当前位置: 首页 > news >正文

ADS学习笔记(一)——更新中

在ADS中,信号上升时间为信号从0~100%所用的时间,而实际上定义的上升边均为10%~90%,所以可以认为上升边=0.8*ADS设置上升时间。

一、终端开路及短路的反射信号

1.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

传输线:特性阻抗为50Ohm,

时域扫描:结束时间60ns,步长0.01ns:

图1.1传输线仿真模型

传输线仿真模型如图1.1所示,分别在负载为1KOhm(开路),0.01Ohm(短路),50Ohm(阻抗匹配)情况下仿真传输线远端的电压。

2.仿真结果

图1.2负载为1KOhm(开路)

图1.3负载为0.01Ohm(短路)

图1.4负载为50Ohm(阻抗匹配)

从以上三图中可以看出,当负载开路时输出电压振铃噪声峰值接近2V(1KOhm非完全开路),最终趋于1V:负载为0.01Ohm(接近短路)时,输出电压为0V;负载为50Ohm(阻抗匹配)时,输出电压接近1V,且没有反射电压,故没有振铃噪声。实验现象符合传输系数和反射系数p的定义。

二、多长需要端接

1.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

驱动器内阻:10Ohm;

时域扫描:结束时间60ns,步长0.01ns;

终端负载输入电阻可看作开路:

图2.1仿真模型

2.仿真结果

图2.2传输线时延1.2ns的信号波形

图2.3传输线时延0.2ns的信号波形

图2.4传输线时延0.1ns的信号波形

当驱动器具有内阻时,使用如图2.1的模型进行仿真,将传输线的时延设定为1.2ns、0.2ns和0.1ns分别仿真,终端输出电压如图2.2~图2.4所示,可以看出时延为1.2ns时振铃噪声相当严重,当传输线时延为0.2ns和0.1ns时可以看出振铃噪声较小。

本次仿真中上升时间为1ns,那么信号的10%~90%上升边为0.8ns,可以看出当传输线延时为0.2ns时,振铃噪声峰值已经超过了0.1V(稳态的10%),如果延时再增大就会出现信号完整性问题。那么这就验证了一条经验法则:当传输线时延超过上升边的20%时,振铃噪声有可能会引起问题。

因为在FR4中信号传播速度约为6in/s,所以无终端端接传输线的最大长度Lenmax=6in/s*0.2ns=1.2in,则有经验公式2-1:

Lenmax<RT  (2-1)

其中,Lenmax为无终端端接传输线的最大长度,RT为上升边。

综上,为了保证信号的传输质量,当传输线时延超过上升边的20%时,需要进行端接。

三、点到点拓扑的通用端策略

1.仿真验证

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

驱动器内阻:10Ohm;

时域扫描:结束时间60ns,步长0.01ns;

终端负载输入电阻可看作开路:

图3.1无端接系统模型

图3.2传输线时延1.2ns的信号波形

当传输线时延为1.2ns时,无端接系统的远端信号波形如图3.2所示,可见振铃噪声较大,需要进行端接优化。振铃是由源端和远端的阻抗突变,两端之间不断往复的多次反射引起的,所以如果能至少在一段消除反射,就可以减小振铃。

2.源端串联端接

2.1原理简述

源端串联端接系统模型如图3.3所示,源端串联端接为在驱动器与传输线中间串接电阻进行阻抗匹配,其中端接电阻与驱动器内阻之和应该与传输线特性阻抗相等。

2.2仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V;

驱动器内阻:10Ohm;

时域扫描:结束时间60ns,步长0.01ns:

终端负载输入电阻可看作开路;

源端端接电阻为40Ohm;

图3.3源端串联端接系统模型

2.3仿真结果

传输线前端和后端的信号如图3.4和图3.5所示,图3.4中值得注意的是源端电压呈台阶形状,这是源端串联端接的一个特点,且传输线往返时间越长,台阶形状就越长。在图3.5中可以看出源端串联端接基本消除了传输信号中的振铃噪声,源端串联端接不改变驱动器的驱动能力,信号不损耗,是最常用的端接方式。

图3.4传输线前端信号

图3.5传输线后端信号

3远端并联端接

3.1原理简述

远端并联端接系统模型如图3.6所示,远端并联端接为在传输线后端并接电阻进行阻抗匹配以消除振铃。

3.2仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V;

