精华内容
下载资源
问答
  • 下面是对场效应管的测量方法 场效应管英文缩写为FET。可分为结型场效应管(JFET)和绝缘栅型场效应管(MOSFET),我们平常简称为MOS管。而MOS管又可分为增强型和耗尽型而我们平常主板中常见使用的也就是增强型的MOS管。 ...

      下面是对场效应管的测量方法
      场效应管英文缩写为FET。可分为结型场效应管(JFET)和绝缘栅型场效应管(MOSFET),我们平常简称为MOS管。而MOS管又可分为增强型和耗尽型而我们平常主板中常见使用的也就是增强型的MOS管。
      下图为MOS管的标识


      我们主板中常用的MOS管G D S三个引脚是固定的。。。不管是N沟道还是P沟道都一样。。。把芯片放正。。。从左到右分别为G极D极S极!如下图:


      用二极管档对MOS管的测量。。。首先要短接三只引脚对管子进行放电。。。
      1、然后用红表笔接S极.黑表笔接D极.如果测得有500多的数值..说明此管为N沟道..
      2、黑笔不动..用红笔去接触G极测得数值为1
      3、红笔移回到S极.此时管子应该为导通...
      4、然后红笔测D极.而黑笔测S极.应该测得数值为1.(这一步时要注意.因为之前测量时给了G极2.5V万用表的电压..所以DS之间还是导通的..不过大概10几秒后才恢复正常...建议进行这一步时再次短接三脚给管子放电先)5、然后红笔不动.黑笔去测G极..数值应该为1
      到此我们可以判定此N沟道场管为正常
      有的人说后面两步可以省略不测...不过我习惯性把五个步骤全用上。。。当然.对然P沟道的测量步骤也一样...只不过第一步为黑表笔测S极.红表笔测D极..可以测得500多的数值..

           场效应管G16P03的参数
      品牌 :GOFORD
      种类 :绝缘栅(MOSFET)
      导电方式 :增强型
      封装外形 :SMD(SO)/表面封装
      型号 :G16P03
      沟道类型 :P沟道
      用途 :S/开关
      材料 :P-FET硅P沟道

    转载于:https://my.oschina.net/u/3911785/blog/3089611

    展开全文
  • 测量RJ45网速的方法

    千次阅读 2018-08-21 13:36:20
    在痛苦挣扎了一周之后,测量网速这个问题依旧没有搞定,老大还有更长远的计划。按照我之前的文章来看,我就是用字节除以时间,后来我才发现,测量网速这个是有公式的。带log这种,不过因为老板说不需要太精确,我们...

    在痛苦挣扎了一周之后,测量网速这个问题依旧没有搞定,老大还有更长远的计划。按照我之前的文章来看,我就是用字节除以时间,后来我才发现,测量网速这个是有公式的。带log这种,不过因为老板说不需要太精确,我们也不是专业搞这个网络的,所以也就用着这个公式了,虽然我也没减IP的报头还有尾,时间戳也没删减,但是不要紧,我又有新的任务了。

    按照常理来看,通过RJ45端口传输了多少数据出去,再除以时间,就可以称之为网速,虽然是比较粗糙的网速。所以我试图ping一下主机ip,我固定为192.168.1.3

    但是非常神奇的是已经传输65000字节了,仍旧时间小于1ms,速度快的有点惊人啊,而且完全无法计算,后来老大找了一个loopback的办法让我研究一下,原理就是用RJ45的tx,rx接一下,看能不能使数据传输再接收回来,但是实际做了一下,发现没这么简单。

    根据图片来看,具体做法为使用两个连线,将两组tx,rx连接起来,使其构成一个回路,在查看传输连通性的时候可以省去与路由器连接的一步,节约时间。

    事实上,连接这个回路可以使网络状态从网络电缆被拔出变更为未识别的网络,同时也是上不了网的,仅仅可以检测出RJ45端口是可用的。

    我的网卡是Realtek的,所以我去Realtek官网下载了一些程序,也查到了说明文档

    可以看出,Realtek本来的做法是增加项目在注册表(regedit)中,从中受到启发,我手动找到regedit中的网卡所在的位置,一般储存在:HKEY_LOCAL_MACHINE→SYSTEM→ControlSet001→Control→Class→4d36e972-e325-11ce-bfc1-08002be10318→0012,最后的“0012”这一部分电脑不同也是略有差异的,可以直接点击文件夹查看网卡信息,挨个查找自己网卡的文件夹,网卡一般在电脑相应的网络→常规→详细信息→描述 中可以看到。

