精华内容
下载资源
问答
  • 掺杂结构对光纤中去极化声波的布里渊频移散射效率的影响
  • 本文提出了荧光偏振角谱,结合偏振度(DOP),以确定溶液中过渡偶极矩(TDMs)叶绿素去极化的空间方向。 发现,由于偏振激光激发下取向的TDM,偏振角(AOP)DOP在三个正交平面上的投影彼此不同。 实验表明,我们...
  • 光子晶体光纤中去极化型声波导布里渊散射频移散射效率研究
  • 文章目录读取所有遥感图像的函数(实测可用)可选择去极化拉伸范围的函数实测函数效果 根据.img格式.dat格式无后缀的格式影像实测可显示。 读取所有遥感图像的函数(实测可用) function data=RemoteSensing...


    根据.img格式和.dat格式和无后缀的格式影像实测可显示。

    读取所有遥感图像的函数(实测可用)

    function data=RemoteSensing(filename)
    %按照ENVI正常处理的流程,由用户指定图像的所在位置
    %开发者根据用户所选的位置进行头文件的寻找
    %第一步,截取文件的格式
    imageformat=filename(length(filename)-3:end);
    contain_suffix=filename(length(filename)-3);%获取图像的.符号
    %第二步,根据用户输入的格式进行判断图像读取方式
    if strcmp(imageformat,'.dat')||strcmp(imageformat,'.img')
        %满足条件之后进行字符串的截取
        hdrfilename=strcat(filename(1:length(filename)-4),'.hdr');
    else
        if strcmp(contain_suffix,'.')  
            %只要上面任何一个条件满足就进行图像文件的读取
            hdrfilename=strcat(filename,'hdr');
        end
    end    
    %第三步打开头文件进行读取,如果不存在直接报错
    fid=fopen(hdrfilename,'r');
    if fid<0
        error('The directory you choose doesn''t contain header file!');
    end
    %声明6个cell,分别存放lines samples bands precision headeroffset interleave
    Information={222,333,4,'uint8=>uint8',0,'bsq'};
    %寻找对应的值进行图像读取
    while feof(fid) ~= 1                %用于判断文件指针p在其所指的文件中的位置,如果到文件末,函数返回1,否则返回0  
          textline = fgetl(fid);            %获取文档每一行
          try
              prefix=textline(1:6);%截取前两个字符串
          catch
              disp(textline);
          end
          try
            Information=search(textline,prefix,Information);
          catch
              %do nothing
          end
    end  
    data = double(multibandread(filename ,[Information{1,1}, Information{1,2}, Information{1,3}],Information{1,4},Information{1,5},Information{1,6},'ieee-le'));
    fclose(fid);
    end
    function Information=search(textline,prefix,Information)
    switch prefix
        case 'sample'
            samples_length=length('samples = ');
            samples=textline(samples_length+1:end);%截取行
            Information{1,2}=str2double(samples);
        case 'lines '
            lines_length=length('lines   = ');
            lines=textline(lines_length+1:end);%截取列
            Information{1,1}=str2double(lines);
        case 'bands '
            bands_length=length('bands   = ');
            bands=textline(bands_length+1:end);%截取波段数
            Information{1,3}=str2double(bands);
        case 'header'
            header_offset_length=length('header offset = ');
            header_offset=textline(header_offset_length+1:end);%截取偏移值
            Information{1,5}=str2double(header_offset);
        case 'data t'
            data_type_length=length('data type = ');
            data_type=textline(data_type_length+1:end);%截取偏移值
            data_type=str2double(data_type);
            %在保证截取的data_type不是空的情况下,进行数据类型的映射
            if ~isempty(data_type)
                %数据类型的映射
                switch data_type
                    case 1
                        precision='uint8=>uint8';%头文件中datatype=1对应ENVI中数据类型为Byte,对应MATLAB中数据类型为uint8
                    case 2
                        precision='int16=>int16';%头文件中datatype=2对应ENVI中数据类型为Integer,对应MATLAB中数据类型为int16
                    case 12
                        precision='uint16=>uint16';%头文件中datatype=12对应ENVI中数据类型为Unsighed Int,对应MATLAB中数据类型为uint16
                    case 3
                        precision='int32=>int32';%头文件中datatype=3对应ENVI中数据类型为Long Integer,对应MATLAB中数据类型为int32
                    case 13
                        precision='uint32=>uint32';%头文件中datatype=13对应ENVI中数据类型为Unsighed Long,对应MATLAB中数据类型为uint32
                    case 4
                        precision='float32=>float32';%头文件中datatype=4对应ENVI中数据类型为Floating Point,对应MATLAB中数据类型为float32
                    case 5
                        precision='double=>double';%头文件中datatype=5对应ENVI中数据类型为Double Precision,对应MATLAB中数据类型为double
                    otherwise
                        error('invalid datatype');%除以上几种常见数据类型之外的数据类型视为无效的数据类型
                 end
            end
            Information{1,4}=precision;
        case 'interl'
            interleave_length=length('interleave = ');
            interleave=textline(interleave_length+1:interleave_length+3);%截取波段排列的方式 分别为bsq bil bip
            Information{1,6}=interleave;
        otherwise
            %do nothing      
    end
    end
    

