JS

1.继承:原型链

function a(){
    this.yy=[1,2]
}
a.prototype.say_a=function(){
    console.log(this.yy)
}
function b(){
    a.call(this)//继承属性
    this.yyy=[3,4]
}
b.prototype=new a();//继承方法
b.prototype.say_b=function(){
    console.log(this.yyy)
}
var c = new b();
var d = new b();
c.yy.push([3]);
c.yyy.push([5]);
c.say_a();//[ 1, 2, [ 3 ] ]
c.say_b();//[ 3, 4, [ 5 ] ]
console.log(c.yy)//[ 1, 2, [ 3 ] ]
console.log(c.yyy)//[ 3, 4, [ 5 ] ]
d.say_a();//[ 1, 2 ]
d.say_b();//[ 3, 4 ]
console.log(d.yy)//[ 1, 2 ]
console.log(d.yyy)//[ 3, 4 ]
console.log(a.prototype.yy)//undefined
console.log(a.yy)//undefined
console.log(b.prototype.yy)//[ 1, 2 ]
console.log(b.yy)//undefined

2.this

JavaScript 的 this 原理 - 阮一峰的网络日志  http://www.ruanyifeng.com/blog/2018/06/javascript-this.html

var f = function () {
    console.log(this.x);
  }
  
var x = 1;
var obj = {
    f: f,
    x: 2,
};
  
// 单独执行
f() // 1 
  
// obj 环境执行
obj.f() // 2

this指的是函数运行时所在的环境。对于obj.foo()来说,foo运行在obj环境,所以this指向obj;对于foo()来说,foo运行在全局环境,所以this指向全局环境。所以,两者的运行结果不一样。

var a=11
function test1(){
  this.a=22;
  let b=function(){
    console.log(this.a);
  };
  b();//11
  this.c=function(){
    console.log(this.a);
  };
  // c();//报错,c is not defined
}
var x=new test1();
console.log(x.b);//undefined
//x.b()//报错, x.b is not a function
console.log(x.c);//[Function]
x.c();//22

 

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