驱动器内阻:10Ohm;

时域扫描:结束时间60ns,步长0.01ns;

终端负载输入电阻可看作开路;并联端接电阻R8为50Ohm

图3.6远端并联端接系统模型

3.3仿真结果

传输线前端和后端的信号如图3.7和图3.8所示,在图3.8中可以看出远端并联端接基本消除了传输信号中的振铃噪声,由于分压和损耗,远端信号电压约为0.833V,相对于电源电压下降较多,使系统的驱动能力有所下降,驱动性能不如串联端接。远端并联端接的特点为会使驱动器的驱动能力下降,并联端接电阻消耗能量,因此不常用

图3.7传输线前端信号

图3.8传输线后端信号

4.远端戴维南端接

4.1原理简述

远端戴维南端接系统模型如图3.9所示,远端戴维南端接为在远端传输线后端并联直流源和电阻来拉高驱动能力,在保证系统驱动能力的同时消除振铃。

4.2仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V

驱动器内阻:10Ohm

时域扫描:结束时间60ns,步长0.01ns

终端负载输入电阻可看作开路

远端并联1.6V直流电压源

经调试得出上拉电阻R9为80Ohm:下拉电阻R10为1300hm。

图3.9远端并联端接系统模型

4.3仿真结果

传输线前端和后端的信号如图3.10和图3.11所示,在图3.11中可以看出远端戴维南端接基本消除了传输信号中的振铃噪声,由于有1.6V直流源存在,远端信号电压为1V,驱动能力强于远端并联端接且具有并联端接消除振铃优点。

图3.10传输线前端信号

图3.11传输线后端信号

5.远端RC端接

5.1原理简述

远端RC端接系统模型如图3.6所示,远端RC端接即为在传输线后端并接电阻和电容以消除振铃。其中端接电阻一般与传输线特性阻抗相等,电容值非常小(200pF-600pF)

5.2仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V

驱动器内阻:10Ohm

时域扫描:结束时间60ns,步长0.01ns

终端负载输入电阻可看作开路

经调试计算求得并联电阻R9为50Ohm,电容C1为130pF。

图3.12远端RC端接系统模型

5.3仿真结果

传输线前端和后端的信号如图3.13和图3.14所示,在图3.14中可以看出远端RC端接基本消除了传输信号中的振铃噪声,远端信号电压约为1V。远端RC端接的特点为可以减小高频反射,低频和直流损耗小,但是会减慢高速信号的速度(图3.14中上升边变长)。

图3.13传输线前端信号

图3.14传输线后端信号

四、短串联传输线的反射

1.原理简述

由反射系数p的定义可知,在一段均匀传输线中间某部分传输线的阻抗发生突变时,必然会产生反射信号并影响传输信号。

短串联传输线的系统模型如图4.1所示,可以看见图中有三段传输线TLD1、TLD2、TLD3,其中TLD1、TLD3均为特性阻抗为50Ohm,时延为1ns的传输线,接下来将改变TLD2的特性阻抗和时延来模拟传输线的电气突变,从而研究传输线特性阻抗突变对传输信号的影响。

2.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V

驱动器内阻:10Ohm

源端串联电阻:40Ohm

时域扫描:结束时间60ns,步长0.01ns

TLD1、TLD3均为特性阻抗为50Ohm,时延为1ns的传输线

终端负载输入电阻可看作开路

图4.1远端RC端接系统模型

3.仿真结果

当TLD2的时延为1ns,特性阻抗分别为25Ohm、50Ohm、75Ohm时,因为时延为1ns,可以认为传输线上的这段电气上的突变是较长且均匀的,传输线上的反射信号和传输信号如图4.2所示:

图4.2传输线上的传输信号和反射信号(时延1ns)

当TLD2的时延为0.1ns,特性阻抗分别为25Ohm、50Ohm、75Ohm时,因为时延为0.1ns,为上升边的12.5%,可以认为传输线上的这段电气上的突变是较短的,传输线上的反射信号和传输信号如图4.3所示:

图4.3传输线上的传输信号(左)和反射信号(右)(时延0.1ns)

从图4.2中可得,当时延较长时,传输信号波动值较大:

从图4.3中可得,当时延较小时,传输信号波动较小(低于电压摆幅5%),可忽视不计:从而验证了经验法则:即可容许的阻抗突变最大长度:

