中国srrc认证

SRRC认证全面解析 一、SRRC认证的重要性 1)SRRC是国家无线电管理委员会强制认证要求,自 1999 年 6 月 1 日起,中国信息产业部 (Ministry of Information Industry, MII) 强制规定,所有在中国境内销售及使用的无线电组件产品,必须取得无线电型号的核准认证 (Radio Type Approval Certification)。 2)为了保证不同类型的无线电发射设备的频率都可以在国内合法使用,所有在国内销售的无线电发射设备都必须要申请无线电型号核准认证(SRRC),同时还需要申 阅读详情

SRRC认证是指“国家无线电发射设备认证”,这是中国政府对无线电发射设备的合规性进行监管和管理的制度。该认证是在中国广播电影电视部管理下进行的,目的是确保无线电发射设备在使用时符合相关法律法规的要求,保障无线电频率资源的有效利用和无线电通信的安全与顺畅。

SRRC认证的意义在于确保无线电发射设备符合国家规定的法律法规要求,保障通信质量和无线电频率资源的有效利用。

SRRC认证范围:

1.无线电通信、导航、定位、测向、雷达、遥控、遥测、广播、电视等各种发射无线电波的设备(不包含可辐射电磁波的工业、科研、医疗设备、电气化运输系统、高压电力线及其他电器装置等);

2.设备类型:

固定通信设备、公众网移动通信设备、短距离(低功率)发射设备、专用移动通信设备、广播发射设备、航空通信、导航设备、雷达设备、水上通信、导航设备、卫星通信设备。

  SRRC认证测试项目:

不同的产品测试项目是不一样的。

·比如蓝牙产品测试项目有:等效全向辐射功率,最大功率谱密度,频率范围,占用带宽,载频容限,杂散发射;

·比如WCDMA(3G)测试项目有: 最大发射功率,矢量幅度误差,峰值码域误差,频率误差,占用带宽,邻道泄漏功率比,频谱发射模板,最小输出功率,上行内环功率,控制上行开环功率,控制发射开/关时间模板,发射关功率,发射机互调,传导杂散发射,辐射杂散

  SRRC认证申请流程:

1.申请者递交资料申请,提出许可申请;

2.认证机构有关人员进行审核受理;

3.提供样品给实验室测试;

4.测试通过后审核测试数据和资料;

5.颁发证书。

  SRRC认证周期:

SRRC认证周期:40-60个工作日(不包含整改时间)。

蓝牙产品做SRRC认证需要注意哪些事项? 型号核准SRRC主要管理产品无线功能,如:BT/WIFI/2G/3G/4G/433MHZ/315MHZ无线频段 阅读详情

相关推荐

SRRC/无线电发射设备型号核准全面解读

什么是SRRC/无线电发射设备型号核准? 中国型号核准简称SRRC认证,是国家强制性认证,旨在将无线波段中的民用波段与军用波段区分开。是在无线电发射设备投入使用前的研制、生产、进口、购置等环节,对其频谱参数技术指标依法进行技术管理。1999年6月1日起,境内销售及使用的无线电组件产品,必须取得无线电型号的核准认证。国内生产的、销售和使用的无线电发射设备均须进行型号核准,核发核准证和型号核准代码,出厂设备的标牌上须标明型号核准代码。 申请SRRC/无线电发射设备型号的必要性: 为了加强对进口和生产无

xinzhouqifu6的博客 2090

中国SRRC认证

4、如果申请人提交的设备在检验后不合格,允许第二次抽样或补充样品进行重新检验。官方网站 www.srrc.org.cn凡向我国出口或国内生产的无线电发射设备,都须进行SRRC认证,标明无线发射设备型号核准代码。1、被测设备型号应有测试程序、方法、标准、条件、测试连接框图、专用测试附件及最新测试报告(复印件或复印件均可);2、如果测试设备的发射端口属于非标准接口,则应提供测试连接电缆和加盖公司印章的电缆衰减值文字或图表依据;2.专用通信设备(对讲机、数字集群、RFID设备等);3.谐波和杂散发射测试;

2301_76380919的博客 616

中国SRRC的检测流程

SRRC怎么认证,认证流程步骤!