    0012中先添加一项NetworkAddress,数值数据我暂时设为001016501010,随意设置一个12位的16进制数就可以了。

    再在0012→Ndi→params→NetworkAddress中,设置default为刚刚设置过的001016501010,ParamDesc设置为Network Address,这样注册表就设置好了,重启一下电脑或者网络禁用再启动一下,MAC地址是有变化的,不过这也只是设置了一下MAC地址,使没有MAC地址的产品可以成功上网

    效果显著

    另外,发现了一个很好用的软件—— K-MAC,可以非常轻松的更改MAC地址,很方便,也很简单

    分分钟就改好了,方法还是很多的

    但是其实控制MAC地址只是可以使用ping命令

    但判断这个回路中是否有数据传送还是未知的,需要再找寻其他办法

    展开全文
  • 压缩感知测量矩阵构造方法研究

    万次阅读 多人点赞 2017-08-03 10:23:11
    测量矩阵的设计又是压缩感知的关键一步。如何设计出采样效率高,重构效果好且易于硬件实现的测量矩阵是我们必须考虑的问题。所以,探索它的设计方法具有重大意义。 本文首先通过常规压缩技术和压缩感知的对比,...

    前言

      这是我本科毕设的题目,现在毕业过了一个多月才想起来把毕设做的整理一下,写这个博客不为别的,只为纪念一下本科最后的时光吧。记得刚拿到这个题目时,满脑子都是黑人问号,压缩感知到底是个什么东东?也正是因为它,我第一次接触到博客这个强大的东西,在这里搜索关于CS的资料的同时,发现了很多有意思的东西,这里大神云集,能学的东西太多了,所以从那时开始我决定开始玩博客了,取名叫rookie,因为我在这里就是个菜鸟,本科的颓废时光,我要在这里弥补回来,学习大神的成果(总感觉有点偷东西的味道)。说起压缩感知还是挺有缘的,研究生面试的时候,面试老师问我你毕设做的什么,我说压缩感知,他当时就告诉旁边那个老师(也就是现在我的导师),和你的方向一样呀,这个确实和我现在学习的视频编码有一些关联。在此很感谢本科导师孙洁娣老师给我的一些学习上的建议,在我迷茫的时候指点方向。好了,回归正题。
    

    摘要

      压缩感知理论抽样直接减少了多余信息,直接采集有效的信息,刚好弥补了传统抽样会采集极多无用信息的缺点。而测量矩阵的设计又是压缩感知的关键一步。如何设计出采样效率高,重构效果好且易于硬件实现的测量矩阵是我们必须考虑的问题。所以,探索它的设计方法具有重大意义。
      本文首先通过常规压缩技术和压缩感知的对比,指出压缩感知避免了数据冗余问题,能够高效地利用资源并且极大地减少存储空间的特点。其次,在新的理论框架下介绍压缩感知的基本原理,指出测量矩阵需要满足的零空间特性、约束等距特性、非相关性,为测量矩阵的构造提供了理论基础。测量矩阵可以分为随机性测量矩阵和确定性测量矩阵两大类。在随机性测量矩阵中具体给出了随机高斯测量矩阵、随机伯努利测量矩阵。部分哈达吗测量矩阵的构造方法;在确定性测量矩阵中具体给出了托普利兹测量矩阵、循环测量矩阵、稀疏随机测量矩阵的构造方法。最后,利用正交匹配追踪法,采用不同测量矩阵完成一维信号、二维图像仿真实验,验证各个矩阵的性能。
    

