计算概论A-2-计算机发展以及分类-学习笔记

本文回顾了计算机从早期手工计算到现代超大规模集成电路的发展历程,并探讨了摩尔定律及其面临的挑战。此外,还介绍了量子计算机这一前沿技术及其当前面临的问题。

计算机发展以及分类


一. 历史上的计算设备

1. 早期计算机:手工计算机,机械计算机,计算机原型

2. 现代计算机:电子管计算机,晶体管计算机,集成电路计算机,超大规模集成电路


二. 从电子管到云计算

1. 电子管计算机

特点: 控制真空中电子流动的电子装置,被设置为两个状态以表示0或1。响应比机械快,但体积大,耗能高,易烧坏。


2. 晶体管计算机


特点:功能与真空管类似,但更小,更便宜,耗能更少,更可靠。并且不需要预热。


3. 集成电路计算机


特点:将成千上万的真空管或晶体管压在一个单独的微型芯片上。


4. 超大规模集成电路计算机

    

特点:更快,更小,更便宜


三. 摩尔定律及其挑战

1.  摩尔定律:CPU性能价格比大约18个月翻一番。并且,速度越来越快,价格越来越便宜。


2. 摩尔定律的挑战:                

    问题一:散热,随着晶体管密度与速度的增加,芯片能耗更多,产生更多热能。

    问题二:晶体管大小限制。

    问题三:电泄露。


四. 未来计算机

1. 量子计算机

量子计算与传统计算机的比较:


2. 量子计算机的挑战

量子实行计算过程中不能受到外界环境的干扰,只有与外界隔离才能保持良好的相干性,但是对于量子计算机的制造而言,只有使量子与外界环境良好地耦合才能控制演化并读出结果,显然两者形成矛盾。


以上笔记综合了“计算概论A”课程内容及网络内容(百度百科及相关图片)

内容概要:本文介绍了一套针对智能穿戴设备的跑步/骑行轨迹记录系统实战方案,旨在解决传统运动APP存在的定位漂移、数据断层和路径分析单一等问题。系统基于北斗+GPS双模定位、惯性测量单元(IMU)和海拔传感器,实现高精度轨迹采集,并通过卡尔曼滤波算法修正定位误差,在信号弱环境下利用惯性导航补位,确保轨迹连续性。系统支持跑步与骑行两种场景的差异化功能,包括实时轨迹记录、多维度路径分析(如配速、坡度、能耗)、数据可视化(地图标注、曲线图、3D回放)、异常提醒及智能优化建议,并可通过蓝牙/Wi-Fi同步数据至手机APP,支持社交分享与专业软件导出。技术架构涵盖硬件层、设备端与手机端软件层以及云端数据存储,强调低功耗设计与用户体验优化。经过实测验证,系统在定位精度、续航能力和场景识别准确率方面均达到预期指标,具备良好的实用性和扩展性。; 适合人群:具备一定嵌入式开发或移动应用开发经验,熟悉物联网、传感器融合与数据可视化的技术人员,尤其是从事智能穿戴设备、运动健康类产品研发的工程师和产品经理;也适合高校相关专业学生作为项目实践参考。; 使用场景及目标:① 开发高精度运动轨迹记录功能,解决GPS漂移与断点问题;② 实现跑步与骑行场景下的差异化数据分析与个性化反馈;③ 构建完整的“终端采集-手机展示-云端存储”系统闭环,支持社交互动与商业拓展;④ 掌握低功耗优化、多源数据融合、动态功耗调节等关键技术在穿戴设备中的落地应用。; 阅读建议:此资源以真实项目为导向,不仅提供详细的技术实现路径,还包含硬件选型、测试验证与商业扩展思路,建议读者结合自身开发环境,逐步实现各模块功能,重点关注定位优化算法、功耗控制策略与跨平台数据同步机制的设计与调优。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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