论文阅读——Performance Evaluation of Passive Tag to Tag Communications(一)
文章目录
- 摘要
- 一、互耦对监听器标签输入阻抗的影响
- A. 无限细偶极子互阻抗的理论研究
- B. 电细偶极子的情况:理论与模拟
- C. 印刷偶极子的情况:电磁模拟与测量
- 二、T2T 通信系统的性能评估
- 总结
论文来源:https://ieeexplore.ieee.org/document/9706201
摘要
在超高频(UHF)无源射频识别(RFID)技术背景下,近期的研究提出了一种新的范式,展示了短距离标签间(T2T)通信的可能性。文章提出一项研究,重点关注 T2T 系统的性能评估。
在不影响所采用方法的一般性的情况下,本文考虑偶极子天线(在理论部分假设为理想情况,然后在研究的其余部分采用印刷天线)。所得结果表明,调制深度(可视为 T2T 系统的评估指标)受到三个主要参数的强烈影响:开关阻抗(此处选择短路和开路);由构成 T2T 系统的两个标签天线构成的几何配置;以及反向散射通信所依赖的外部源的位置。由于调制深度对这三个或多或少直接相关的参数非常敏感,因此很难预测给定配置的通信质量。同时,本文基于量化结果为定义此类系统的规范提供了指导方针。通过考虑更完整的 T2T 系统(例如包含非相干包络检波器的监听器标签)并引入误码率(BER)作为评估指标,对该研究进行了补充完善。
一、互耦对监听器标签输入阻抗的影响
在 T2T 通信中,由两个标签组成的系统可以表示为两个耦合天线的阵列。RT 通过在两个不同阻抗之间切换其天线负载来发送信息。这两个阻抗的选择将对 T2T 系统性能产生重要影响。根据 RT 的负载阻抗(SC 或 OC),耦合天线阵列的输入阻抗(对应于 LT 端子之间看到的阻抗)将不同。
A. 无限细偶极子互阻抗的理论研究
在本节中,目标是推导两个相同耦合天线互阻抗的解析表达式,无论它们的相对位置如何。为此,假设两个标签天线为理想偶极子天线(称为无限细偶极子),并使用 IEMF 方法对其进行研究,假设感应电流为正弦波。
图1 两个相同长度的细偶极子的几何配置,RT 的天线相对于 LT 的天线间隔并倾斜.
如图 1 所示,两个天线彼此靠近放置,更确切地说,分别位于 (xRT , yRT )和(xLT , yLT )。RT 相对于 y 轴的倾斜角度为θRT。两个标签之间的距离以波长的分数给出并考虑。在这些考虑下,互阻抗可以使用如下公式表达:
其中E21是由于 LT 中的电流在 RT 偶极子上每个点 s 处存在的电场强度。l 是偶极子的长度,β 是波数。距离 r、r1和r2是从 y 轴到 s 的距离。α、和是正角度。和是 s 的笛卡尔分量。以下方程给出了对应于图 1 的几何参数,以便插入到公式
图 2 展示了当 RT 短路时,互阻抗作为两个平行细偶极子之间间距 d 的函数的变化。就互阻抗而言,耦合效应在短距离时最大,并随着距离的增加以波纹状逐渐减小。特别地,当距离等于 0.43λ、0.96λ、1.48λ 和 1.98λ 时,观察到互阻抗实部的值为零。应当注意,当 RT 开路时,互阻抗没有影响。图 3 显示了互阻抗作为 RT 天线倾斜角度的函数以及对于不同间距距离:λ/3、2λ/3和 λ 的演变。正如预期的那样,标签之间的间距和它们的倾斜角度显著改变互阻抗。随着两个天线之间的距离 d 增加,此阻抗减小。这是由于天线之间的电磁耦合减小,这将影响系统的有效电磁特性(天线参数,如辐射方向图和匹配特性)。
图2 当阅读器标签短路时,互阻抗的实部和虚部作为偶极子之间间距 d(归一化值)的函数.
图3 当阅读器标签短路时,互阻抗的实部和虚部作为 RT 偶极子倾斜角度的函数,对于偶极子之间的几个间距距离 d(归一化值).
