含光左卫的工作笔记集

工作中需要处理一些示波器波形文件，我手里至少有4种波形文件，lecroy的.trc二级制格式，micsig .bin二进制格式，然后还有一种自制的.bin和一个低端示波器的导出数据。示波器厂商没有提供py数据直接访问接口。我曾经debug过lecroy和micsig的二进制波形文件，我可以把嵌入式生成的数据反向导入乘lecroy格式，比如，现在中美交恶，lecroy wavestudio无法注册，所以现在只能把这部分补齐。

一个振动信号的特征频率结算方法，及数学模型，演示，in python.

是的，你的理解是正确的。在 GStreamer 中，**PPS（Picture Parameter Set）**的处理主要是在编码阶段由 x264enc 来完成，而 h264parse 和 rtph264pay 主要用于解析和打包已经编码好的 H.264 数据流，无法直接修改 PPS 或 SPS 的内容。实际分辨率与标明的分辨率：编码器可能会将视频帧编码为实际分辨率（如 1920x1088），但在流的格式字段中（如 SPS/PPS 中），它可能标明了标准的分辨率（如 1920x1080）。

可以将任何json文件转入redis供跨进程同步更新。包含linux命令行的处理 argv[]缺省参数的处理。redis转换时对key做了适合redis语法的处理。

bash的缘起，现在程序员的脚本占用率，偶然遇到的2024 stack overflow程序员调查报告

一个基于python的最小视频循环存储的设计（包含全套源码.）

.基本流程加入组播udp接口，查询子网内在线的ONVIF摄像头的设备地址：设备地址形如：http://192.168.0.6/onvif/device_service这一步，参看上一篇发文：[ONVIF系列 - 01] 简介 - 设备发现 - 相关工具-优快云博客查询mediaService Uri地址mediaService地址形如:http://192.168.0.6/onvif/Media查询用户的Profiles，得到一个我们需要的Profile

工作中，我们有时需要测试web post功能是否正常。这类测试，客户端的请求很容易实现，比如portman，比如非常简单的命令行curl语法：curl -X POST http://127.0.0.1:5000/post-endpoint/ -F "warning_image=@/path/to/your/file"客户端的请求测试，我没有找到好的测试工具。现在，我一般会使用flask直接在嵌入式平台上搭建测试环境：

ONVIF服务端的实现，笔记和代码。

在编程模式上，订阅模式在分布式环境的一个实现形式，就是mqtt。它可以非常方便地处理消息分发。甚至可以将这个应用添加进嵌入式系统——这个分布式协同机制的开销极小。但是mqtt不负责持久化。顶多，它会保留同一个topic下的最后一笔数据，它不进行数据保存，只是把信息分发给当前在线的用户。如果你需要一个存储缓冲的机制，那么redis就是非常适合的选择。你可以手工实现，但是它有代价——你无法方便地调试，然后你会遇到重复发明轮子过程中必然遭遇的各种技术细节。

卷积运算的运算交换律结合律分配率，典型的低通滤波曲线与实验，尝试在时域徒手构建高通滤波器对应的响应函数，失败，以及失败的原因——高通滤波器在时域的等价物：时间响应函数无法用初等函数的有限排列组合实现。。。。它必须是个差分方程。

创建外围线程的目的只是因为使用的Pymodbus的串口服务是个阻塞函数。在修改寄存器值时需要修改的对象是最原始的hr_block。它有两个关联参数：启动pymodbus是需要添加：broadcast_enable = true，使得对原始缓冲区中寄存器的修改会传递给所有的用户。创建ServerStore是，使用：Single=True，表示所有的客户端共享同一个缓冲区。pyModbus在2=>3的过程中语法大变，上面的版本基于pymodbus==2.5.3上面包含了大小端转换，但是最终没有用上

GeForce RTXTM 3070 Ti 和 RTX 3070 显卡采用第 2 代 NVIDIA RTX 架构 - NVIDIA Ampere 架构。该系列产品搭载专用的第 2 代 RT Core ，第 3 代 Tensor Core、全新的 SM 多单元流处理器以及高速显存，助您在高性能要求的游戏中所向披靡。3090量化到FP32，使用官方的Pytorch跑，完整的60 classes coco数据集一个是18.04小时。Coco训练集大概是12万张图片，60 classes.

这里有一个可用的python重启设备，以及远程更新python代码的方法。遗留问题：1.我无法把用户加入比如operator的某个支持交互式登陆的组，让这个用户仅仅具备开关机权限。2.应用程序的执行用户可能是mimi，但是subprocess的缺省用户是root...?然后这个确认用户root居然无法直接具备开关机权限。。

一份展示Flask与Python的协同代码，Flask的web页面展示了系统的一个暴露的公共tcp port连接的所有用户ip:port列表。做完才发现没有什么用处，我的本意是做一个reverse的ssh或者telnet终端。看点有几个：我原本是打算用multiprocessing.queue在python和Flask的web代码间交互，后来发现不必要。web客户处理的 app级变量最简单的方法是放在：app.config[""]这个字典里。app变量如果更新记得要回写回去...