Lenmax < RT (4-1)

Lenmxa为阻抗突变最大长度(in),RT信号为上升边(ns);

即突变段的时延小于信号上升边的20%,则突变对信号质量的影响可忽略。

五、短并联传输线的反射

1.原理简述

我们常常在一段均匀传输线上接一个分支,若分支很短,就称为桩线。桩线通常为BGA封装过程的产物。传输线上每一个桩线将会产生反射信号,其中一部分反射信号在桩线上来回振荡,也有一部分信号返回源端和远端。因为反射较多,这样分析桩线影响会变得很复杂。

分析桩线影响的仿真模型如图5.1所示,用一段特性阻抗为50Ohm的传输线TLD4来模拟桩线,分析在不同时延下桩线对传输信号的影响。

图5.1短并联传输线模型

2.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

驱动器内阻:10Ohm;

源端端接电阻:40Ohm;

时域扫描:结束时间60ns,步长0.01ns:

TLD1、TLD3均为特性阻抗为50Ohm,时延为1ns的传输线;

TLD2为特性阻抗为50Ohm的传输线(桩线):

终端负载输入电阻可看作开路:

3.仿真结果

图5.3传输线上的传输信号(左)和反射信号(右)

当TLD2的时延分别为1%,20%,40%,60%RT时,传输线上的反射信号和传输信号如图5.3所示。从图5.3的传输信号可以看出,当时延在20%RT以下时,反射噪声电压摆幅较小,其影响可以忽略,而时延在20%RT以上时,不可忽略桩线对信号质量的影响。

六、容性终端的反射

1.原理简述

所有实际接收器都有门输入电容,一般约为2pF。当信号沿传输线到达末端的理想电容器时,决定反射系数的瞬时阻抗将随时间变化而变化。因为时域中电容器的阻抗为:

(6-1)

所以反射系数会随时间变化,此时传输线上的信号波形是由传输线的特性阻抗,电容器的电容量和信号上升边决定的。容性终端的反射模型如图6.1所示,观察电容C1不同取值时传输线信号的变化来研究容性终端反射的特点。

图6.1容性终端的反射模型

2.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

驱动器内阻:10Ohm:

源端端接电阻:40Ohm:

时域扫描:结束时间60ns,步长0.01ns:

TLD1为特性阻抗为50Ohm,时延为1ns的传输线:

终端负载输入电阻可看作开路:

3.仿真结果

图6.2传输线上的反射信号(左)和传输信号(右)

当电容分别为0pF、2pF、5pF、10pF时,传输线上的反射信号和传输信号如图6.2所示,随着电容值的增加,传输信号的上升边不断增加:参照RC电路的充电特性,若信号初始上升边小于RC充电时间,可以得出传输信号的10%~90%上升边主要由RC充电电路决定,可以近似的认为上升边090=2.2Z0C。如果信号初始上升边大于10%~90%RC上升边时,那么末端的电容器将使信号上升边累加上约等于10%~90%RC上升边的时延。

七、走线中途容性负载的反射

1.原理简述

测试焊盘、过孔、封装引线或连接到互联中途的短桩线都起着集总电容的作用。如果在传输线中有容性负载,对于远端而言,容性负载所产生的带负值符号的部分信号将反射回远端。这些反射回接收器端的信号为负电压,使接收端信号下降形成下冲而对传输信号造成一些影响。

传输线中突变处电容器的阻抗为:

Z=V/(C*dV/dt)=RT/C(7-1)

可以看出当电容量越大,电容阻抗就越小,其造成的下冲就越大:同理若信号上升边越小,电容阻抗就越小,下冲就越大。仿真模型如图7.1所示。

图7.1中途容性负载的反射模型

2.仿真条件

驱动器:阶跃电源VtStep,上升时间1ns,幅值为1V:

驱动器内阻:10Ohm:

源端端接电阻:40Ohm:

时域扫描:结束时间60ns,步长0.01ns:

TLD1、TLD2特性阻抗均为50Ohm,时延为1ns的传输线:

终端负载输入电阻可看作开路。

3.仿真结果

图7.2传输线上的传输信号(左)和反射信号(右)(电容值2pF)