    可选择去极化拉伸范围的函数

    function MAT=LineExtension(MAT,pro)
    %pro传入需要进行去极化线性拉伸的范围
    [row,col] = size(MAT);
    %保存每个DN值出现的频率
    grayscale = 2^Getgrayscale(MAT)+100;
    cum=zeros(1,grayscale);
    
    minDN=0;
    %PCA变换后的值有负值
    for i=1:row
        for j=1:col
            if minDN>MAT(i,j)
                minDN=MAT(i,j);
            end
        end
    end
    %此时cum(1,minDN+abs(minDN)+1)就对应的最小值----实际的cum(1,1)
    for i=1:row
        for j=1:col
            index = round(MAT(i,j));
            index=round(index+abs(minDN)+1);
    %         if index<=grayscale
                try
                    cum(1,index)=cum(1,index)+1;
                catch
                    disp(index);
                    disp(MAT(i,j));
                end
    %         else
    %             cum(1,grayscale)=cum(1,grayscale)+1;
    %         end
        end
    end
    cum=double(cum)/double(row)/col;
    final = zeros(1,grayscale);
    final(1,1)=cum(1,1);
    min=0;
    minP=10000;
    max=0;
    maxP=10000;
    for i=2:grayscale
        final(1,i)=final(1,i-1)+cum(1,i);
        temp=abs(final(1,i)-pro*0.01);%该操作对两端的函数进行去极化2%的线性拉伸
        if minP>temp
            min=i-1;
            minP=temp;
        end
        temp1=abs(final(1,i)-(1-pro*0.01));
        if maxP>temp1
            max=i-1;
            maxP=temp1;
        end
    end
    %求解得到累积概率之后就进行%2到%98的拉伸------max-abs(minDN),min-abs(minDN)就是2%-98%
    for i=1:row
        for j=1:col
            MAT(i,j)=round(255/(max-min)*(MAT(i,j)-(min-minDN)));
            if MAT(i,j)>255
                MAT(i,j)=255;
            end
            if MAT(i,j)<0
                MAT(i,j)=0;
            end
        end
    end
    
    % imshow(uint8(MAT));
    
    end
    
    %获取影像的灰度级数
    
    function i = Getgrayscale(A)
    
    max=0;
    [row,col]=size(A);
    for i=1:row
        for j=1:col
            if max<A(i,j)
                max=A(i,j);
            end
        end
    end
    % disp(strcat('最大DN值为',int2str(max)));
    for i=8:16
        if max<2^i
            break
        end
    end
    % disp(strcat('对应的灰度级为',int2str(i)));
    end
    

