模拟滤波器的基础知识和设计
信号处理工作中滤波器的应用是非常广泛的,可以分成模拟滤波器和数字滤波器两种,数字滤波器主要包括两种,IIR和FIR,这两种滤波器后面统一说,今天先来说一说模拟滤波器(主要是我先用Python实现了Matlab书里面模拟滤波器的一些内容)。
首先,什么是滤波器,什么又是模拟滤波器?
滤波器:具有频率选择作用的电路或者运算处理系统,具有滤除噪声、分离不同信号的功能,今天主要写的是,1、巴特沃斯滤波器、2、切比雪夫滤波器,3、椭圆滤波器,4、低通到低通的频带转换
模拟滤波器:更具一组设计规范来设计模拟系统函数,使其逼近某个理想滤波器的特性。
各种模拟滤波器的设计过程都是先设计出低通滤波器,再通过频率变换将低通滤波器转换成其他类型模拟滤波器。
我们考虑因果系统:
其中,是系统的单位脉冲响应,是实函数,那么就有:
实际上有:
定义模拟滤波器的振幅平方函数为:
令:
如果要系统稳定,那么
如果我们要让系统函数稳定,就应该选用在s剖面的左半平面的极点作为的极点。
来看看今天的内容:
目录
1、巴特沃斯滤波器
2、切比雪夫I型滤波器
3、切比雪夫II型滤波器
4、椭圆滤波器(考尔滤波器)
5、低通到低通的频带变换
首先,和Jupyter笔记本一样,先导入我们需要的包:
import numpy as np
import matplotlib.pyplot as plt
import scipy.signal as signal
1、巴特沃斯滤波器
其振幅平方函数为:
其中,N是滤波器的阶数,N越大,带通和傣族的近似性越好,过渡带也就越陡。
tips:之前一大段时间没有更新,一个是野外没条件,另一个原因就是懒得没有好好去读Scipy.signal的文档,所以说博客有一大段时间空下来了,其实这两天再去读文档,同时对照着Matlab书里面的函数讲解,发现很多都是一样的。
MATLAB中,buttap函数用来计算N阶巴特沃斯归一化,模拟低通原型滤波器系统函数的零点、极点、增益因子的,Python也一样,返回的都是z,p,k,分别是G(p)的极点、零点、增益
我们来看一个最简单的例子:产生一个20阶低通模拟滤波器原型,表示为零极点增益形式:
[z,p,k]=signal.buttap(20)
[n,den]=signal.zpk2tf(z,p,k)
[h,w]=signal.freqs(n,den)
plt.subplot(211)
plt.plot(np.abs(h))
plt.grid(True)
plt.subplot(212)
plt.plot(w)
plt.grid(True)
来看看结果:chule
说实话,除了这张图以外,其他的我都能和Matlab的对的上。
那就来看一看不同阶数下的巴特沃斯滤波器的幅频响应曲线:
n=np.linspace(0,2,200,dtype='float')
[z1,p1,k1]=signal.buttap(1)
[num1,den1]=signal.zpk2tf(z1,p1,k1)
[w1,h1]=signal.freqs(num1,den1)
magh1=abs(h1)
[z2,p2,k2]=signal.buttap(3)
[num2,den2]=signal.zpk2tf(z2,p2,k2)
[w2,h2]=signal.freqs(num2,den2)
magh2=abs(h2)
[z3,p3,k3]=signal.buttap(8)
[num3,den3]=signal.zpk2tf(z3,p3,k3)
[w3,h3]=signal.freqs(num3,den3)
magh3=abs(h3)
[z,p,k]=signal.buttap(12)
[num,den]=signal.zpk2tf(z,p,k)
[w,h]=signal.freqs(num,den)
magh=abs(h)
plt.subplot(2,2,1)
plt.plot(magh1)
plt.grid(True)
plt.subplot(2,2,2)
plt.plot(magh2)
plt.grid(True)
plt.subplot(2,2,3)
plt.plot(magh3)
plt.grid(True)
plt.subplot(2,2,4)
plt.plot(magh)
plt.grid(True)
在已知设计参数之后,利用buttord函数可以求出所需要的滤波器的阶数和3dB截止频率:
[n,Wn]=signal.buttord(Wp,Ws,Rp,Rs)
其中:
Wp:带通截止频率
Ws:带阻起始频率
Rp:通带内波动
Rs:阻带内最小衰减
1、低通滤波器:
# 采样速率为10000H在,设计一个低通滤波器,fp=2000Hz,fs=3000H在,Rp=4dB,Rs=30dB
fn=10000
fp=900
fs=600
Rp=3
Rs=20
Wp=(fp/(fn/2))
Ws=fs/(fn/2)
[n,Wn]=signal.buttord(Wp,Ws,Rp,Rs)