B. 电细偶极子的情况:理论与模拟
两个紧密耦合的标签可以看作是两个被视为相同的天线的矩阵。假设两个标签的相同天线之间具有互易性,则两个天线的自阻抗(Z11 , Z22 ) 和互阻抗(Z12 , Z21 ) 相等。考虑 RT 的两个天线负载(对于 SC 为ZL,ON,对于 OC 为ZL,OFF),LT 的输入阻抗可以写为如下公式
当 RT 分别处于 SC 和 OC 模式时,作为两个偶极子之间间距 d 的函数的 LT 输入阻抗的实部和虚部如图 4 和图 5 所示。正如预期的那样,由于互阻抗的研究,RT 在 SC 模式下的存在在短距离时显著影响 LT 的输入阻抗;并且当标签天线之间的间距增加时,这种影响会减弱。RT 在 OC 模式下对 LT 的输入阻抗没有影响;实际上,不会产生正弦电流。
图4 监听器标签的计算和模拟输入阻抗。电阻和电抗作为两个无限细偶极子之间间距 d(归一化值)的函数绘制,当阅读器标签短路时.
图5 监听器标签的计算和模拟输入阻抗。电阻和电抗作为两个无限细偶极子之间间距 d(归一化值)的函数绘制,当阅读器标签开路时.
因此,作为第一近似,这两种方法(例如理论计算和使用 4NEC2 软件的模拟)允许快速评估标签布置对 LT 输入阻抗的影响。然而,它们是有限的,不能考虑任意复杂的天线。为了进一步研究并出于实际考虑,现在将考虑简单但实际的天线。因此,理论部分将不再展开,模拟步骤将使用更精确的电磁模拟器 CST 微波工作室(基于有限元法,FEM)进行,并事先与测量结果进行比较。
C. 印刷偶极子的情况:电磁模拟与测量
由于商业 RFID 标签天线通常基于偶极子天线,在包括实验部分的研究剩余部分中,考虑简单的天线偶极子,例如印刷偶极子。重要的是要注意,根据实际考虑的标签天线配置,观察到的特性可能与此处呈现的不同,但方法和观察到的行为趋势仍然有效。
所考虑的标签天线是在 FR4 材料上的印刷偶极子,基板尺寸为 150 mm×10 mm,铜印刷电路轨道为 134 mm×1 mm)。图 6 显示了模拟模型以及 RT 在每个调制状态(SC 和 OC)下两个紧密耦合天线的照片。如图 7 所示,每个印刷偶极子被设计为在 868 MHz 频率下其自阻抗为 50。图 8 显示了反射系数 S11 以及模拟和测量结果之间的较好一致性。
图6 RT 在每个调制状态(SC 和 OC)下两个紧密耦合天线的模拟模型和照片.
图7 印刷偶极子的模拟和测量自阻抗。电阻和电抗作为频率的函数绘制.
图8 标签印刷偶极子的模拟和测量反射系数.
最后,使用这种天线用于两个标签,构建 T2T 系统,并针对所考虑的两种情况(RT 处于 SC 模式和 OC 模式)模拟和测量 LT 的输入阻抗。假设为平行布置,图 9 和图 10 显示了输入阻抗的实部和虚部作为天线之间距离 d 的函数以及相对于两个 RT 负载的情况。模拟结果与实验结果一致,我们可以观察到两者之间的良好一致性。此外,应当注意,观察到的行为与在先前更理想的情况下获得的行为非常相似。特别是,RT 在短路时存在的微弱影响,相反,当它处于短路时影响更大。
图9 监听器标签的模拟和测量输入阻抗。电阻和电抗作为两个印刷偶极子之间间距 d(归一化值)的函数绘制,当阅读器标签开路时.
图10 监听器标签的模拟和测量输入阻抗。电阻和电抗作为两个印刷偶极子之间间距 d(归一化值)的函数绘制,当阅读器标签短路时.