    实测函数

    function test()
    imgdata=RemoteSensing('qb_boulder_msi.img');%读取img格式图像测试
    datdata=RemoteSensing('Landsat8_OLI_multi_classify.dat');%读取.dat格式图像测试
    imgpandata=RemoteSensing('qb_boulder_pan.img');%读取img格式全色图像测试
    datpandata=RemoteSensing('Landsat8_OLI_pan.dat');%读取dat格式全色图像测试
    [row1,col1,~]=size(imgdata);
    [row2,col2,~]=size(datdata);
    [row3,col3,bands3]=size(imgpandata);
    [row4,col4,bands4]=size(datpandata);
    img=zeros(row1,col1,3);
    dat=zeros(row2,col2,3);
    imgpan=zeros(row3,col3,bands3);
    datpan=zeros(row4,col4,bands4);
    pro=input('You want to linearly stretch the remote sensing image by a few percent:');
    for i=1:3
        img(:,:,i)=LineExtension(imgdata(:,:,i),pro);
    end
    for i=1:3
        dat(:,:,i)=LineExtension(datdata(:,:,i),pro);
    end
    for i=1:bands3
        imgpan(:,:,i)=LineExtension(imgpandata(:,:,i),pro);
    end
    for i=1:bands4
        datpan(:,:,i)=LineExtension(datpandata(:,:,i),pro);
    end
    subplot(1,2,1);
    imshow(uint8(img));title('.img');
    subplot(1,2,2);
    imshow(uint8(dat));title('.dat');
    figure
    subplot(1,2,1);
    imshow(uint8(imgpan));title('pan .img');
    subplot(1,2,2);
    imshow(uint8(datpan));title('pan .dat');
    end
    

    效果

    多光谱影像
    全色高分辨率影像

    展开全文
  • 掺杂结构对光纤中去极化型声波导布里渊散射频移与散射效率的影响
  • 基于去极化电流解谱的方法对等效电路参数的求解进行了改进。根据时域介电谱理论,估算出各条支路的时间常数,再逐条求出每条支路的极化电阻、极化电容。该方法计算简单,而且还体现了物理意义。最后,用该方法对三台...
  • 利用激光雷达探测水云的光学微物理特性时,水云的多次散射会在雷达回波中产生去极化信号,给出了半解析蒙特卡罗方法模拟偏振激光雷达后向散射去极化率的详细过程,给出了0.532 μm 激光作为光源入射时,典型水云的...
  • 但是,由于复杂的去极化效应,对提供的额外增益的限制以及极化的自由度有限,因此在无线通信中利用极化涉及许多挑战,使其在光纤,雷达卫星通信方面与常规极化应用有所不同。这些挑战激发了最新的进展,特别是与...
  • 三五族异质结的自发极化、压电极化及2DEG 在谈到氮化物异质结基本原理时总是会提到这几个概念,看似理解又不是很清晰,最终还是忍不住仔细了解了一下概念。 自发极化 纤锌矿结构 在了解自发极化前,我们先来看...

    在谈到氮化物异质结基本原理时总是会提到这几个概念,看似理解又不是很清晰,最终还是忍不住去仔细了解了一下概念。

    自发极化

    • 纤锌矿结构

    在了解自发极化前,我们先来看一下原子结构。

    三族氮化物GaN、AlN和InN具有稳定的纤锌矿和亚稳的闪锌矿两种结构,两者电学性质差异很大。闪锌矿结构不具备自发极化性质(此点稍后阐明),因此普遍采用纤锌矿结构。
    纤锌矿结构和闪锌矿结构
    纤锌矿结构中,一个原子与其最近四个原子形成的键长不同,沿[0001]方向的键长大于其余三个键长。

    闪锌矿结构中,各化学键键长相同。下图左图为闪锌矿,右图为纤锌矿。1
    闪锌矿和纤锌矿的键长

    • 自发极化

    纤锌矿结构中,一个原子与相邻四个其他类型原子形成的化学键并不相同,沿[0001]方向键长更长,因此,最近四个原子形成的负电荷中心与中间原子形成的正电荷中心不重合,正负电荷产生电偶极矩,形成内建电场。1其中自发极化方向与极化电场方向相反。