[b,a]=signal.butter(n,Wn)
[H,F]=signal.freqz(b,a,1000,8000)
plt.subplot(211)
plt.plot(H,20*np.log10(abs(F)))
plt.xlabel("frequency")
plt.ylabel('altitude')
plt.title("LowPass")
plt.grid(True)
pha=np.angle(F)*180/np.pi
plt.subplot(212)
plt.plot(H,pha)
plt.xlabel("frequency")
plt.ylabel('angle')
plt.grid(True)
这里有个地方注意一下:Matlab和Python的signal.freqs/z两个函数的输出顺序是不同的,Matlab的输出的H和W和Python输出的H的W两者刚好调换了位置。sheshe
2、高通滤波器:
# 采样速率为10000H在,设计一高通滤波器,fp=900Hz,fs=600Hz,Rp=3dB,Rs=20dB
fn=10000
fp=900
fs=600
Rp=3
Rs=20
Wp=fp/(fn/2)
Ws=fs/(fn/2)
[n,wn]=signal.buttord(Ws,Wp,Rp,Rs)
[b,a]=signal.butter(n,wn,'high')
[H,F]=signal.freqz(b,a,900,10000)
plt.subplot(211)
plt.plot(H,20*np.log10(abs(F)))
plt.xlabel("frequency")
plt.ylabel('altitude')
plt.title("HighPass")
plt.grid(True)
pha=np.angle(F)*180/np.pi
plt.subplot(212)
plt.plot(H,pha)
plt.xlabel("frequency")
plt.ylabel('angle')
plt.grid(True)
3、带通滤波器:
fn=10000
fp=np.array([600,1700])
fs=np.array([900,1200])
Rp=4
Rs=30
Wp=fp/(fn/2)
Ws=fs/(fn/2)
[n,wn]=signal.buttord(Wp,Ws,Rp,Rs)
[b,a]=signal.butter(n,wn,'bandpass')
[H,F]=signal.freqz(b,a,1000,10000)
plt.subplot(211)
plt.plot(20*np.log10(abs(F)))
plt.xlabel("frequency")
plt.ylabel('altitude')
plt.title("BandPass")
plt.grid(True)
pha=np.angle(F)*180/np.pi
plt.subplot(212)
plt.plot(pha)
plt.xlabel("frequency")
plt.ylabel('angle')
plt.grid(True)
4、带阻滤波器:
fn=10000
fp=np.array([600,1700])
fs=np.array([900,1200])
Rp=4
Rs=30
Wp=fp/(fn/2)
Ws=fs/(fn/2)
[n,wn]=signal.buttord(Wp,Ws,Rp,Rs)
[b,a]=signal.butter(n,wn,'bandstop')#看到了吗,低通、高通、带通、带阻的选择方式就是这样
[H,F]=signal.freqz(b,a,1000,10000)
plt.subplot(211)
plt.plot(20*np.log10(abs(F)))
plt.xlabel("frequency")
plt.ylabel('altitude')
plt.title("BandPass")
plt.grid(True)
pha=np.angle(F)*180/np.pi
plt.subplot(212)
plt.plot(pha)
plt.xlabel("frequency")
plt.ylabel('angle')
plt.grid(True)
2、切比雪夫I型滤波器
式中:是有效通带截止频率,是与通带波纹有关的参量,越大,波纹越大,但其范围在(0,1),是N阶切比雪夫多项式:
这里就不写Matlab的了,直接写Python的:
[z,p,k]=signal.cheb1ap(N,rs)
n是阶数,rs是通带的幅度误差,返回值分别是滤波器的零点、极点、增益:
Wp=3*np.pi*4*np.power(12,3)
Ws=3*np.pi*12*np.power(10,3)
rp=1
rs=30
wp=1
ws=Ws/Wp
[N,wc]=signal.cheb1ord(Wp,Ws,rp,rs,'lowpass')