二、T2T 通信系统的性能评估
见下篇
总结
在新型无源 RFID T2T 系统的背景下,本文研究了标签之间的相对位置(以及因此它们的互耦合)和外部射频源的方向对通信性能的影响。调制深度(可视为 T2T 系统的评估指标)受到三个主要参数的强烈影响:开关阻抗;由构成 T2T 系统的两个标签天线构成的几何配置;以及外部源的位置。由于调制深度对这些或多或少直接相关的参数非常敏感,因此很难预测给定配置的通信质量。
例如,当两个标签平行且源对称放置时,随着标签之间的距离从 0.1λ 增加到 1λ(λ 为波长),调制深度呈现振荡下降趋势:其值从 70% 降至小于 5%。但是如果修改源位置,那么调制深度会显著变化,并且有可能确定比其他配置更优的配置。这个例子表明,T2T 系统根据所考虑的配置表现出不稳定的性能,这在实践中是一个限制因素。未来的应用必然需要考虑这些方面。还应注意,ISO 18000 - 6C 标准要求 RFID 阅读器使用大于 80% 的调制深度。然而,在其他论文中,提出了一种优化的解调器,可在接近 20% 的调制深度下运行。T2T 系统的部署肯定需要这样的方法和无源接收器的新进展。
因此,通过考虑一系列非常完整的场景,本研究有助于说明和解释这些参数的相互作用及其对调制深度的影响。同时,本文基于量化结果为定义此类系统的规范提供了指导方针。通过考虑更完整的 T2T 系统(包括这里作为解调器的非相干包络检波器)并引入误码率作为评估指标,对该研究进行了补充完善。
在展望方面,考虑复杂(在实践中更现实)的阻抗而不是简单的负载阻抗(例如短路和开路)可能很有趣,以研究是否有可能提高调制深度。另一方面,但以增加复杂性为代价,在天线附近添加寄生元件也可以提供额外的自由度来区分两个调制状态。还要注意,T2T 通信有几个潜在的应用,例如在其他论文的展望部分中有所描述。还需要设想其他应用,以便找到对 T2T 系统部署有意义的应用场景。
在本研究中,为了举例说明并清晰阐述观点,提出一个潜在应用,即一个无源系统,用于监控安全设备的使用情况。只有当附着在每个安全设备上的标签的相对位置处于正确配置时,标签之间的通信才会建立。通过检查标签之间的通信,例如当人员通过固定有射频源(例如具有已知位置)的门时,可以避免用户的潜在误放或疏忽。此类应用仍有待开发,但本文呈现的结果可以提供限制和遵循的指导方针。
相关文章:
论文阅读——Performance Evaluation of Passive Tag to Tag Communications(一)
文章目录 摘要一、互耦对监听器标签输入阻抗的影响A. 无限细偶极子互阻抗的理论研究B. 电细偶极子的情况:理论与模拟C. 印刷偶极子的情况:电磁模拟与测量 二、T2T 通信系统的性能评估总结 论文来源:https://ieeexplore.ieee.org/document/970…...
Docker Registry(镜像仓库)详解
Docker Registry(镜像仓库)详解 Docker Registry,即Docker镜像仓库,是Docker生态系统中一个至关重要的组件。它负责存储、管理和分发Docker镜像,为Docker容器提供镜像资源。本文将深入探讨Docker Registry的功能、结构…...
17. 【.NET 8 实战--孢子记账--从单体到微服务】--记账模块--主币种设置
记账模块是我们项目的核心模块,也是用户使用最多的模块,因此这个模块的东西比较多,我们要分为多个部分编写代码。 一、需求 币种设置的需求涉及到了我们前面编写的代码,我们来具体看一下需求。 编号需求说明1主币种设置1. 用户…...
ChatPaper.ai:通过阅读文献高效学习英语的新思路
前言 作为一名学习者,我们常常会遇到这样的困境:想提高英语水平,但单纯背单词缺乏语境;想读专业文献,却被英语障碍所困扰。今天我要分享一个工具 ChatPaper.ai,它让我找到了将英语学习和专业阅读完美结合的…...
.NET9 - 新功能体验(二)
书接上回,我们继续来聊聊.NET9和C#13带来的新变化。 01、新的泛型约束 allows ref struct 这是在 C# 13 中,引入的一项新的泛型约束功能,允许对泛型类型参数应用 ref struct 约束。 可能这样说不够直观,简单来说就是Span、ReadO…...