图7.2上升时间分别为0.2ns、0.4ns、0.8ns、1.6ns、3.2ns,从中可以明显看出,当电容值一定时,信号上升边越小,传输信号下冲越明显,这与式7-1的结论相符。

图7.3传输线上的传输信号(左)和反射信号(右)(上升边1ns)

图7.3电容值为0.01pF、2pF、4pF、6pF、8pF,从中可以明显看出,电容值越大,传输信号下冲越明显,上升边时延越大,这与式7-1的结论相一致:当电容值大于2pF时,传输信号下冲的电压摆幅超过容许范围。从而可以得出经验法则:

待更新(7-2)

其中Cm为反射噪声不产生问题时可容许的最大电容量(nF),RT为信号上升边(ns),当Zo为50Ohm时,其中RT单位为ns,Cm单位为pF

Cx<4RT  (7-3)

相关文章:

ADS学习笔记(一)——更新中

在ADS中&#xff0c;信号上升时间为信号从0&#xff5e;100&#xff05;所用的时间&#xff0c;而实际上定义的上升边均为10&#xff05;&#xff5e;90&#xff05;&#xff0c;所以可以认为上升边&#xff1d;0.8*ADS设置上升时间。 一、终端开路及短路的反射信号 1.仿真条…...

智能优化算法应用:基于冠状病毒群体免疫算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于冠状病毒群体免疫算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于冠状病毒群体免疫算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.冠状病毒群体免疫算法4.…...

小型气象站是什么?

随着科技的发展&#xff0c;我们的生活变得越来越便捷。如今&#xff0c;一款名为小型气象站的新兴设备正在逐渐走进我们的生活&#xff0c;为我们的日常生活增添了更多的便利和舒适。 WX-CQ12小型气象站是一种集成了多种传感器和数据采集技术的智能设备&#xff0c;可以实时监…...

官方指定Jmeter配置JVM堆内存方式

1.概述 在使用Jmeter做性能测试过程中&#xff0c;可能会应为默认设置的堆内存值较小出现堆内存溢出问题&#xff0c;此时解决的方式有两种&#xff0c;分布式测试和调大堆内存。下面介绍官方推荐调整堆内存方法。 2.调整Jmeter堆内存 2.1.介绍官方推荐堆内存调整方法(jmete…...

spark-常用算子

一&#xff0c;Transformation变换/转换算子&#xff1a; 这种变换并不触发提交作业&#xff0c;这种算子是延迟执行的&#xff0c;也就是说从一个RDD转换生成另一个RDD的转换操作不是马上执行&#xff0c;需要等到有Action操作的时候才会真正触发。 1.Value数据类型的Transf…...

《opencv实用探索·二十一》人脸识别

Haar级联分类器 在OpenCV中主要使用了两种特征&#xff08;即两种方法&#xff09;进行人脸检测&#xff0c;Haar特征和LBP特征。用的最多的是Haar特征人脸检测。 Haar级联分类器是一种用于目标检测的机器学习方法&#xff0c;它是一种基于机器学习的特征选择方法&#xff0c;…...

前端项目配置下载源npm, yarn,pnpm

前端项目配置下载源 npm: npm config set registry registryhttps://registry.npmmirror.com -g验证: npm config get registry yarn: yarn config set registry registryhttps://registry.npmmirror.com -gyarn config get registryyarn找不到, 需要管理员在命令行: set-exec…...

Elasticsearch之ik中文分词篇

Elasticsearch之ik中文分词篇 ik分词器插件ik分词器安装ik分词模式es ik分词测试 ik分词器插件 es在7.3版本已经支持中文分词&#xff0c;由于中文分词只能支持到单个字进行分词&#xff0c;不够灵活与适配我们平常使用习惯&#xff0c;所以有很多对应中文分词出现&#xff0c…...

2023_Spark_实验三十:测试Flume到Kafka

实验目的&#xff1a;测试Flume采集数据发送到Kafka 实验方法&#xff1a;通过centos7集群测试&#xff0c;将flume采集的数据放到kafka中 实验步骤&#xff1a; 一、 kafka可视化工具介绍 Kafka Tool是一个用于管理和使用Apache Kafka集群的GUI应用程序。 Kafka Tool提供了…...

urllib2 HTTP头部注入

文章目录 注入原理例题 [SWPU 2016]web7 注入原理 参考文章 应用场景是具有SSRF漏洞&#xff0c;结合CRLF注入 我们以redis数据库为例&#xff0c;当存在SSRF时我们伪造以下请求 http://127.0.0.1%0d%0aCONFIG%20SET%20dir%20%2ftmp%0d%0aCONFIG%20SET%20dbfilename%20evil%…...

