<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wm4tpd28的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wm4tpd28</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wm4tpd28]]></copyright><item><title><![CDATA[Latex中三级标题subsubsection去掉冒号，亲测有效！]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/108760322</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/108760322</guid><author>wm4tpd28</author><pubDate>Wed, 23 Sep 2020 20:01:12 +0800</pubDate><description><![CDATA[打开IEEEtran.cls文件中有一行
\def@IEEEsectpunct{:\ ,}
把“：”去掉换成空格就行

]]></description><category></category></item><item><title><![CDATA[边缘计算综述]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/105907700</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/105907700</guid><author>wm4tpd28</author><pubDate>Sun, 03 May 2020 19:48:50 +0800</pubDate><description><![CDATA[边缘计算综述

   传统的云计算模型是将所有数据通过网络上传至云计算中心，利用云计算中心的超强计算能力来集中解决应用的计算需求问题。


...]]></description><category></category></item><item><title><![CDATA[RFID路径损耗模型研究方法]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/105707228</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/105707228</guid><author>wm4tpd28</author><pubDate>Thu, 23 Apr 2020 14:40:06 +0800</pubDate><description><![CDATA[RFID路径损耗模型
目前常用的无线信号传播路径损耗模型有: 自由空间传播模型、对数距离路径损耗模型、对数—常态分布模型等。经过比较，确定使用对数—常态分布模型进行研究。其分布模型为：

其中: Pr ( d) 为收发节点距离为 d 时的接收信号强度，其单位为 dBm; Pr ( d0 ) 表示信号参考传输距离为 d0 时的接收信号强度，一般取 d0 = 1 m; n 由环境决定的路径损耗指数，一...]]></description><category></category></item><item><title><![CDATA[RFID对数路径损耗模型-MATLAB]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/105699826</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/105699826</guid><author>wm4tpd28</author><pubDate>Thu, 23 Apr 2020 09:27:42 +0800</pubDate><description><![CDATA[RFID对数路径损耗模型-MATLAB
d=[1:0.5:200];
d0=1;
L0=41.5;
n=2;
X=normpdf(d,0,5);
A=10*n*log10(d/d0);
L1=L0+A+X;
plot(d,L1,'- r');
grid
xlabel('Range(m)')
ylabel('Loss(dB)')
d=[1:0.5:200];
d0=1;
L0=41.5;
n=2.5...]]></description><category></category></item><item><title><![CDATA[Python matplotlib画气温变化的折线图]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/103580033</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/103580033</guid><author>wm4tpd28</author><pubDate>Tue, 17 Dec 2019 14:41:17 +0800</pubDate><description><![CDATA[from matplotlib import pyplot as plt
fig = plt.figure(figsize=(20,8),dpi=80)
#宽20，高8，dpi表示清晰程度
x = range(0,26,2)
y = [15,13,14.5,17,20,25,26,26,27,22,18,15,13]
plt.plot(x,y)
#绘图
plt.xticks(range(0,...]]></description><category></category></item><item><title><![CDATA[基于粒子群和人工神经网络来优化RFID 室内定位算法]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/103067211</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/103067211</guid><author>wm4tpd28</author><pubDate>Thu, 14 Nov 2019 15:52:54 +0800</pubDate><description><![CDATA[粒子群优化人工神经网络的RFID 室内定位算法
作者：陈珊珊，史志才，吴 飞，张玉金，陈计伟
文章提出了一种基于粒子群优化( PSO) 的人工神经网络( ANN) 方法。采用 PSO 优化 ANN 的权值与阈值，避免了传统 ANN 预测结果易陷入局部最优的缺点，并建立了标签信号强度值与位置坐标的关系。
RFID 室内定位算法分析
一般阅读器获取定位标签的信号强度随着传播距离的增加而减弱，其中信号强...]]></description><category></category></item><item><title><![CDATA[Python基础入门05----运算符]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632865</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632865</guid><author>wm4tpd28</author><pubDate>Fri, 18 Oct 2019 22:27:40 +0800</pubDate><description><![CDATA[Python运算符
1.1算数运算符


注意：
混合运算优先级顺序： () ⾼于 ** ⾼于 * / // % ⾼于 + -

1.2赋值运算符

单个变量赋值：
num = 1
print(num)

多个变量赋值：
num1, float1, str1 = 10, 0.5, 'hello world'
print(num1)
print(float1)
print(str1)