[z,p,k]=signal.cheb1ap(N,rs)
[b,a]=signal.zpk2tf(z,p,k)
w=np.linspace(0,np.pi,50,dtype='float')
[h,w1]=signal.freqs(b,a,w)
plt.plot(h*wc/wp,20*np.log10(abs(w1)))
plt.grid(True)
n=np.linspace(0,4,200,dtype='float')
Rp=1
N1=1
N2=3
N3=5
N4=7
[z1,p1,k1]=signal.cheb1ap(N1,Rp)
[b1,a1]=signal.zpk2tf(z1,p1,k1)
[H1,w1]=signal.freqs(b1,a1,n)
magh1=np.power(np.abs(w1),2)
plt.subplot(2,2,1)
plt.plot(H1,magh1)
plt.grid(True)
[z2,p2,k2]=signal.cheb1ap(N2,Rp)
[b2,a2]=signal.zpk2tf(z2,p2,k2)
[H2,w2]=signal.freqs(b2,a2,n)
magh2=np.power(np.abs(w2),2)
plt.subplot(2,2,2)
plt.plot(H2,magh2)
plt.grid(True)
[z3,p3,k3]=signal.cheb1ap(N3,Rp)
[b3,a3]=signal.zpk2tf(z3,p3,k3)
[H3,w3]=signal.freqs(b3,a3,n)
magh3=np.power(np.abs(w3),2)
plt.subplot(2,2,3)
plt.plot(H3,magh3)
plt.grid(True)
[z4,p4,k4]=signal.cheb1ap(N4,Rp)
[b4,a4]=signal.zpk2tf(z4,p4,k4)
[H4,w4]=signal.freqs(b4,a4,n)
magh4=np.power(np.abs(w4),2)
plt.subplot(2,2,4)
plt.plot(H4,magh4)
plt.grid(True)
3、切比雪夫II型滤波器
[z,p,k]=signal.cheb2ap(N,rs)
n是阶数,rs是通带的波动,返回值分别是滤波器的零点、极点、增益。
Wp=3*np.pi*4*np.power(12,3)
Ws=3*np.pi*12*np.power(10,3)
rp=1
rs=30
wp=1
ws=Ws/Wp
[N,wc]=signal.cheb2ord(wp,ws,rp,rs,'s')
[z,p,k]=signal.cheb2ap(N,rs)
[b,a]=signal.zpk2tf(z,p,k)
w=np.linspace(0,np.pi,50,dtype='float')
[h,w]=signal.freqs(b,a,w)
plt.plot(h*wc/wp,20*np.log10(np.abs(w)))
plt.grid(True)
n=np.linspace(0,4,200,dtype='float')
Rp=1
N1=1
N2=3
N3=5
N4=7
Rp=20
[z1,p1,k1]=signal.cheb2ap(N1,Rp)
[b1,a1]=signal.zpk2tf(z1,p1,k1)
[H1,w1]=signal.freqs(b1,a1,n)
magh1=np.power(np.abs(w1),2)
plt.subplot(2,2,1)
plt.plot(H1,magh1)
plt.grid(True)
[z2,p2,k2]=signal.cheb2ap(N2,Rp)
[b2,a2]=signal.zpk2tf(z2,p2,k2)
[H2,w2]=signal.freqs(b2,a2,n)
magh2=np.power(np.abs(w2),2)
plt.subplot(2,2,2)
plt.plot(H2,magh2)
plt.grid(True)
[z3,p3,k3]=signal.cheb2ap(N3,Rp)
[b3,a3]=signal.zpk2tf(z3,p3,k3)
[H3,w3]=signal.freqs(b3,a3,n)
magh3=np.power(np.abs(w3),2)
plt.subplot(2,2,3)
plt.plot(H3,magh3)
plt.grid(True)
[z4,p4,k4]=signal.cheb2ap(N4,Rp)
[b4,a4]=signal.zpk2tf(z4,p4,k4)
[H4,w4]=signal.freqs(b4,a4,n)
magh4=np.power(np.abs(w4),2)
plt.subplot(2,2,4)
plt.plot(H4,magh4)
plt.grid(True)
4、椭圆滤波器(考尔滤波器)