    以GaN为例,Ga原子与周围四个N原理构成四面体结构,Ga原子作为正电荷中心,四个N原子形成的负电荷中心与正电荷不重合形成了内建电场。

    压电极化

    关于压电极化,我们通常看到定论,压电极化效应是由两种材料之间的晶格失配引起的。但往往对其中的逻辑和推导过程一知半解。下面笔者根据资料对该概念写一下自己的理解。

    • 晶格常数

    晶格常数(lattice constant)指的就是晶胞的边长,也就是每一个平行六面体单元的边长,它是晶体结构的一个重要基本参数。2

    • 晶格失配

    晶格失配是因两种不同晶格常数的材料,比如衬底和外延,而产生的失配现象。但并非所有不同的晶格常数都会失配,存在一个临界值,在临界值以下仍能达到晶格匹配。下图a为不同晶格常数的晶体;下图b为晶格匹配的情况,图c为晶格失配的情况。3
    晶格失配&晶格匹配

    • 压电极化效应

    接下来以Ga面为例详细解释下图。Psp是自发极化方向,Ppe是压电极化方向。
    在这里插入图片描述
    Ga面b情况,GaN衬底上长外延AlGaN。由于AlGaN晶格常数小于GaN,即AlGaN的晶胞边长小于GaN,因此AlGaN将受到拉伸应力。AlGaN中N原子的四面体结构形成的负电荷中心,较短的三条键长与下方Ga面相连并受到拉伸,使得AlGaN正负电荷中心距离变大。因此Ppe方向向下,与自发极化方向相同。

    若是AlGaN衬底上长外延GaN,即Ga面c情况。GaN受到压缩应力,三个较短键长压缩,导致负电荷中心靠近正电荷中心,产生了与自发极化方向相反的压电极化,削弱了自发极化效应。

    对N面的分析也是同理,在此不赘述。

    经此分析,对压电极化有更深的理解,再回头看定义“压电极化效应是由两种材料之间的晶格失配引起的”便一目了然了。

    总结

    • 自发极化反应:纤锌矿结构中A原子与其相邻4个B原子的键长不同,导致正负电荷中心不重合形成自建电场。
    • 压电极化反应:两种材料间的晶格失配导致外延拉伸或压缩,加剧或削弱正负电荷中心形成的电场。

    2DEG

    关于二维电子气的内容可以看这个视频。
    https://www.bilibili.com/video/BV1wy4y1y7zr?from=search&seid=7775048118543422326

    最后,此文仍有很多不严谨和不正确的地方,欢迎各位友好指正。


    1. [1]纤锌矿结构AlN、GaN及ZnO自发极化的第一性原理研究 ↩︎ ↩︎

    2. [2]百度百科:晶格常数 ↩︎

    3. [3]压电极化效应 http://www.elecfans.com/news/1177819.html ↩︎

    展开全文
  • 极化雷达遥感技术

    2017-03-27 20:40:25
    全书共分九章,对电磁波、天线、雷达、合成孔径雷达、极化干涉合成孔径雷达特有的极化问题,对相干散射目标,部分极化波,去极化目标的散射特性,雷达的最优极化方式极化目标分类等进行了全面深入的研究。...
  • 激光辐射使核极化

