js的循环机制eventloop

1.js是单线程语言,在主线程中,代码的执行是顺序执行的

   js中还会有很多异步操作,例如setTimeout,setInterval,promise等等,首先主线程代码先执行,然后执行微任务,再执行宏任务。

2.哪些属于宏任务,哪些属于微任务?

   宏任务:包括整体代码script,setTimeout,setInterval等

   微任务:promise.then的回调函数,promise.nextTick,async 函数await下面的代码

3.js执行的时候:

   第一步:js 解释器识别所有 js 代码,将同步的代码放到主线程执行;异步的代码放到Event Table(事件列表)执行。这也是第一次宏任务执行完毕!

   第二步:接下来执行所有的微任务。

   之后一直循环第一步,第二步,也就是常说的Event Loop(事件循环)

   事件循环可以用下面这张流程图理解

为了理解来分析一段较复杂的代码:

console.log('1');
 
setTimeout(function() {
    console.log('2');
    process.nextTick(function() {
        console.log('3');
    })
    new Promise(function(resolve) {
        console.log('4');
        resolve();
    }).then(function() {
        console.log('5')
    })
})
process.nextTick(function() {
    console.log('6');
})
new Promise(function(resolve) {
    console.log('7');
    resolve();
}).then(function() {
    console.log('8')
})
 
setTimeout(function() {
    console.log('9');
    process.nextTick(function() {
        console.log('10');
    })
    new Promise(function(resolve) {
        console.log('11');
        resolve();
    }).then(function() {
        console.log('12')
    })
})
 
 

第一轮:

整体代码script作为第一个宏任务执行,首先1会被打印出来,然后第一个setTimeout被放到宏任务列,nextTick被放到微任务列,new Promise会首先打印7,然后第一个then会被放到微任务列,第二个setTImeout被放到宏任务列。第一轮宏任务结束,看看微任务列是否有微任务有的话,全部执行完,nextTick1,打印6,then1,打印8,第一轮结束,打印了1,7,6,8

第二轮:

首先执行第一个setTImeout,首先打印2,然后nextTick会被放大微任务列,promise打印4,then放进微任务列,然后第二个宏任务结束,执行微任务,打印3和5,第二轮打印了2,4,3,5

第三轮:

执行第二个setTimeout,首先打印9,然后nextTick会被放大微任务列,promise打印11,then放进微任务列,然后第二个宏任务结束,执行微任务,打印10和12,第二轮打印了9,11,10,12

所以打印顺序为1,7,6,8,2, 4,3,5,9,11,10,12

 

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 4
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