这是一种带通和带阻等波纹的滤波器,在阶数相同的的条件下,有着最小的通和带阻波动,其在带通和带阻的波动相同,特点:
1、是一种零极点型滤波器,在有限频率范围内存在传输零点和极点
2、其通带和阻带都有着等波纹特性,所以通带、阻带逼近特性良好
3、在同样的性能要求下,比前两种滤波器所需要的阶数都低,而且其过渡带比较窄。
其中,是雅各比椭圆函数,L是一个表示波纹性质的参量。
[N,wc]=signal.ellipord(wp,ws,rp,rs)
其功能是求解滤波器的最小阶数,Wp代表通带介质角频率,W是代表阻带起始角频率,Rp表示通带波纹(dB),Rs表示阻带最小衰减(dB)
[z,p,k]=signal.ellipap(N,rp,rs)
同样,求解零点、极点、增益。
Wp=3*np.pi*4*np.power(12,3)
Ws=3*np.pi*12*np.power(10,3)
rp=2
rs=25
wp=1
ws=Ws/Wp
[N,wc]=signal.ellipord(wp,ws,rp,rs,'s')
[z,p,k]=signal.ellipap(N,rp,rs)
[b,a]=signal.zpk2tf(z,p,k)
w=np.linspace(0,2*np.pi,67,dtype='float')
[h,w]=signal.freqs(b,a,w)
plt.plot(h,20*np.log10(np.abs(w)))
plt.grid(True)
plt.axis([0,6.5,-50,0])
plt.show()
n=np.linspace(0,2,200,dtype='float')
Rp=1
Rs=15
N1=2
N2=3
N3=5
N4=7
[z,p,k]=signal.ellipap(N1,Rp,Rs)
[b,a]=signal.zpk2tf(z,p,k)
[H,w]=signal.freqs(b,a,n)
magh=np.power(np.abs(w),2)
plt.subplot(221)
plt.plot(H,magh)
plt.axis([0,4,0,1])
plt.grid(True)
[z1,p1,k1]=signal.ellipap(N2,Rp,Rs)
[b1,a1]=signal.zpk2tf(z1,p1,k1)
[H1,w1]=signal.freqs(b1,a1,n)
magh1=np.power(np.abs(w1),2)
plt.subplot(222)
plt.plot(H1,magh1)
plt.axis([0,4,0,1])
plt.grid(True)
[z2,p2,k2]=signal.ellipap(N3,Rp,Rs)
[b2,a2]=signal.zpk2tf(z2,p2,k2)
[H2,w2]=signal.freqs(b2,a2,n)
magh2=np.power(np.abs(w2),2)
plt.subplot(223)
plt.plot(H2,magh2)
plt.axis([0,4,0,1])
plt.grid(True)
[z3,p3,k3]=signal.ellipap(N4,Rp,Rs)
[b3,a3]=signal.zpk2tf(z3,p3,k3)
[H3,w3]=signal.freqs(b3,a3,n)
magh3=np.power(np.abs(w3),2)
plt.subplot(224)
plt.plot(H3,magh3)
plt.axis([0,4,0,1])
plt.grid(True)
5、低通到低通的频带变换
[b,a]=signal.lp2lp(bp,ap,Wp)
wp:模拟低通滤波器的通带截止频率
ap:归一化模拟低通滤波器的分子
bp:归一化模拟低通滤波器的分母
a:频带变换后系统函数的分子
b:频带变换后系统函数的分母
来看一个合适的切比雪夫I型滤波器,以实现低通到低通的频带变换
Wp=3*np.pi*5000
Ws=3*np.pi*13000
rp=2
rs=25
wp=1
ws=Ws/Wp
[n,wc]=signal.cheb1ord(wp,ws,rp,rs,'s')
[z,p,k]=signal.cheb1ap(n,wc)
[bp,ap]=signal.zpk2tf(z,p,k)
[b,a]=signal.lp2lp(bp,ap,Wp)
w=np.linspace(0,3*np.pi*30000,250,dtype='float')
[h,w]=signal.freqs(b,a,w)
plt.plot(h/(2*np.pi),20*np.log10(np.abs(w)))
plt.grid(True)
好了,今天大概就看了这么多,后面的还多着呢,明天再说。
相关文章:
模拟滤波器的基础知识和设计
信号处理工作中滤波器的应用是非常广泛的,可以分成模拟滤波器和数字滤波器两种,数字滤波器主要包括两种,IIR和FIR,这两种滤波器后面统一说,今天先来说一说模拟滤波器(主要是我先用Python实现了Matlab书里面…...