LiWei_chan的博客 823

【经济学 知识产权&认证】无线产品认证:SRRC(中国无线电认证)+ BQB(蓝牙资格认证)+ 涵盖常规自研方案&使用已认证模组方案

【经济学 知识产权&认证】无线产品认证:SRRC(中国无线电认证)+ BQB(蓝牙资格认证)+ 涵盖常规自研方案&使用已认证模组方案

ResumeProject的博客 929

为何LPDDR4支持on-die ECC,但是DDR4却不支持呢?

DRAM的ECC,目前的编码方式都是128bit data,产生8bit parity或者ECC code. 而且必须要128bit才行。这8bit的ECC code是要被写入到DRAM内存里面的,从而read的时候,可以读取这8bit ECC code来判定read data是否有错,如果是SBF,就可以纠错了,如果是double bit,大部分时候是可以detect到错误,即所谓的SEC(Single Error Correct) + DED(Double Error Detect).

一个DRAM从业者的告白 1556

Unity游戏开发:从零开始适配Nintendo Switch的完整指南

本文详细介绍了如何使用Unity进行Nintendo Switch游戏开发的完整流程,包括开发环境搭建、Unity工程适配、手柄与硬件特性开发、存储与性能优化等关键步骤。特别强调了Switch SDK的配置、输入系统改造和内存优化技巧,帮助开发者高效完成跨平台适配。

vodka的博客 1069

SRRC型号核准办理流程

SRRC认证简介 SRRC是国家无线电管理委员会强制认证要求,自 1999 年 6 月 1 日起,中国 信息产业部 (Ministry of Information Industry, MII) 强制规定,所有在中国境内销售及使用的无线电组件产品,必须取得无线电型号的核准认证 (Radio Type Approval Certification)。 目前,中国已针对不同类别的无线电发射设备订...

huangjiamei852的博客 724

SAP 批量处理分包事后调整:BAPI_GOODSMVT_CREATE 关键参数与避坑指南

本文详细解析了SAP系统中使用BAPI_GOODSMVT_CREATE进行分包事后批量调整的关键参数配置与常见错误排查。重点介绍了GOODSMVT_CODE设置为'07'的必要性、GOODSMVT_ITEM结构体的正确配置方法,以及如何避免M7384、M7386等常见错误,帮助用户高效处理分包业务中的数量调整问题。

weixin_29276847的博客 567

什么是SRRC?流程是什么?申请需要哪些资料?

SRRC是中国无线产品核准认证,无线产品要想在中国销售,就必须取得SRRC认证。无线电发射设备为无线电通信、导航、定位、测向、雷达、遥控、遥测、广播、电视及微功率(短距离)等各种发射无线电波的设备,这些无线产品要做SRRC就是型号核准认证。

经营范围: CTA、SRRC、CCC、移动、电信、联通入库 1519

python 解析bag文件(不用安装ros系统)

在网上找了很多教程都是安装ros系统之后再通过ros自带的包来解析bag文件,但我并不想安装ros系统,之前我也是通过安装ros系统在来解析bag文件,我觉得不是很方便,主要有两点原因,(1)安装ros需要root用户权限(2)ros系统只支持Python2的接口,一般我都是Python3的conda环境,这样每次调用rosbag时都需要先把当前的conda环境注释掉,不然会报错,然后使用完毕在回到conda环境 ros本身是提供了C++和Python的接口,因为我目前的诉求就只是解析bag文件,我想肯定有

sabrinalx的博客 1万+

微信小程序 - 最新详细实现用户保存下载视频到手机相册,将视频临时路径、在线播放地址(网络路径)URL存储到手机,弹出访问手机相册权限询问,支持视频格式mp4、avi、mov、wmv、flv、webm