探索Python PDF处理的奥秘:pdfrw库揭秘
文章目录 探索Python PDF处理的奥秘:pdfrw库揭秘1. 背景:为何选择pdfrw?2. pdfrw是什么?3. 如何安装pdfrw?4. 五个简单的库函数使用方法4.1 读取PDF信息4.2 修改PDF元数据4.3 旋转PDF页面4.4 提取PDF中的图片4.5 合并P…...
网络爬虫——爬虫项目案例
本节将全面讲解如何通过实战爬虫项目解决复杂问题。结合最新技术和实际开发需求,案例将涵盖完整开发流程,包括需求分析、实现代码、优化方法和常见问题解决。力求实现高效、可扩展的爬虫项目架构,帮助开发者提升实战能力。 案例 1:…...
JAVA中的Lamda表达式
JAVA中的Lamda表达式 Lambda 表达式的语法使用场景示例代码1.代替匿名内部类2. 带参数的 Lambda 表达式3. 与集合框架结合使用4. 使用 Stream 操作 总结 Java 的 Lambda 表达式是 Java 8 引入的一个新特性,用于简化代码,特别是在处理函数式编程时。Lambd…...
经典游戏:飞机大战游戏python设计与实现
《飞机大战》是一款经典的二维飞行射击游戏,其核心玩法是控制玩家飞机与敌机作战,通过击落敌机获取分数并尽量避免被敌机击中。根据提供的代码,飞机大战的设计和实现可以分为以下几个主要部分:游戏初始化、游戏界面设计、玩家控制…...
网络爬虫——常见问题与调试技巧
在开发网络爬虫的过程中,开发者常常会遇到各种问题,例如网页加载失败、数据提取错误、反爬机制限制等。以下内容将结合实际经验和技术方案,详细介绍解决常见错误的方法,以及如何高效调试和优化爬虫代码。 1. 爬虫过程中常见的错误…...
深入理解TensorFlow中的形状处理函数
摘要 在深度学习模型的构建过程中,张量(Tensor)的形状管理是一项至关重要的任务。特别是在使用TensorFlow等框架时,确保张量的形状符合预期是保证模型正确运行的基础。本文将详细介绍几个常用的形状处理函数,包括get_…...
macOS 无法安装第三方app,启用任何来源的方法
升级新版本 MacOS 后,安装下载的软件时,不能在 ”安全性与隐私” 中找不到 ”任何来源” 选项。 1. 允许展示任何来源 点击 启动器 (Launchpad) – 其他 (Other) – 终端 (Terminal): 打开终端后,输入以下代码回车: …...
Leetcode148. 排序链表(HOT100)
链接 我写的错误代码: class Solution { public:ListNode* sortList(ListNode* head) {if (!head || !head->next)return head;ListNode* fast head;ListNode* slow head;while (fast&&fast->next) {fast fast->next->next;slow slow->…...
Linux线程_线程互斥_线程同步
一.线程互斥 1.进程线程间的互斥相关概念 临界资源:多线程执行流共享的资源就叫做临界资源临界区:每个线程内部,访问临界资源的代码,就叫做临界区互斥:任何时刻,互斥保证有且只有一个执行流进入临界区&…...
【Spiffo】环境配置:VScode+Windows开发环境
摘要: 在Linux下直接开发有时候不习惯快捷键和操作逻辑,用Windows的话其插件和工具都更齐全、方便,所以配置一个Windows的开发环境能一定程度提升效率。 思路: 自己本地网络内远程连接自己的虚拟机(假定用的是虚拟机…...
DevExpress控件 基本使用
DevExpress控件 一、DevExpress简介 1、所有编辑器的公共功能 全部都可以绑定数据; 全部都可以独立使用或用于由 Developer Express 提供的容器控件 (XtraGrid、XtraVerticalGrid、XtraTreeList 和 XtraBars) 内的内置编辑; 全部都使用相同的样式、外…...
设计模式——装饰器模式
装饰器模式是结构型设计模式,在Python中有一个非常著名的装饰器wrapper,它的实现方法就是使用了该设计模式,装饰器可以修饰类也可以修饰函数。 从类的设计上说,他的本质是在不定义子类的情况下动态的给对象添加一些额外的功能。举…...