机器学习基础-Pandas学习笔记
Pandas Python的数据分析库,与Numpy配合使用,可以从常见的格式如CSV、JSON等中读取数据。可以进行数据清洗、数据加工工作。数据结构Series,Pandas.Series(data,index,dtype,name,copy) data类型是Numpy的ndarray类型,index指定下…...
【GIT版本控制】--协作流程
一、Fork与Pull Request Git协作流程中的关键概念包括Fork和Pull Request,它们允许多人在项目中协作并贡献代码。以下是关于Fork和Pull Request的简要总结: 1. Fork: Fork是指复制一个Git仓库,通常是一个开源项目的仓库…...
简析Cookie、Session、Token
手打不易,如果转摘,请注明出处! 注明原文:https://zhangxiaofan.blog.csdn.net/article/details/133498756 文章目录 简析Cookie、Session、Token什么是 Cookie ?什么是 Session ?Cookie 和 Session 到底是…...
加速attention计算的工业标准:flash attention 1和2算法的原理及实现
transformers目前大火,但是对于长序列来说,计算很慢,而且很耗费显存。对于transformer中的self attention计算来说,在时间复杂度上,对于每个位置,模型需要计算它与所有其他位置的相关性,这样的计…...
小程序获取用户手机号
在小程序中获取用户手机号需要以下步骤: 首先需要授权用户手机号,即在小程序中调用 wx.login() 方法获取用户的登录凭证,在回调函数中调用 wx.getUserInfo() 方法获取用户的个人信息,并且设置 withCredentials 参数为 true。 在获…...
Zama的fhEVM:基于全同态加密实现的隐私智能合约
1. 引言 Zama的fhEVM定位为: 基于全同态加密实现的隐私智能合约 解决方案 开源代码见: https://github.com/zama-ai/fhevm(TypeScript Solidity) Zama的fhEVM协议中主要包含: https://github.com/zama-ai/tfhe-…...
Mac M1安装ROS1或ROS2
1.首先进入Anaconda官网,安装Anaconda 2.创建、激活并配置环境 #创建环境 conda create -n ROS #激活环境 conda activate ROS #配置环境 conda config --add channels conda-forge conda config --add channels robostack conda config --set channel_priority st…...
[NISACTF 2022]popchains - 反序列化+伪协议
[NISACTF 2022]popchains 一、解题流程二、小小疑惑 一、解题流程 1、链条:Road_is_Long(construct->wakeup【page$r】-> toString【string$m】)-> Make_a_Change(construct->get【effort$t】)-> Try_W…...
分贝定义简介
一、什么是分贝 辅助单元Bel表示任何给定部件、电路或系统的输入和输出之间的对数比L,并且可以用电压、电流或功率来表示: 如果使用场量(电压或电流)代替功率量,则: 我们可以将增益或损耗因子相加为正或负dB值,而不是将其乘以比率。 分贝与功率转化的速读表如下所示:…...
socket简介
套接字(Socket)实质上就是对网络中不同主机上的应用进程之间进行双向通信的端点的抽象。一个套接字就是网络上进程通信的一端,为应用层进程利网络协议交换数据提供了相应机制。套接字出于承上启下的作用,向上连接应用进程…...
【AI视野·今日Robot 机器人论文速览 第四十九期】Fri, 6 Oct 2023
AI视野今日CS.Robotics 机器人学论文速览 Fri, 6 Oct 2023 Totally 29 papers 👉上期速览✈更多精彩请移步主页 Interesting: 📚ContactGen, 基于生成模型的抓取手势生成,类人五指手。(from 伊利诺伊大学 香槟) 数据集:GRAB da…...