所以，如果你的源码中，单元测试代码和源码是混在一起的，这个时候就需要避免把这类文件打包进去。注意，最终的./cfg如果与其他模块公用，可以通过设置ln -s的符号连接来实现。1.1.3 之后安装组件和打包都在这个虚拟环境里进行。这样可以防止代码备份时备份进无关的文件。

python sharedmemroy跨进程使用时的运行时bug，讨论，及修复。

yolov5 rknn群里的信息，拉+推的视频延迟总体

python opencv gstreamer rtsp实时推流的尝试，延迟小于500ms

yolov5 在rk3588平台的.rknn模型库

C/Python互操作的工程实践样例

Windows下面的multiprocessing库根本没有shardmemory这个子项，它被放置在别的地方。Python没有足够的能力把所有的天堑填平。。。分歧是必然的，同步，和谐有，更可能没有。一些思维僵化的人无法在舒适圈外有效拓展认知。今天一清早被朋友数落了一句：你是错把风口当本事。。。这个地方我卡了大概三个小时，老顽固们大部分工作时间，都耗在卡顿上。不是不行，脑袋跟不上时代。

FFT当前的大量帖子中的错误是如此触目惊心。我不知道它的波及面有多广，我在大量的帖子里看到错误的频谱纵坐标。有心人可以考证一下，这个错误是什么人，什么时候引入的。对于现在的大多数运算工具，fft返回的那个复数队列中的每一个点，实部是幅度，虚部是幅角。取模运算：np.abs(real+j*imag) = sqrt(real*real + imag*imag)没有意义。频谱只需要展示实部。

对于以嵌入式应用为代表的物联网项目，很多工作需要数据推送来调试后面的业务逻辑。如果完全依赖硬件环境调试，会非常麻烦，而且，对于大中专院校的学生，还有一些其他数据部署会推迟的项目，先行构建一个好用的测试桩是必要的。

希尔伯特变换，在数学上的含义是清晰的。它是一个数字移相器，可以把通过它的任何一个信号相移90度。这个数学工具在信号解调时，会有非常有用的特性出现。可以看示例：解释一下：1.最上面的波形是载波和待叠加的低频信号。2.中间的波形是经过信道传输的经过载波叠加的调幅波3.是包络信号，实际上就是去除载波后的低频信号。注意，最后的载波信号被整体提升了一个幅度为载波信号幅度的直流分量。

采样率不足，引发的频谱混叠效应的实验，结论：混叠后的频率是 信号频率除以采样频率后的余数

下面这个原则，不知道是否所有的编程人员有基本认知。代码怎么写都可以，就像你可以任意组合文字，但是表达如果不依从某些规则，会很容易遭遇维护和调试时的大量时间浪费。下面这个问题可以归结为一条规则：代码要明确进行封装并明确表达一个代码块的输入输出参数。其实就是函数化。函数这个东西虽然很常见，但它是一种创造。

pymodbus为了区分同步和异步操作，使用了sync和async作为一整个子模块的分支节点名。然后因为asyn是python的关键字，然后呢，python发现了类似的问题，在3.7附近的某个版本，把这个问题改掉了。但是 pymodbus自己同样做了规避。它也改了，直接取消了这两个分支节点。将代码上移。然后既有的一些代码就都会在import阶段就会报错。

信号的包络推导

我使用GPT最常做的几类事务——工作辅助、陌生领域探索、信息刺探、尝试触及它的能力边界，以及专业咨询用。

不经意间的语义混淆

Python的加密算法实现起来不复杂，但是有时，现场环境可能无法挂载AES， DEC这类模块，这里有一个简化的实现，利用hash, xor实现的对称加密。它的最终输出加密字符串比较大，至少有32*2*2个字节。

windows 平台与linux平台的代码编码转换，以及相关的字符集相关的一些知识。

一段linux系统中处理mqtt消息服务器上的消息入库的例程。使用python开发

gcc 环境调用python相关的配置和互操作提示。

梳状滤波效应的原理及程序演示。梳状滤波效应是由于频谱中出现规则的谱线增强抑制不断起伏的现象，能量在频域呈现出梳齿状的起伏，是这种干涉效应的最显著特征。文中包含代码示例，和原理分析以及一些形象化的展示。

python的执行环境搭建指导，包括模块的安装简要说明...

当信号叠加有高频噪声时，特别是类似有变频器这类强干扰源存在的情况下，如何测得信号的准确频率，是个问题。FFT要求长时间采样，对于嵌入式应用，采样点数和时间消耗都是个问题。而即使用示波器的波形叠加功能，因为强干扰源的存在，无法找到准确的触发沿，也无法达到这个目的，除非使用深存储功能的示波器，抓取足够多的数据点...

一种直流信号（采样值）去除零点的的方法，包含完整的python代码。有图形示例。

在现实生活中，采集到的信号，会有一些噪点需要去除，否则这部分数据在比如时域空间直接进行分析时就会遇到非常难以厘清的逻辑要处理，各种异常。肉眼看去，那些噪点是清清楚楚的。如何去除呢？这里给出我的一种基于LOF的异常数据点的筛除算法