    2021-02-08 15:23:00
    发现如用单色激光辐射照射原子,几乎可得到100%的极化核。核极化的发生是由于核自旋原子中的电子自旋相互作用;在吸收激光辐射自发辐射较低频率的光子后,原子从基态跃迁到激发态,同时核自旋反转。
  • 本文提出了一种新的极化可重构微带贴片天线设计方案。该设计采用微扰法实现...此外,该寄生切角极化可重构微带贴片天线由于其自身特点结构,省了多数极化可重构天线中用到的防止直流信号进入射频通路的隔直电容。
  • 辣椒素介导活性氧产生及线粒体膜电位去极化抑制膀胱癌细胞增殖的实验研究,杨中华,王行环,目的 探讨辣椒素对膀胱癌T24细胞增殖及其荷瘤裸鼠体内肿瘤生长的影响。方法 RT-PCR及western检测T24细胞TRPV1表达;MTT...
  • 提出并通过实验证明了一种产生连续可调微波毫米波(mm-wave)信号的新颖方法。 它是通过偏振调制器布里渊辅助边带滤波技术实现的。 通过偏振控制器偏振器控制调制器的输出光信号以抑制奇数边带。 此后,通过...
  • 研究了降雨对视距传输的LMDS正交极化产生的影响。该LMDS系统的工作频率为10GHz~40GHz当中的四个频率,LMDS系统发射...研究结果表明,降雨衰耗产生的去极化影响随着工作频率的提高而增加,在10GHz附近去极化影响最低。
  • 结果表明,有锈蚀产物存在时,锈蚀产物中FeOOH可以取代氧成为钢筋锈蚀过程的阴极去极化剂,钢筋的总腐蚀电流为氧去极化和锈蚀产物去极化产生的腐蚀电流的加和。钢筋的总腐蚀电流随着环境相对湿度的提高而增大,和氧...
  • 我们表明,在一阶Born近似的精度范围内,一旦EW从准均质(QH)散射,电磁波(EW)的空间均匀极化谱(sDOP)通常会转换为空间去极化分布。各向异性介质。分别分析了QH介质的各向异性相关长度入射的EW的初始极化对...
  • 基于多视协方差矩阵发展了一种综合选择性取向广义体散射的极化SAR四分量分解模型。首先引入交叉极化相关系数进行螺旋体散射抑制非反射对称地物取向;然后采用一种随HHVV功率比值自适应变化的广义体散射...
  • 这种作用纯粹是通过基本的柯林斯效应引起的,即使在单个强子发射后夸克完全去极化(PSF = 0.5),该效应仍然存在。 此外,在偶子对的分布中,相对于它们的总横向动量φT的方位角,存在类似的正弦调制。
  • 首先利用取向三分量散射模型进行粗分类,将像素划分为三种基本散射类型混合散射类型;然后,在基本散射类型内根据占优散射机制的功率进行细分类,并根据Wishart距离对细分类的结果进行类别合并,合并到指定的类别数;...
  • 采用Dias模型描述岩矿石的激发极化效应,研究...充电率参数的影响显著水平最大,极化电阻系数时间常数的影响显著 水平较小,电化学参数对视电阻率幅值几乎没有什么影响 ;在利用 CSAMT资料提取 Dias模型参数、 除 CSAMT
  • 利用极化干涉合成孔径雷达(Polarimetric Interferometry SAR, PolInSAR)数据反演森林参数问题为当前PolInSAR 研究的热点问题。经典的森林参数反演算法是基于随机散射体模型(Random Volume over Ground,RVoG)的阶段...
  • EadPredict-早期除后预测 该项目是Chaste的扩展,旨在与EAD一起用于模拟心脏电生理模型中的药物作用。 先决条件 在使用此代码之前,您将需要下载并安装Chaste的依赖关系Chaste源代码本身。 请参阅有关如何执行此...
  • 由于出现了由冻结的补偿电荷大的晶格失配应力引起的强去极化场,所有薄膜在4μs后都遭受了快速剩余的极化损失。 然而,在相反的场应力下,极化通过近电极电荷注入增强,并在1000 s后接近理论值,这为对称化高应变...
  • 盲分离算法 1988年Linker提出了Infomax(Information Maximization)原则,即信息传输大原则。可描述为:网络的输入端输出端的互信息达到最大时,等价于输出端各分量间的冗余信息得到去除。... 信息盲分离算法

