工具类

专门提供的LogUtils

public class LogUtils {

    public static final boolean isDebug = true;//可以在application的onCreate()中初始化
    private static String TAG = "ida";

    public static void i(String msg) {//info 信息
        if (isDebug) {
            Log.i(TAG, msg);
        }
    }
    public static void e(String msg) {//error 错误
        if (isDebug) {
            Log.e(TAG, msg);
        }
    }
    public static void d(String msg) {//debug 调试
        if (isDebug) {
            Log.d(TAG, msg);
        }
    }
    public static void w(String msg) {//warn 警告
        if (isDebug) {
            Log.w(TAG, msg);
        }
    }
    // 自己定义的tag
    public static void i(String tag,String msg) {//info
        if (isDebug) {
            Log.i(tag, msg);
        }
    }
    public static void e(String tag,String msg) {//error
        if (isDebug) {
            Log.e(tag, msg);
        }
    }
    public static void d(String tag,String msg) {//debug
        if (isDebug) {
            Log.d(tag, msg);
        }
    }
    public static void w(String tag,String msg) {//warn
        if (isDebug) {
            Log.w(tag, msg);
        }
    }
}


 

时间的工具类 包括时间戳转化为字符串,字符串转化为时间戳,获得当前月份以及前11个月份的集合

/**
 * Created by ida on 18-2-8.
 */

public class TimeUtils {

    //将时间戳转化为日期字符串
    public static String toDate(long time) {
        String date = "";
        Date d = new Date(time);
        SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd hh:mm:ss");
        date = format.format(d);
        return date;
    }

    //将日期字符串转化为时间戳
    public static long toTime(String date) {
        long time = 0;
        SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd hh:mm:ss");
        try {
            Date date1 = format.parse(date);
            time = date1.getTime();
        } catch (ParseException e) {
            e.printStackTrace();
        }
        return time;

    }

    //当前月份的前11个月(总共12个月)
    public static ArrayList<String> year() {
        ArrayList<String> list = new ArrayList<>();
        Calendar cal = Calendar.getInstance();
        SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM");
        String today = dateFormat.format(cal.getTime());
        list.add(today);
        for (int i = 0; i < 11; i++) {
            if (cal.get(Calendar.MONTH) - i < 1) {
                list.add(cal.get(Calendar.YEAR) - 1 + "-" + fillZero(cal.get(Calendar.MONTH)-i+12));
            } else {
                list.add(cal.get(Calendar.YEAR) + "-" + fillZero(cal.get(Calendar.MONTH) - i));
            }
        }
        return list;

    }

    private static  String fillZero(int i) {
        String str = "";
        if (i > 0 && i < 10) {
            str = "0" + i;
        } else {
            str = i + "";
        }
        return str;
    }


分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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