Luuljh's Blog

Some memory will be there forever, reminding me of the past.
Home » Latest Posts

定点数锁相环实现思路与复盘
 1630
 0
标题中提到的锁相环为三相锁相环,原理见此:三相锁相环(一)SRF-PLL算法参数设计、时域分析、频域分析与simulink仿真验证,本文不多赘述。背景现在很多锁相环很多是基于浮点数实现的,在一些高端的DSP上运算速度尚且可以,而我在项目中用的16位单片机(dsPIC33EP)性能太弱鸡,单次的浮点运算就需要3us左右,网侧电压频率又很高(400~800Hz),使用浮点数计算根本跟不上网侧电压变化速度,因此必须 ...

最近在用RN进行开发,根据官方提供的文档,浅尝了一把传说中的Turbo Native Modules。C++ Turbo Native Modules在RN中,JS并没有直接调用原生的能力,当应用需要访问平台API时,需要让JS与Native Module通讯,让Native Module去调用系统接口并返回信息给JS。这一过程在安卓上需要编写Java/Kt代码;在苹果上,需要编写OC/Swift代码。旧版架构中,RN通过Bridge实现JS与Native Modules通讯,通讯过程中需要通过JSON来回传递数据。不过我们在编写Native模块的时候并不需要手动去解析JSON,这是R ...

常见的深度学习框架基本都支持自动微分机制,能够在无需手动推导公式的情况下求函数各个自变量的一阶导数。最近在做智能控制的大作业时决定搞一个自动微分,想着融进大作业里面混点分。一开始的思路非常简单,就是利用基本的求导方法和递归,但是随着不断深入扩充功能后才发现把问题想得太简单,写了一半就放弃了,这里简单记录一下。我一共写了两个类。第一个类叫agnum,该类在初始化中使用一个长度为3的列表记录操作符号和生成此类的两个父节点,例如A=B*C,那么A的两个父节点就是B和C,操作符号为*。反向求导的时候,只需要从某个函数中不断溯源,和根据求导规则进行递归计算即可,只需要注意判断一下求导目标是否是当 ...

以前为了在安卓小平板上敲代码,花了些力气去学习vim,感觉使用起来还是很不错的。然后慢慢就想着在windows上折腾一下插件还有neovim玩玩,于是就有了这篇文章。不过日常使用还是得上VScode。AstroNvim介绍AstroNvim是一个美观且功能丰富的neovim配置。自带了heirline 状态栏、Lazy 插件管理、Mason 包管理、Neo-tree 文件管理器插件、Cmp 代码补全插件、Gitsigns Git插件、Toggleterm 终端插件、Telescope 模糊查找、Treesitter语法高亮、null-ls、Native LSP 语言服务协议插件。仓库地 ...

浅浅移植了Linux内核
 469
 0
嵌入式期末课程设计,盯着移植过的旧版本来移植新版本,移植成功后人快累死了。没法一直呆在实验室,我就一边改配置一边编译,整出来好多个镜像,然后第二天烧进去发现只编译出一个能用的,搞笑的是我不知道是哪一版的代码编出来的能用,而且还没有备份...这个是之前移植的,有kernel panic启动不了这个是移植成功的镜像浅浅记录一下,先睡了...

【点我打开】想在WORD里面分列插入代码来缩小占用空间,于是就写了这个工具,通过迭代把文字分成等高的N列(因为考虑到字符不等宽,没法计算如何分割),还加了个代码高亮的功能。但是,等我写完这玩意之后,突然想起来css3里面有个属性就是column,可以直接分列,效果还更好,我捏麻QAQ吐了!!!如果是用CSS3的column属性,可以直接利用runoob代码高亮,然后用JS设置column属性就能分列了,这里先附带这个功能的JS书签代码,还挺好用。javascript: (function(){ if (window.location.host != "c.runoob ...

在项目中使用python embedded能够方便地将py+环境复制到其他电脑上直接运行,下面是使用指南。点我下载Python Embedded注:以下操作基本都在python embedded目录下完成,以避免调用到系统环境中的python。操作步骤:找到目录下的python**._pth,去掉import site的注释下载get-pip,在python embedded目录下打开控制台执行python get-pip.py来获取pip使用pip安装其他库,注意不要直接运行pip,要使用python -m pip ...来执行我喜欢把python-embedded放到一个名为env ...

22智能制造大赛视觉Task1解题思路
 959
 2
My solution to the problem of Visual Task 1 of the 2022 Intelligent Manufacturing Competition 比赛赛题:比赛时间为 180 min。比赛任务及要求任务一:实现对图片中的齿轮的检测以及测量,检测内容包括齿轮上是否有划痕,测量内容包括齿数、齿顶圆的直径以及齿根圆的直径(像素长度)。Task1: For the gear ...

scipy.leastsq最小化一组方程的平方和$x=\underset{y}{\argmin}{(\sum{f^2(y), axis=0})}$scipy.optimize.leastsq(func,x0,args = (),Dfun = None,full_output = 0,col_deriv = 0,ftol = 1.49012e-08,xtol = 1.49012e-08,gtol = 0.0,maxfev = 0,epsfcn = None,factor = 100,diag = None)func: 误差函数x0: 初始坐标点args: 传入参数 配合func使用网上例 ...

22-09~11 最近 (智能制造大赛)
 529
 0
智能制造大赛结束了,浅浅吐槽一下。我们学校被分到哈工大赛区比赛,比赛当天说好有开幕式和闭幕式,结果啥也没有。8点半开始下载试题,9点开考,可是监考员8点40了还没动静,我打个电话过去他还迷迷糊糊的,貌似还在睡大觉...比完赛后浑身上下都感觉这个比赛很水,很水...并且我们很寄,很寄。比赛内容就两,一是数字孪生,二是工业网络。数字孪生题目一眼简单到起飞,大家一致认为10分钟就能干完,结果机器人运动学定义了1个半 ...
Life is fantastic
🥕 More