。
功耗的组成及优化
从芯片电路角度，功耗分为动态功耗和静态功耗，电容充放电过程中的功耗.动态功耗包括翻转功耗(有效功耗)和短路功耗(无效功耗)。参考《参考SoC设计方法与实现》，芯片模块功率可以表示如下:
p=1/2∗C∗Vdd2∗f∗Nsw+Qsc∗Vdd∗f∗Nsw+Ileak∗Vd...]]></description><category></category></item><item><title><![CDATA[jupyter notebook 环境搭建]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/89292574</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/89292574</guid><author>DreamBitByBit</author><pubDate>Sun, 14 Apr 2019 08:17:51 +0800</pubDate><description><![CDATA[jupyter notebook是交互式笔记本，可以支持嵌入运行脚本、markdown语言、latex公式等，而且可以支持导出pdf等文件格式。之前用有道笔记比较多些，主要为了支持多个系统都可以查看记录内容。目前github可以支持私有库了，所以就考虑使用jupyter notebook+github的方式来进行信息记录。
安装方式
在python环境下使用pip安装即可，pip install ...]]></description><category></category></item><item><title><![CDATA[selenium中的Select模块以及firefox下载设置]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/88702291</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/88702291</guid><author>DreamBitByBit</author><pubDate>Wed, 20 Mar 2019 22:41:58 +0800</pubDate><description><![CDATA[一直以来在python脚本处理网页下拉框时，都是使用find_element，然后选择option，模拟鼠标click()操作的方式来进行处理的，最近发现selenium本身提供Select模块，可以有效进行处理。没找到哪儿有具体说明，查看了python帮助文档，学习了下具体使用方式。

简单示例


from selenium.webdriver.support.ui import Select...]]></description><category></category></item><item><title><![CDATA[python中的运算符重载与模块]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/88084346</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/88084346</guid><author>DreamBitByBit</author><pubDate>Sun, 03 Mar 2019 07:15:38 +0800</pubDate><description><![CDATA[在自定数据格式，需要进行算术、逻辑运算时，可以使用运算符重载，即可像原有的数据一样使用数学符号表达式。python中的运算符重载是通过重载特殊的系统方法来实现的，文档中称为special methods，函数本身一般一双下划线开头和结尾。

加法示例

自定义一个类似复数的数据格式,在没有重载__add__的情况下


#!/usr/bin/python
class MyDemoClass:
  ...]]></description><category></category></item><item><title><![CDATA[在python和matlab之间使用sqlite文件传输数据]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/85109743</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/85109743</guid><author>DreamBitByBit</author><pubDate>Wed, 19 Dec 2018 23:01:49 +0800</pubDate><description><![CDATA[之前使用python画图，总觉得没有matlab图形功能强大，而python模式匹配处理数据比较便利。所以考虑使用python过滤数据，然后使用matlab画图分析。当然传输数据的方式可以有很多种，为什么选择sqlite数据库文件方式？考虑同一数据库文件可以存储多个不同格式数据，而且需要增加新的数据类型时，代码可以从数据库表名中得到相关信息，代码修改量比较小。

python写入数据库文件


c...]]></description><category></category></item><item><title><![CDATA[提交代码到github的方法]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/83957811</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/83957811</guid><author>DreamBitByBit</author><pubDate>Sun, 11 Nov 2018 13:05:46 +0800</pubDate><description><![CDATA[git工具的安装及卸载

目前使用的mac平台，下载地址安装git地址

https://git-scm.com/download/mac

https://sourceforge.net/projects/git-osx-installer/

readme中提供的卸载git方式

Run the uninstall script in /usr/local/git/uninstall.sh

...]]></description><category></category></item><item><title><![CDATA[python操作sqlite3数据库]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/82927877</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/82927877</guid><author>DreamBitByBit</author><pubDate>Tue, 02 Oct 2018 19:38:15 +0800</pubDate><description><![CDATA[python的DB-API可以操作多种类型的数据库，sqlite类型属于轻量级的数据库文件。