多变量赋相同...]]></description><category></category></item><item><title><![CDATA[Python基础入门04----数据类型转换]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632654</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632654</guid><author>wm4tpd28</author><pubDate>Fri, 18 Oct 2019 22:04:10 +0800</pubDate><description><![CDATA[Python数据类型转换
1.1 转换数据类型的作用
input()接收⽤户输⼊的数据都是字符串类型，如果⽤户输⼊整型数字1，该如何操作？
转换数据类型即可，即将字符串类型转换成整型。
1.2转换数据类型的函数

1.3测试
# 1. 接收⽤户输⼊
num = input('请输⼊您的幸运数字：')
# 2. 打印结果
print(f"您的幸运数字是{num}")
# 3. 检测接收到的⽤户输⼊的...]]></description><category></category></item><item><title><![CDATA[Python基础入门03----输入]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632417</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632417</guid><author>wm4tpd28</author><pubDate>Fri, 18 Oct 2019 21:33:45 +0800</pubDate><description><![CDATA[Python输入
1.1输入的语法

input(“提示信息”)

1.2输入的特点
（1）当程序执⾏到 input ，等待⽤户输⼊，输⼊完成之后才继续向下执⾏。
（2）在Python中， input 接收⽤户输⼊后，⼀般存储到变量，⽅便使⽤。
（3）在Python中， input 会把接收到的任意⽤户输⼊的数据都当做字符串处理。
password = input('请输⼊您的密码：')
prin...]]></description><category></category></item><item><title><![CDATA[Python基础入门02----输出]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632137</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/102632137</guid><author>wm4tpd28</author><pubDate>Fri, 18 Oct 2019 21:16:00 +0800</pubDate><description><![CDATA[格式化输出
1.1格式化符号

扩充：
（1）%06d，表示输出的整数显示位数，不⾜以0补全，超出当前位数则原样输出
（2）%.2f，   表示⼩数点后显示的⼩数位数。
1.2代码
格式化字符串除了%s，还可以写为 f’{表达式}'
age = 18
name = 'TOM'
weight = 75.5
student_id = 1

# 我的名字是TOM
print('我的名字是%s' % na...]]></description><category></category></item><item><title><![CDATA[Python基础入门01----数据类型]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/102631939</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/102631939</guid><author>wm4tpd28</author><pubDate>Fri, 18 Oct 2019 20:56:16 +0800</pubDate><description><![CDATA[Python数据类型
在 Python ⾥为了应对不同的业务需求，也把数据分为不同的类型。

检测数据类型的方法：type(  )
a = 1
print(type(a)) # &lt;class 'int'&gt; -- 整型
b = 1.1
print(type(b)) # &lt;class 'float'&gt; -- 浮点型
c = True
print(type(c)) # &lt;c...]]></description><category></category></item><item><title><![CDATA[RFID室内定位之landmarc算法]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/101558062</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/101558062</guid><author>wm4tpd28</author><pubDate>Fri, 27 Sep 2019 20:27:42 +0800</pubDate><description><![CDATA[LANDMARC算法通过实时获取参考标签和待定位标签的RSSI，筛选出与待定位标签RSSI最相近的n个参考标签，根据RSSI的相似程度计算这n个参考点的权重，进而加权估算待定位标签的位置。由于LANDMARC算法能够实时获取RSSI，因此可以自适应环境的变化，使得定位更加精准、可靠。
    两个天线正对标签阵列，一个对齐标签阵列左边界，另一个对齐右边界。经过一次扫描，两个天线分别获得了各...]]></description><category></category></item><item><title><![CDATA[RFID路径损耗模型]]></title><link>https://blog.youkuaiyun.com/wm4tpd28/article/details/101310749</link><guid>https://blog.youkuaiyun.com/wm4tpd28/article/details/101310749</guid><author>wm4tpd28</author><pubDate>Tue, 24 Sep 2019 20:36:17 +0800</pubDate><description><![CDATA[RFID室内定位算法
1.自由空间下无源 UHF RFID 系统路径损耗

系统链路分为阅读器至标签的前向链路及标签至阅读器的反向链路. 前向链路中, 阅读器天线发射携带指令的连续波信号 (CW); 标签天线接收CW, 经由整流器为标签芯片供电. 反向链路中, 标签通过改变负载阻抗反向散射调制CW, 将响应数据返回至阅读器. 环境噪声主要是系统工作环境中其他信号源发射的电磁波.
欢迎使用Markd...]]></description><category></category></item></channel></rss>