在 WebRTC 中,Offer/Answer 模型是协商 WebRTC 连接参数的关键部分

在 WebRTC 中&#xff0c;Offer/Answer 模型是协商 WebRTC 连接参数的关键部分。当 Offer 和 Answer 交换失败时&#xff0c;可能涉及到多个原因。以下是一些可能的问题和解决方案&#xff1a; SDP 格式错误&#xff1a; Session Description Protocol&#xff08;SDP&#xff…...

数据结构:图解手撕B-树以及B树的优化和索引

文章目录 为什么需要引入B-树&#xff1f;B树是什么&#xff1f;B树的插入分析B树和B*树B树B*树分裂原理 B树的应用 本篇总结的内容是B-树 为什么需要引入B-树&#xff1f; 回忆一下前面的搜索结构&#xff0c;有哈希&#xff0c;红黑树&#xff0c;二分…等很多的搜索结构&a…...

useConsole的封装,vue,react,htmlscript标签,通用

之前用了接近hack的方式实现了console的封装&#xff0c;目标是获取console.log函数的执行&#xff08;调用栈所在位置&#xff09;所在的代码行数。 例如以下代码&#xff0c;执行window.mylog(1)时候&#xff0c;console.log实际是在匿名的箭头函数()>{//这里执行的} con…...

Azure Machine Learning - 提示工程高级技术

本指南将指导你提示设计和提示工程方面的一些高级技术。 关注TechLead&#xff0c;分享AI全维度知识。作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验&#xff0c;同济本复旦硕&#xff0c;复旦机器人智能实验室成员&#xff0c;阿里云认证的资深架构师&#xff0c…...

七款创意项目管理软件解决方案推荐:高效项目管理与团队协作工具

企业无论大小&#xff0c;都离不开项目经理、营销团队和创意人员。他们参与各种头脑风暴&#xff0c;为特定目标打造项目。然而&#xff0c;在创意项目管理中&#xff0c;细节决定成败。若处理不当&#xff0c;可能导致项目失败和混乱。 过去&#xff0c;创意项目管理依赖纸质规…...

如何在公网环境下使用Potplayer访问本地群晖webdav中的影视资源

文章目录 本教程解决的问题是&#xff1a;按照本教程方法操作后&#xff0c;达到的效果是&#xff1a;1 使用环境要求&#xff1a;2 配置webdav3 测试局域网使用potplayer访问webdav3 内网穿透&#xff0c;映射至公网4 使用固定地址在potplayer访问webdav ​ 国内流媒体平台的内…...

数据可视化Seaborn

数据可视化Seaborn Seaborn简介Seaborn API第一个Seaborn应用Seaborn基本概念Seaborn图表类型Seaborn数据集Seaborn样式Seaborn调色板Seaborn分面网格Seaborn统计图表Seaborn散点图Seaborn折线图Seaborn柱状图Seaborn箱线图Seaborn核密度估计图Seaborn分类散点图Seaborn回归分…...

AWS S3相关配置笔记

关闭 阻止所有公开访问 存储桶策略(开放外部访问) {"Version": "2012-10-17","Id": "S3PolicyId1","Statement": [{"Sid": "statement1","Effect": "Allow","Principal"…...

linux:linux的小动物们(ubuntu)

1.蒸汽小火车 输入下面的命令下载&#xff0c;再输出sl sudo apt-get install sl sl2.今天你哞了吗 apt-get moo 3.会说话的小牛 输入下面的命令下载一下 sudo apt-get install cowsay输入这个 cowsay jianbing cowsay -l 查看其它动物的名字 然后cowsay -f 跟上动物名&…...

每日一题(LeetCode)----栈和队列--逆波兰表达式求值

每日一题(LeetCode)----栈和队列–逆波兰表达式求值 1.题目&#xff08;150. 逆波兰表达式求值&#xff09; 给你一个字符串数组 tokens &#xff0c;表示一个根据 逆波兰表示法 表示的算术表达式。 请你计算该表达式。返回一个表示表达式值的整数。 注意&#xff1a; 有效的算…...