【编程题目】列表、元组及集合
一.列表的题目 题目1:列表反转与排序 描述:给定一个整数列表,首先反转该列表,然后对其进行升序排序。最后输出处理后的列表。输入:一个整数列表,例如 [3, 1, 4, 1, 5, 9]输出:处理后的列表,例如 [1, 1, 3, 4, 5, 9]示例:input_list = [3, 1, 4, 1, 5, 9] # 你的代码 …...
【大数据学习 | Spark-Core】RDD的缓存(cache and checkpoint)
1. 单应用缓存:cache 1.1 cache算子 cache算子能够缓存中间结果数据到各个executor中,后续的任务如果需要这部分数据就可以直接使用避免大量的重复执行和运算。 rdd 存储级别中默认使用的算子cache算子,cache算子的底层调用的是persist算子…...
自主研发,基于PHP+ vue2+element+ laravel8+ mysql5.7+ vscode开发的不良事件管理系统源码,不良事件管理系统源码
不良事件上报系统源码,不良事件管理系统源码,PHP源码 不良事件上报系统通过 “事前的人员知识培训管理和制度落地促进”、“事中的事件上报和跟进处理”、 以及 “事后的原因分析和工作持续优化”,结合预存上百套已正在使用的模板࿰…...
哈希表理解与底层模拟实现
内容摘要 本文内容包括红黑树和哈希表的性能比较逻辑分析及实现、哈希表的概念、哈希表映射关系建立的最常用的两种方法直接地址法和除留余数法介绍、介绍了哈希冲突的原因以及解决解决哈希冲突的方法、负载因子的概念、哈希表的扩容、开散列实现哈希表的思路及代码实现、闭散列…...
docker compose的安装和使用
1. Docker Compose 简介 Docker Compose 是一个工具,用于定义和运行多容器的 Docker 应用。通过编写一个 docker-compose.yml 文件,可以一次性启动所有容器,并且方便管理容器之间的依赖。 2. 安装 Docker Compose 前提条件 确保已安装 Do…...
17种Kubernetes安全检测工具详解
随着Kubernetes的广泛应用,确保其安全性就显得尤为重要。好在现有很多优秀的安全检测工具,可以帮助我们发现和修复Kubernetes集群中的安全隐患。本文将全面介绍17种常用的Kubernetes安全检测工具。 Kube-benchKube-hunterKubesec.ioTrivyKube-auditKube-secKube-vulnkube-scana…...
Python遥感开发之CGCS2000转换WGS84地理坐标系
Python遥感开发之CGCS2000转换WGS84地理坐标系 1 CGC2000坐标系介绍2 WGS84地理坐标系介绍3 代码实现CGCS2000转换WGS84地理坐标系 前言:主要借助pyproj实现从CGCS2000高斯-克吕格3度带(EPSG:4547)转换到WGS84地理坐标系(EPSG:432…...
FAX动作文件优化脚本(MAX清理多余关键帧插件)
大较好,为大家介绍一个节省FBX容量的插件!只保留有用的动画轴向,其他不参与动画运动的清除! 一.插件目的:: 1.我们使用的U3D引擎产生的游戏资源包容量太大,故全方位优化动画资源; 2.在max曲线编辑器内,点取轴向太过麻烦,费事,直观清除帧大大提高效率。 如: 二:…...
Springboot集成ElasticSearch实现minio文件内容全文检索
一、docker安装Elasticsearch (1)springboot和Elasticsearch的版本对应关系如下,请看版本对应: 注意安装对应版本,否则可能会出现一些未知的错误。 (2)拉取镜像 docker pull elasticsearch:7…...
Python 中的 | 符号
Python 中的 | 符号 正文用法 1用法2 正文 今天遇到了一个符号 |,本文将对符号 | 的意思进行说明。 x: int 1 print(x) # 1上述代码中,:int 表示的是注释内容,这个在 python 中的注释 一文中我们已经进行了说明。 用法 1 有些时候我们会…...
网安基础知识|IDS入侵检测系统|IPS入侵防御系统|堡垒机|VPN|EDR|CC防御|云安全-VDC/VPC|安全服务
网安基础知识|IDS入侵检测系统|IPS入侵防御系统|堡垒机|VPN|EDR|CC防御|云安全-VDC/VPC|安全服务 IDS入侵检测系统 Intrusion Detection System 安全检测系统,通过监控网络流量、系统日志等信息,来检测系统中的安全漏洞、异常行为和入侵行为。 分为&am…...