微信小程序,视频,手机相册,保存,另存为,小程序保存到相册权限,writePhotosAlbum,一键保存视频到手机相册功能(视频来源为链接),第一次要获取用户授权,授权使用相册权限,小程序视频下载,如何把视频下载到相册,下载一个视频到本地相册,显示下载进度,可取消下载,视频下载到本地,微信小程序视频如何下载,保存视频到相机,页面播放视频并下载到本地,安卓系统,苹果ios保存到相册报错,权限拒绝后打不开,添加相册授权弹框拒绝后再也出不来了,实现保存视频到手机相册功能,将mp4在线视频下载并存储到用户的手机中

🏆 前端领域优质创作者 7626

2019年免费测试SRRC认证哪里办

2019年免费测试SRRC认证哪里办 中国SRRC国家无线电管理委员会State Radio Regulatory Commission of the People’s Republic of ChinaSRMC认证(又称SRRC认证)自 1999 年 6 月 1 日起,中国信息产业部(Ministry of Information Industry, MII) 强制规定,所有在中国境内销售及使用的无线电组件产品,必须取得无线电型号的核准认证 (Radio Type Approval Certificat

Barry_Zhang1的博客 176

YOLOv8改进---BiFPN特征融合

yolov8结合BiFPN进行改进

qq_41920323的博客 4523

CCC认证的全称是“中国强制性产品认证”(China Compulsory Certification)

在中国市场,,它是中国政府为保护消费者人身安全、国家安全、环境安全等,依法实施的一种产品合格评定制度。

长期分享 嵌入式系统、方案设计、踩坑排错干货。 持续深耕、持续输出,欢迎同行交流学习,共同进步。 547

无法将“choco”项识别为 cmdlet、函数、脚本文件或可运行程序的名称的解决方案

本文主要介绍了无法将“choco”项识别为 cmdlet、函数、脚本文件或可运行程序的名称的解决方案,希望能对使用wIndows的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 12万+

Windows 11 WSL2环境下OpenClaw部署的兼容性问题分析与解决方案研究

本文研究了OpenClaw在Windows 11 WSL2环境下的部署方案。WSL2通过无缝集成Linux与Windows系统,为OpenClaw提供了良好的运行环境,支持GPU加速和跨平台开发。文章详细分析了硬件配置要求(推荐8核CPU/16GB内存/NVMe SSD)、系统选择(Windows 11 Pro+Ubuntu 22.04)以及部署步骤,包括WSL2启用、Linux发行版安装、Python/Node.js/Redis等依赖配置。通过优化.wslconfig文件参数(如内存分

博客 2279

SRRC认证的周期、费用多少?要什么资料?

SRRC认证的周期、费用多少?要什么资料? SRRC(中国国家无线电规则)是国家无线电管理委员会的强制性认证要求,直接隶属于工业和信息化部(MII),他们要求在中国销售和使用的所有无线电元件产品必须首先获得无线电类型认证。   目前,中国已为不同类型的无线电发射设备设定了特定的频率范围,并非所有频率都可以在中国合法使用,此外,申请人必须注意某些无线电传输设备的范围,因为除了“无线电型式认可证书”之...

Kellen30的博客 2505

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

电脑如何连接蓝牙音箱_蓝牙音箱如何办理SRRC认证

蓝牙音箱办理srrc认证可以找环测威检测进行办理。近年来随着蓝牙智能手机和平板的电脑的飞速发展,其性能和屏幕已经让消费者惊叹,受体积影响,唯独音箱并没有什么很好的解决方式。听觉是人类最重要的感知之一,消费者对于这部分诉求越来越大。由此蓝牙音箱顺势而起,便携的方式,无线的传输,时尚的外观得到消费者强烈喜爱。蓝牙音箱属于无线扬声器的一种,无线扬声器是使用射频(RF)波而不是音频线接收音频信号的扬声器 ...

weixin_39834406的博客 946

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

无线电设备发射型号核准证(SRRC)