第19节 Node.js Express 框架

Express 是一个为Node.js设计的web开发框架&#xff0c;它基于nodejs平台。 Express 简介 Express是一个简洁而灵活的node.js Web应用框架, 提供了一系列强大特性帮助你创建各种Web应用&#xff0c;和丰富的HTTP工具。 使用Express可以快速地搭建一个完整功能的网站。 Expre…...

R语言AI模型部署方案:精准离线运行详解

R语言AI模型部署方案:精准离线运行详解 一、项目概述 本文将构建一个完整的R语言AI部署解决方案,实现鸢尾花分类模型的训练、保存、离线部署和预测功能。核心特点: 100%离线运行能力自包含环境依赖生产级错误处理跨平台兼容性模型版本管理# 文件结构说明 Iris_AI_Deployme…...

MongoDB学习和应用(高效的非关系型数据库)

一丶 MongoDB简介 对于社交类软件的功能&#xff0c;我们需要对它的功能特点进行分析&#xff1a; 数据量会随着用户数增大而增大读多写少价值较低非好友看不到其动态信息地理位置的查询… 针对以上特点进行分析各大存储工具&#xff1a; mysql&#xff1a;关系型数据库&am…...

大型活动交通拥堵治理的视觉算法应用

大型活动下智慧交通的视觉分析应用 一、背景与挑战 大型活动&#xff08;如演唱会、马拉松赛事、高考中考等&#xff09;期间&#xff0c;城市交通面临瞬时人流车流激增、传统摄像头模糊、交通拥堵识别滞后等问题。以演唱会为例&#xff0c;暖城商圈曾因观众集中离场导致周边…...

Redis数据倾斜问题解决

Redis 数据倾斜问题解析与解决方案 什么是 Redis 数据倾斜 Redis 数据倾斜指的是在 Redis 集群中&#xff0c;部分节点存储的数据量或访问量远高于其他节点&#xff0c;导致这些节点负载过高&#xff0c;影响整体性能。 数据倾斜的主要表现 部分节点内存使用率远高于其他节…...

图表类系列各种样式PPT模版分享

图标图表系列PPT模版&#xff0c;柱状图PPT模版&#xff0c;线状图PPT模版&#xff0c;折线图PPT模版&#xff0c;饼状图PPT模版&#xff0c;雷达图PPT模版&#xff0c;树状图PPT模版 图表类系列各种样式PPT模版分享&#xff1a;图表系列PPT模板https://pan.quark.cn/s/20d40aa…...

BLEU评分:机器翻译质量评估的黄金标准

BLEU评分&#xff1a;机器翻译质量评估的黄金标准 1. 引言 在自然语言处理(NLP)领域&#xff0c;衡量一个机器翻译模型的性能至关重要。BLEU (Bilingual Evaluation Understudy) 作为一种自动化评估指标&#xff0c;自2002年由IBM的Kishore Papineni等人提出以来&#xff0c;…...

【学习笔记】erase 删除顺序迭代器后迭代器失效的解决方案

目录 使用 erase 返回值继续迭代使用索引进行遍历 我们知道类似 vector 的顺序迭代器被删除后&#xff0c;迭代器会失效&#xff0c;因为顺序迭代器在内存中是连续存储的&#xff0c;元素删除后&#xff0c;后续元素会前移。 但一些场景中&#xff0c;我们又需要在执行删除操作…...

脑机新手指南(七):OpenBCI_GUI:从环境搭建到数据可视化(上)

一、OpenBCI_GUI 项目概述 &#xff08;一&#xff09;项目背景与目标 OpenBCI 是一个开源的脑电信号采集硬件平台&#xff0c;其配套的 OpenBCI_GUI 则是专为该硬件设计的图形化界面工具。对于研究人员、开发者和学生而言&#xff0c;首次接触 OpenBCI 设备时&#xff0c;往…...

适应性Java用于现代 API:REST、GraphQL 和事件驱动

在快速发展的软件开发领域&#xff0c;REST、GraphQL 和事件驱动架构等新的 API 标准对于构建可扩展、高效的系统至关重要。Java 在现代 API 方面以其在企业应用中的稳定性而闻名&#xff0c;不断适应这些现代范式的需求。随着不断发展的生态系统&#xff0c;Java 在现代 API 方…...