简单示例


import sqlite3
baseConnect = sqlite3.connect('./database/futuresData.db3')
cur = baseConnect.cursor()
#cur.execute('DROP TABLE a1009')
cur.execut...]]></description><category></category></item><item><title><![CDATA[python trace log扫描小工具]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/82730858</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/82730858</guid><author>DreamBitByBit</author><pubDate>Sun, 16 Sep 2018 23:03:52 +0800</pubDate><description><![CDATA[嵌入式系统平台上，由于资源有限，直接使用UART输出字符串debug信息时资源占比较高，而只使用数字标签表达含义时，又比较难分析。最近的环境遇到这样的问题，简单做了个小工具。编码时直接使用字符串形式，使用工具扫描成数字标签格式，在编译完的二进制文件中不包含字符串信息，当使用UART输出trace log后，再使用工具根据扫描生成的文件解析为字符串格式分析。

主要流程图如下



目录处理的几个问...]]></description><category></category></item><item><title><![CDATA[利用pandas将文件转换为txt文本格式]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81321226</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81321226</guid><author>DreamBitByBit</author><pubDate>Tue, 31 Jul 2018 21:40:07 +0800</pubDate><description><![CDATA[pandas为python中用于数据处理相关模块，当然其依赖与一些模块而存在，如使用read_excel读取相应文件时，需要安装相应的xlrd模块，否则将会出现错误提示。

使用方法示例


#!/usr/bin/python

import pandas as pd

#... ...

srdata = pd.read_excel('2017.xls',encoding='gbk')

wit...]]></description><category></category></item><item><title><![CDATA[mpl_finance模块使用]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81158602</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81158602</guid><author>DreamBitByBit</author><pubDate>Sun, 22 Jul 2018 20:48:59 +0800</pubDate><description><![CDATA[mpl_finance是python中可以用来画出蜡烛图、线图的分析工具，目前已经从matplotlib中独立出来。

函数接口说明

常用函数接口如下所示，函数命中的ochl分别对应open close high low，ax为plot的axes实例；其中quotes为（time，open,close,high,low，...）组成的序列。

candlestick2_ochl(ax,opens...]]></description><category></category></item><item><title><![CDATA[linker脚本文件知识]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81089057</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81089057</guid><author>DreamBitByBit</author><pubDate>Tue, 17 Jul 2018 21:46:29 +0800</pubDate><description><![CDATA[linker脚本文件的作用

linker脚本文件是用来控制link过程的文件，文件中包含内容为linker的处理命令，主要用于描述输入文件到输出文件(目标文件)时各个内容的的分布及内存映射等等。linker文件可以自己提供，也可以有ld过程自己生成，当使用缺省的linker脚本文件时，ld的命令选项将会对其产生一定的影响，GNU编译环境中可以通过-T命令指定相应的liner脚本，在使用-T时，指...]]></description><category></category></item><item><title><![CDATA[Eclipse搭建ARM交叉编译环境]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81088987</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81088987</guid><author>DreamBitByBit</author><pubDate>Tue, 17 Jul 2018 21:38:42 +0800</pubDate><description><![CDATA[工具安装

eclipse版本: Version: Oxygen Release (4.7.0)

安装ARM编译工具

Help=&amp;gt;Install New Software=&amp;gt;add

Name为 GNU ARM Eclipse Plug-ins

Location为 http://gnuarmeclipse.sourceforge.net/updates

选择相应的安装包 GUN...]]></description><category></category></item><item><title><![CDATA[ELF文件格式定义]]></title><link>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81088845</link><guid>https://blog.youkuaiyun.com/DreamBitByBit/article/details/81088845</guid><author>DreamBitByBit</author><pubDate>Tue, 17 Jul 2018 21:33:38 +0800</pubDate><description><![CDATA[ELF文件格式有32位及64位的两种，本质上差别不是很大，主要关注ELF 32位的文件处理方式。

整体文件格式

ELF为Executable and Linking Format的缩写，为编译生成的目标文件，编译生成的目标文件有几种格式 relocatable file、executable file 和 shared Object file三种，linking file 及 Executio...]]></description><category></category></item></channel></rss>