    参考文献:独立分量分析FastICA和Informax算法比较研究
    1988年Linker提出了Infomax(Information Maximization)原则,即信息传输极大原则。可描述为:网络的输入端和输出端的互信息达到最大时,等价于输出端各分量间的冗余信息得到去除。
    算法的思路是:对每个观测向量 X(t)先通过线性变换求一个中间向量Y=WX(t) 。然后通过非线性变换 Zi=g(Yi)求得输出向量Z 。根据互信息的性质可知:分量到分量的非线性映射 g(.)对互信息不产生任何的影响, I(Z)的最小化也意味着I(Y) 的最小化。于是针对 Z(t)建立一个目标函数,这里选择 Z(t)的熵作为目标函数,因为熵是一个随机量无序性的度量,如果Z(t) 的各分量的统计独立性越高则相应 Z(t)的熵越大,所以只需求得使得目标函数达到最大的W 即求得了ICA的解。此思路是模仿单层前向神经网络,X 和 Z分别网络的输入与输出。
    盲分离框图是
    这里写图片描述
    由概率论知识可知,当非线性函数g(y)是一个单调可逆的函数时候,输出信号的概率密度可以用输入信号的概率密度来表示,公式为(单信号的信号)
    这里写图片描述
    当为多信号的时候,输出的概率密度表达式可表示为
    这里写图片描述
    式中 |J|是雅可比变换的绝对值,其表示为
    这里写图片描述
    而其中
    这里写图片描述
    故对于盲分离系统,雅可比变换可以简化
    这里写图片描述
    再则,根据上述论述, Infomax算法的目标函数为:
    这里写图片描述
    则可知
    这里写图片描述
    化简后有
    这里写图片描述
    用随机梯度法求解可得
    这里写图片描述
    式中:这里写图片描述为概率密度函数。
    由于上式需要对 W求逆,很大程度上影响了算法的收敛速度。故1996年Amari等人提出了自然梯度法或者说相对梯度法。相对梯度法是在随机梯度算法求得的等式右乘一个 这里写图片描述,即:
    这里写图片描述

    因此信息最大化算法的matlab如下,可以看出和极大似然算法推导的盲分离算法一致。

    function w=informaxICA(Z,number)
    %%
    % Z为输入的混合信号
    % number为信号的个数
    % /////去均值和预白化处理////////////
    [m,n]=size(Z);
    % ///////////////////
    
    % 、、、、、、、、、、使用自然梯度分离信源、、、、、、、、、
    %% separate 
    I = eye(number);  
    W = I;  
    lamda=0.005;
    %%%%%%逐个点的运算---------------------
    for sep_t = 1:n 
        y = W*Z(:,sep_t); 
        f = diag(y*y').*y;
    %f=y-tanh(y);%混合高斯函数的刻画函数(亚高斯)。y+tanh(y)为修正的双曲正割函数平方的激活函数,f=-p'/p其中p'表示的是求导数;
    
       g=y';
        W = W+lamda*(I-f*g)*W; %这是用于在无噪条件下的梯度分离
    end 
    %%%------------------------------------------------------
    w=W;
    展开全文
  • 软件测试领域的中心中心

    千次阅读 2015-04-12 23:27:31
    关于中心化与去中心化,从事互联网行业的朋友一定不陌生,当然我也没有资格在此大谈何为中心化和去中心化,毕竟我也只是略知一二罢了。简单点讲,中心化(Centralization)和去中心化(Decentralization)就是集权与...

    在文章开始,我想大胆预测,未来市场对测试总监岗位的需求量将会越来越少,根本想给文章取个极具噱头的名字:测试总监将消失,但是的确害怕被拍砖头。

    关于中心化与去中心化,从事互联网行业的朋友一定不陌生,当然我也没有资格在此大谈何为中心化和去中心化,毕竟我也只是略知一二罢了。简单点讲,中心化(Centralization)和去中心化(Decentralization)就是集权与分权,在互联网上,就是指从我说你听的广播模式,向人人有个小喇叭的广场模式转变。中心化的典型例子是门户网站,去中心化的典型例子是blog、UGC用户生产内容如自媒体、社交媒体等。

    对应到软件测试领域,如果从集权和分权来看,那就很好理解了。但是在说这个之前,还需要涉及到公司架构如何满足产品快速迭代的内容。如果一个机构越来越大,层级关系愈来愈深,其决策速度就会愈来愈慢,不管是从上往下传达战略还是从下往上反馈信息等,都会变慢,而面对互联网时代以短平快著称的模式,如果想要快速决策并做出产品的雏形,发布上线让用户介入体验,快速试错,在证明拥有市场时快速迭代,一个庞大的机构组织是难以站稳脚跟的,这时候集权就必然走向分权,把业务分拆成多个子单元,每个子单元是一个部门,此部门独立配置各职能人员,以加速产品研发上市。而这在传统软件时代可能并不明显,也许一个Windows版本或者Oracle数据库需要一两年的时候才会更新换代,甚至更长,而通过小米的手机操作系统就可以看出每周一次迭代发布,新功能或应用及时让用户体验到,米粉参与其中以改善优化产品,其周期大大缩短。这也基于小米公司弱化KPI以及精简组织架构的工作方式所带来的巨大革新,大家都知道,小米层级之少,大家入职之后发现都是工程师,没有什么经理,总监稀少,分权带来的就是高效率运转。对于京东来说去年底发生的研发部门跟随业务线的架构调整也是基于提高效率考虑,这也就是所谓的去中心化。