七、互联网技术——SQL查询
文章目录 一、基础查询二、高级查询三、SQL视图一、基础查询 某学校的教学信息关系数据库中有如下两个表(表的名字和字段均用中文名字)学生表(学号,姓名,性别,专业)成绩表(学号,课程名,分数)用SQL语句表达下述查询:[问题1]检索分数高于80分的所有学生的学号和分数select 学…...
1.6 计算机网络的性能
思维导图: 1.6.1 计算机网络的性能指标 前言: 我的理解: 这段前言主要介绍了关于计算机网络性能的两个方面的讨论。首先,计算机网络的性能可以通过一些重要的性能指标来衡量。但除了这些指标之外,还有一些非性能特征…...
小程序中如何核销订单和优惠券
小程序已成为许多商家线上线下开展业务的重要渠道。客户在小程序中下单/领券后,可能需要商家现场扫码核销,例如超市购物、卖票、游乐园等线下场景。下面就介绍小程序中如何核销订单和优惠券。 一、订单核销 订单核销是指商家在小程序中确认顾客已经支付…...
211 毕业就入职 30 人的小公司是什么体验
为什么“选择”了 30 人的小公司? 作为一个 211 毕业的学生,进入 30 人的小公司不管是 8 年前还是现在,应该都是比较稀少的,但是当面的我阴差阳错进了这样一个小公司。 为什么我选择进入这样一个 30 人的小公司呢?主…...
aardio 读取 Excel文件,显示在 listview 中
编写 main.aardio 如下 import win.ui; /*DSG{{*/ winform win.form(text"excel1";right801;bottom500) winform.add( button1{cls"button";text"读取Excel文件";left19;top14;right126;bottom44;z1}; button2{cls"button";text&quo…...
Web:前端常用的几种Http请求GET和POST样例
1、简述 在Web开发过程中,少不了发起Http请求服务端的接口数据,在不同的框架中使用了不同的Http请求方式,常用的请求有fetch、 ajax、 axios、XMLHttpRequest、request,以下样例仅供参考。 2、Fetch Fetch API 是一种 JavaScr…...
clickonce 发布的winform 如何CA认证?
要为使用ClickOnce发布的WinForms应用程序启用CA(证书颁发机构)认证,您可以按照以下步骤进行操作: 1. **获取数字证书**: - 首先,您需要获得一个数字证书,通常从受信任的CA购买。这个数字证…...
#力扣:13. 罗马数字转整数@FDDLC
13. 罗马数字转整数 一、Java import java.util.HashMap;class Solution {public int romanToInt(String s) {HashMap<Character, Integer> m new HashMap<>() {{put(I, 1);put(V, 5);put(X, 10);put(L, 50);put(C, 100);put(D, 500);put(M, 1000);}};char[] a …...
React18入门(第一篇)——JSX、TSX语法详解
文章目录 一、JSX 语法简介二、和 HTML 标签的几点不同三、JSX 属性四、JSX 事件4.1 简单点击事件4.2 类型限制4.3 带参数,箭头函数 五、插入 JS 变量六、JSX 中使用条件判断七、循环 一、JSX 语法简介 JSX - 是 JS 的扩展,写在 JS 代码里面,…...
【计算机基础知识】字符的编码表示
欢迎来到我的:世界 希望作者的文章对你有所帮助,有不足的地方还请指正,大家一起学习交流 ! 目录 前言1.西文字符编码2.中文字符编码汉字输入码汉字国标码汉字机内码汉字字形码 总结 前言 计算机处理的数据中,除了数值型数据以外…...
【面试题精讲】Java字符型常量和字符串常量的区别?
“ 有的时候博客内容会有变动,首发博客是最新的,其他博客地址可能会未同步,认准https://blog.zysicyj.top ” 首发博客地址[1] 面试题手册[2] 系列文章地址[3] Java 中的字符型常量和字符串常量是两种不同的数据类型。 字符型常量:字符型常量…...
【Vue面试题六】为什么Vue中的 v-if 和 v-for 不建议一起用?