记录elasticsearch-analysis-dynamic-synonym从8.15.0升级到8.16.0所遇到的问题
记录elasticsearch-analysis-dynamic-synonym从8.15.0升级到8.16.0所遇到的问题 一、打包步骤 步骤一、linux系统下执行elasticsearch-module中的build.sh脚本 步骤二、maven环境下elasticsearch-cluster-runner执行maven install命令安装到本地maven仓库。 步骤三、修改版…...
IDEA怎么定位java类所用maven依赖版本及引用位置
在实际开发中,我们可能会遇到需要搞清楚代码所用依赖版本号及引用位置的场景,便于排查问题,怎么通过IDEA实现呢? 可以在IDEA中打开项目,右键点击maven的pom.xml文件,或者在maven窗口下选中项目,…...
react native 安装好apk后无法打开
react native 打包好apk安装完成,没有打开app按钮, 在AndroidManifest.xml中 <intent-filter><action android:name"android.intent.action.MAIN" /><category android:name"android.intent.category.LAUNCHER" /&…...
HTML5 SVG
HTML5 SVG SVG(Scalable Vector Graphics)是一种基于XML的图像格式,用于在网页上创建矢量图形。与传统的位图图像(如PNG和JPEG)不同,SVG图像可以无限放大而不失真,因为它们是由直线和曲线定义的数学路径,而不是像素点。HTML5支持直接在网页中嵌入SVG,使得网页设计更加…...
【LeetCode每日一题】——485.最大连续 1 的个数
文章目录 一【题目类别】二【题目难度】三【题目编号】四【题目描述】五【题目示例】六【题目提示】七【解题思路】八【时空频度】九【代码实现】十【提交结果】 一【题目类别】 数组 二【题目难度】 LeetCode 三【题目编号】 485.最大连续 1 的个数 四【题目描述】 给定…...
Python语言就业方向有哪些?
Python语言的就业方向非常广泛,涵盖了多个领域和职位,主要包括: Web开发 Python在Web开发领域有着广泛的应用,特别是通过框架如Django、Flask等。Python可以帮助开发者快速搭建网站,与各种前端技术集成,从而…...
SpringSecurity创建一个简单的自定义表单的认证应用
1、SpringSecurity 自定义表单 在 Spring Security 中创建自定义表单认证应用是一个常见的需求,特别是在需要自定义登录页面、认证逻辑或添加额外的表单字段时。以下是一个详细的步骤指南,帮助你创建一个自定义表单认证应用。 2、基于 SpringSecurity 的…...
wpf 事件转命令的方式
1,方式1 <StackPanel Background"Transparent"><StackPanel.InputBindings><KeyBinding Command"{Binding ChangeColorCommand}"CommandParameter"{Binding ElementNamecolorPicker, PathSelectedItem}"Key"{Bi…...
Docker 容器的初始化设置
虽然现在Conntainerd 大有取代Docker作为容器运行时的趋势,但是docker还是有自己的优势在。尤其是对于开发者来讲,使用Docker 比使用 containerd 方便很多,尤其是在Docker Desktop等工具的加持下。 本文主要面向Docker的初、中级学者…...
python里的数据结构
列表(List) 定义和特点: 列表是一种有序的可变序列,可包含不同类型的元素,如整数、字符串、列表等。可以通过索引访问和修改元素,索引从 0 开始。代码示例: my_list [1, 2, apple, [4, 5]] pr…...
Ros Noetic 20.04 跑通mpc_ros包保姆级教程
前言: 本文将简述mpc_ros包在noetic20.04中的安装,mpc是 一种跟踪、MPC_ROS 是一个基于ROS(Robot Operating System)的模型预测控制(Model Predictive Control,MPC)库。该项目旨在为机器人控制提供一个灵活且高效的MPC实现,使得开发者能够在ROS环境中轻松集成和使用MPC…...