    那么,对于测试人员的部署情况,也会随之发生变化,业务部门会被独立成一个一级部门,因为业务部门的负责人极有可能并不太懂软件技术,在此部门下会安放各种职能岗位的人,比如运营,产品,研发,客服,配置HR等,所以在此部门下也许只有一个开发总监负责产品及研发,如果再另外独立出一个测试部门已不可能,倘若按10人左右的QA团队,开发测试比为3:1甚至是4:1计算的话,三四十人的开发团队已经能做出不少产品了,可能足以应付业务部门的发展需要了。对于这样一个QA团队,一个测试经理足以应付,如果业务发展快速部门壮大,需要更多研发人员时,QA团队可能就需要一个测试总监来把QA团队分拆成几个小组,与不同的研发团队配合工作,当然这还是好的情况,坏的情况就是研发团队各自配备QA团队,研发总监来管理QA团队,那么测试总监就失业了。这可能就是软件测试领域的去中心化。

    当然,万物皆有利弊两面性,去中心化的优势就是效率的提升,毕竟每个研发团队下面的项目可以及时的排上测试排期保证上线,当然这是在人手充沛的情况下。举个例子,假如此时研发A部门正在做一个公司战略级的产品,但是QA人手不够,但是想要保证排期的话就只好向其他部门比如研发B部门借人,而B部门也不是闲着,在同时做好几个项目,只是其重要性低于A部门的产品,这个时候肯定就需要A,B两个部门共同的顶头上司来协调了,但是更多的时候A部门是不会反馈这个问题的,因为人员招聘流失等都属于部门负责人的工作,大部分情况就会导致此重要项目的延期上线或者质量较差就流入用户。这时候如果有一个与AB部门同级的QA总监的话,我想他一定会权衡对应所有项目的重要性,合理调配资源,就完全不会出现A部门那种情况了。当然,QA团队分离的另外一个坏处就是很多公共测试平台及知识分享都需要单独组织搭建,所谓重复造车轮,所以在很多公司,这时候又会出现局部中心化的情况,有为全公司服务的安全测试团队,性能测试团队,持续集成团队等等, 这在京东,百度,腾讯等大公司都是如此,毕竟把专业化很强的人聚集起来有助于团队的交流发展及人才培养及晋升。

    当然,中心化与去中心化在什么样的状态才最有利于业务的发展,实在不能一概而论,但是有一点不容否认,随着业务部门的分拆,研发产品团队进入业务部门之后,不只是测试总监岗位的需求在变少,对于CTO的职位或者权力一样面临着减少,这种趋势在互联网时代尤为明显。


    文章同步发布在我的个人博客:www.oktest.me上,同时收录全网海量测试相关文章,欢迎阅读。


    展开全文
  • Matlab代码,用于极化合成Kong径雷达(POLSAR)图像的超快速噪声滤波算法,如以下论文所述: 崔翠,山口芳男,小林博和和简扬。 “偏振合成Kong径雷达图像的滤波:一种循序渐进的方法。” 在地球科学与遥感研讨会...
  • Dapp构建中心自治社会

    万次阅读 2019-04-08 09:26:33
    未来随着智能合约的发展,会变得极其复杂自治,会出现各种形态:Dapp(中心应用)、DAO(中心自治组织)、DAC(中心自治公司)、DAS(中心自治社会)。 智能合约会出现越来越复杂的概念,像自动...
  • 它有着几乎人们之于高科技的所有期待:中心、安全、客观。本文作者埃里克·皮西尼是德勒咨询有限公司的负责人,也是全球区块链密码货币团队的共同领导人,他在“2018: The Year We Democratize Blockchain”...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,313
精华内容 525
关键字:

极化和去极化