文章底部有个人公众号:热爱技术的小郑。主要分享开发知识、学习资料、毕业设计指导等。有兴趣的可以关注一下。为何分享? 踩过的坑没必要让别人在再踩,自己复盘也能加深记忆。利己利人、所谓双赢。 面试官:v-if和v-for的优先级是什…...
leetCode 674. 最长连续递增序列 动态规划 / 贪心策略
674. 最长连续递增序列 - 力扣(LeetCode) 给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。 连续递增的子序列 可以由两个下标 l 和 r(l < r)确定,如果对于每…...
数据中台实战(11)-数据中台的数据安全解决方案
0 微盟删库跑路 除了快、准和省,数据中台须安全,避免“微盟删库跑路”。 2020年2月23日19点,国内最大精准营销服务商微盟出现大面积系统故障,旗下300万商户线上业务全停,商铺后台所有数据被清。始作俑者是一位运维&a…...
林沛满-TCP之在途字节数
本文整理自:《Wireshark网络分析的艺术 第1版》 作者:林沛满 著 出版时间:2016-02 我一直谨记斯蒂芬霍金的金玉良言—每写一道数学公式就会失去一半读者。不过为了深度分析网络包,有时候是不得不计算的,好在小学一年级…...
HTTPS 加密工作过程
引言 HTTP 协议内容都是按照文本的方式明文传输的,这就导致在传输过程中出现一些被篡改的情况。例如臭名昭著的运营商劫持。显然, 明文传输是比较危险的事情,为此引入 HTTPS ,HTTPS 就是在 HTTP 的基础上进行了加密, 进一步的来保…...
校招秋招,性格和职业有关系吗?
企业在招聘应届毕业生时不再局限于普通的面试或者笔试,在互联网时代,为了能够更好的匹配需要的优质人才,企业会通过各种测试来提高招聘的准确率以及成功率。也许以前很多人都听说过性格和职业是有一定关系的,但是如何确定自己的性…...
网络和系统操作命令
目录 ping:用于检测网络是否通畅,以及网络时延情况。ipconfig:查看计算机的IP参数配置信息,如IP地址、默认网关、子网掩码等信息。netstat:显示协议统计信息和当前TCP/IP网络连接。tasklist:显示当前运行的…...
网站建设柒首先金手指8/电商培训班一般多少钱一个月
11.3 继承中的多态 在子类中定义了和父类中同名的成员变量和方法,这就涉及成员的隐藏与重载。 成员的隐藏与重载属于多态特性的一种。 通过继承,子类拥有除构造方法以外的所有成员(变量及方法),这类成员统称为子类的继…...
wordpress添加首页/搜索引擎的工作原理是什么
起因,我们在小程序中经常会设置或更改 data 中的变量 (我这里只考虑每次只修改一个变量的情况) 代码是这样写的 this.setData({currentIndex:e.detail.currentIndex }) 基本上每个方法中都有改变变量的值 这个代码要三行,看…...
如何做企业网站加v/手机搜索引擎排行榜
前言 首先说下为什么要学pytest,在此之前相信大家已经掌握了python里面的unittest单元测试框架,那再学一个框架肯定是需要学习时间成本的。 刚开始我的内心是拒绝的,我想我用unittest也能完成自动化测试,干嘛要去学pytest呢&#…...
淘宝上做网站可信吗/惠州百度seo
投资是一门艺术,并不仅仅是简单的买进卖出,这些只是结果,而我们最重要学习的地方在于如何达成这一结果,总而达到盈利的最终目的,在整个市场大多数人不懂技术的时候,只能一直靠自己不停的研究,虚…...
网站 模板 侵权/湖北seo关键词排名优化软件
多种表示地球地貌的方法。此示例中的数据取自美国商务部海洋及大气管理局 (NOAA) 国家地理数据中心,数据通告编号为 88-MGG-02。 关于地貌数据 数据文件 topo.mat 包含地貌数据。topo 是海拔高度数据,topomap1 是海拔高度的颜色图。 load topo topo topomap1 % load data …...
wordpress第二张缩略图/新泰网站seo
来源|字母榜作者|龙志腾国民第一大应用微信在最新版本中,围绕着视频号一口气更新了8大功能,其中5大功能都与直播业务息息相关:1、视频号直播主播端上线美颜、滤镜、连麦、镜像等功能;2、直播间上线抽奖工具…...