MySQL 没有数据闪回?看 zCloud 如何补齐MySQL数据恢复能力
ENMOTECH 上一篇文章为大家介绍了某金融科技企业通过 zCloud 多元数据库智能管理平台的告警中心“警警”有条地管理告警并进行敏捷处置的实践案例。本篇跟大家继续分享该案例客户如何利用 zCloud 备份恢复模块下的Binlog解析功能补齐 MySQL 数据恢复能力,让运维人员…...
k8s集群加入node节点为ubuntu 22.04
文章目录 1.环境准备1.1 关闭无用服务1.2 环境和网络1.3 apt源1.4 系统优化 2. 装containerd3. 接入k8s集群3.1 kubelet、kubeadm、kubectl安装3.2 缺少一个镜像3.3 接入k8s集群 4. 一些相关问题 1.环境准备 rootcto-gpu-pro-n01:~# lsb_release -a No LSB modules are availa…...
提取图片高频信息
提取图片高频信息 示例-输入: 示例-输出: 代码实现: import cv2 import numpy as npdef edge_calc(image):src cv2.GaussianBlur(image, (3, 3), 0)ddepth cv2.CV_16Sgray cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)grad_x cv2.Scharr(g…...
向量数据库FAISS之四:向量检索和 FAISS
来自 YouTube 1.相似度搜索的传统方法(Jaccard, w-shingling, Levenshtein) 1.Jaccard 距离 公式 Jaccard ( A , B ) 1 − ∣ A ∩ B ∣ ∣ A ∪ B ∣ \text{Jaccard}(A, B) 1 - \frac{|A \cap B|}{|A \cup B|} Jaccard(A,B)1−∣A∪B∣∣A∩B∣ 其中, A 和 …...
Flume日志采集系统的部署,实现flume负载均衡,flume故障恢复
目录 安装包 flume的部署 负载均衡测试 故障恢复 安装包 在这里给大家准备好了flume的安装包 通过网盘分享的文件:apache-flume-1.9.0-bin.tar.gz 链接: https://pan.baidu.com/s/1DXMA4PxdDtUQeMB4J62xoQ 提取码: euz7 --来自百度网盘超级会员v4的分享 ----…...
行列式的理解与计算:线性代数中的核心概念
开发领域:前端开发 | AI 应用 | Web3D | 元宇宙 技术栈:JavaScript、React、ThreeJs、WebGL、Go 经验经验:6 年 前端开发经验,专注于图形渲染和 AI 技术 开源项目:github 简智未来、数字孪生引擎、前端面试题 大家好&a…...
DimensionX:单图生成任意的3d/4d视图
DimensionX:单图生成任意的3d/4d视图 通俗易懂的来说 在我们的方法中,关键是如何从一张图片生成动态的3D和4D场景。我们使用一个叫做ST-Director的工具,它可以分开处理空间(3D)和时间(4D)两个方面。想象一…...
k8s上面的Redis集群链接不上master的解决办法
问题描述 之前在k8s上面部署了一台node,然后创建了6个redis的pod,构建了一个redis的集群,正常运行。 最近添加了一台slave node,然后把其中的几个redis的pod调度到了slave node上面,结果集群就起不来了,…...
芯片之殇——“零日漏洞”(文后附高通64款存在漏洞的芯片型号)
芯片之殇——“零日漏洞”(文后附高通64款存在漏洞的芯片型号) 本期是平台君和您分享的第113期内容 前一段时间,高通公司(Qualcomm)发布安全警告称,提供的60多款芯片潜在严重的“零日漏洞”,芯片安全再一次暴露在大众视野。 那什么是“零日漏洞”?平台君从网上找了一段…...
《线性代数的本质》
之前收藏的一门课,刚好期末复习,顺便看一看哈哈 课程链接:【线性代数的本质】合集-转载于3Blue1Brown官方双语】 向量究竟是什么 线性代数中最基础、最根源的组成部分就是向量,需要先明白什么是向量 不同专业对向量的看法 物理专…...
计算机视觉 1-8章 (硕士)
文章目录 零、前言1.先行课程:python、深度学习、数字图像处理2.查文献3.环境安装 第一章:概论1.计算机视觉的概念2.机器学习 第二章:图像处理相关基础1.图像的概念2.图像处理3.滤波器4.卷积神经网络CNN5.图像的多层表示:图像金字…...