此外,申请者必须注意某些无线电发射设备的规定范畴,不但要申请《无线电型号核准认证》,同时也必须申请中国强制认证(CCC)或进网许可证(MII)的核准。《无线电发射设备型号核准证》是国家规定的强制性认证资质,国家无线电委员会在2016年至2020年加强对无线电发射设备管理,同时19年1月1日起实施的《电商法》第15条对资质做明确要求,以及北京市无线电委员会开始对平台商品进行抽查,凡具有WIFI、蓝牙等无线通讯功能的产品均需具有《无线电发射设备型号核准证》。对予以批准的,核发《无线电发射设备型号核准证》;

经营范围: CTA、SRRC、CCC、移动、电信、联通入库 1061

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

信息技术类产品SRRC认证详解:中国无线电发射设备型号核准制度解读

SRRC认证(无线电发射设备型号核准)是中国对使用无线电频率的设备实施的市场准入制度,由工业和信息化部依据《中华人民共和国无线电管理条例》管理。本文围绕信息技术类产品(含Wi-Fi、蓝牙、蜂窝通信模块及终端设备)的SRRC认证要求,梳理法规依据、适用产品范围、测试项目分类及核准流程,并附常见问题解答。SRRC认证全称为"无线电发射设备型号核准",其法律依据为《中华人民共和国无线电管理条例》(2016年修订版)。该制度由工业和信息化部(MIIT)主管,具体技术审查和测试工作由无线电管理机构执行。

GTG_Shanghai的博客 856

SRRC-相关标准资源下载介绍

SRRC-相关标准资源下载介绍 【下载地址】SRRC-相关标准资源下载介绍 本资源提供《SRRC-相关标准.pdf》文件,全面解析中国SRRC认证的核心规范与流程。SRRC认证是无线产品在中国市场销售的必要条件,这份文件为芯片设计工程师、产品研发人员及认证审核人员提供了详实的指导,涵盖认证流程、标准规范、材料准备及常见问...

gitblog_06730的博客 290

SRRC认证详细介绍

技术指标包括频率范围、功率限制、频率容限、辐射发射限值等,例如 2.4GHz 微功率设备功率限制≤10dBm (e.i.r.p),非微功率设备≤20dBm (e.i.r.p)。认证范围:所有在中国境内销售、使用或进口的无线电发射设备,包括无线通信设备、遥控设备、无线局域网设备、蓝牙设备、无人机、广播电视设备、雷达设备、导航设备等。SRRC 认证全称为无线电发射设备型号核准认证,是国家无线电管理委员会的强制性认证要求。认证目的:规范无线电发射设备的使用,减少无线电频谱资源的干扰,确保无线电通信的安全和有效。

Microtest_CS的博客 633

SRRC认证WiFi类产品标准资源介绍

SRRC认证WiFi类产品标准资源介绍 【下载地址】SRRC认证WiFi类产品标准资源介绍 《SRRC认证WiFi类产品标准》资源文件深入解读了中国无线产品销售的SRRC认证规定,详细阐述了WiFi产品的设计规范和研发要求。该文件为WiFi芯片设计者和产品研发人员提供了宝贵的参考,帮助其产品更好地满足国家认证标准,顺利进...

gitblog_06768的博客 345

SRRC-相关标准资源下载:助力无线产品研发与认证

SRRC-相关标准资源下载:助力无线产品研发与认证 【下载地址】SRRC-相关标准资源下载介绍 本资源提供《SRRC-相关标准.pdf》文件,全面解析中国SRRC认证的核心规范与流程。SRRC认证是无线产品在中国市场销售的必要条件,这份文件为芯片设计工程师、产品研发人员及认证审核人员提供了详实的指导,涵盖认证流程、标准规...

gitblog_06775的博客 336
上一篇: 日本TELEC认证详细介绍
下一篇: kc认证多少钱?
Microtest_CS
博客等级 码龄1年 578粉丝 836原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值