    研究背景

       人类已经步入一个数字化的时代,很多信号处理已经从模拟领域进入数字领域[1]。例如,很多身边常用的技术正在悄悄的转变,从模拟收音机到数字调频收音机,从模拟电视信号到数字电视信号,从模拟手机到数字手机,这种转变主要是因为数字信号比模拟信号具有更好的操控性,更灵活的应用和更便宜的成本,具有更易推广的潜质。20世纪曾叱咤风云的模拟胶片相机经过短短几年的时间,于21世纪黯然推出主流市场,直接导致了国产胶卷品牌“乐凯”成为中国人永久的记忆。数字信号的巨大成功使得采样系统获取的数字信息从原来的涓涓细流发展波涛汹涌的浩瀚海洋。常规把模拟信号变成数字信号的过程,离不开奈奎斯特采样定律,该定律从20世纪后半叶开始在采样领域一直处于绝对的主导地位。传统采样定律最初是闻名世界物理学家麦克四特在19世纪发明的,所以常被命名作奈奎斯特抽样定理。而后信息论的创始人香农对这一理论加以明确并最终确定为定理来推广,因而该定律亦被称为奈奎斯特—香农采样定律[2]。该定律指出,在模拟信号到数字信号的转换过程中,当采样频率大于信号中最高频率的两倍时,采样后的数字信号能够完整的保留原始信号中的信息。现实中,一方面,该采样定律经常导致过多的冗余采样或测量值;另一方面,在某些特定的应用中,满足该采样率将耗资巨大,甚至有时受客观条件限制,满足奈奎斯特采样定律的采样频率是根本无法实现的。虽然目前电脑的计算数据速度得到了长足的发展,但对于数码相机成像,视频捕获,医疗成像,射电天文观测,远程监控等应用场合的海量信息的收集、存储等等仍是个艰巨的难题。
       为了解决在处理多维海量信息时不得不解决的存储和传输的问题。通常,对目标信号进行压缩处理,就可以解决海量信息在有限带宽和有限空间下的难题了。信号能够被压缩是因为信号本身具有很大的冗余度,无论声音信号还是图像信号都是如此。常规的压缩技术过程,首先通过AD(模拟数字)转换完成采样,其中含有大量的冗余数据,而后通过变换域挖掘信号的稀疏性,最后通过压缩算法实现压缩。
       这个过程其实造成了巨大的浪费,首先采集大量的冗余数据,然后在压缩过程再把这些冗余数据去掉。为了一开始就丢弃大量的冗余数据,直接采集有效的数据,2006年Emmanuel Candes、Justin Romberg、Terence Tao和David Donoho提出了压缩感知的采样体系。这个理论实质是说,若信号在时间内可以在某变换域稀疏表示,其稀疏度为K,对抽样时,若保证抽样点数(c为常数),那么,可由高概率地恢复出,即保留了的几乎所有信息。该理论一经提出,便在信息论,信号图像处理,医疗成像、射电天文,模式识别,光学雷达成像和信道编码等诸多领域引起广泛关注[3]。 
       尽管压缩感知理论问世的时间并不长,到目前为止也就10年左右,可一直以来都受到广大学者的广泛关注。在二零零七年的时候,人们更是将这一理论评选为了人类年度最值得期待的科技之一。当前有关Compressive Sensing(CS) 理论的问题总体是围绕着下述三个的关键问题来研究。第一,得到稀疏性信号。第二,构造一个矩阵能够在采集过程中保存信号有效信息。第三,如何基于测量信号重建出目标信号。
       CS理论的核心就是如何设计出高效的矩阵,而它的构造需要考虑很多方面的因素。其中一个因素就是测量信号的波形。当前所用最多的测量波形是独立地服从同一分布的高斯随机波形,独立服从同一贝努力分布的随机波形,正交函数系等[4]。另一个因素就是采样方式。所用最多的采样方式是均匀采样,随机采样,jitter采样等。陶哲轩测不准原理指出:当N是质数时, 个频域数据采集就可将S-稀疏的N维时域信号精确重建[5]。2006年Candes, Romberg及Tao等人在研究核磁共振成像问题时,提出一个重要的结论:当测量矩阵为傅里叶矩阵时, 的数据采集量能将N维空间的K稀疏信号精确重建。以上两个工作向我们表达了一个问题:可利用低维度的信号完成对高维度的信号的准确重构。不得不说,上述结论不具备普遍性,也就是说,一旦实验信号不满足稀疏条件时,这种方法构造的矩阵就不能实现采集少量测量数据。经过Candes和陶哲轩的研究,这一问题得到解决。他们证明得到:独立地服从同一分布的高斯随机变量形成测量矩阵可成为普适的CS测量矩阵。在理论上,这一证明完美无瑕,可是美中不足的是该测量矩阵在硬件实现上和重建算法构造上都是不实用的。2007年Candes, Romberg和陶哲轩等人建立了著名的Restricted Isometry Property(RIP)理论,成为CS的奠基性理论。该理论指出:任一矩阵只要满足约束等距特性,那么只需要满足 的采样信号就能将N维信号的K个最大值稳定地重建出来[6]。我们发现,其实RIP理论和很多数学理论很相似。比如, Johnson-Lindenstrauss定理,Kashin-Garnaev-Gluskin理论,Donoho测不准原理,等等。可是就算陶哲轩提出的RIP很完美,固定地构建满足K阶RIP且大小为 的测量矩阵 是可行的,但往往要求参数M相对较大,但是在具体的应用中,构建这样一个超多行的测量矩阵往往是不现实的。虽然困难不小,可是依然有不少学者用RIP理论指导设计出了多种确定性测量矩阵。例如,多项式测量矩阵, 分块多项式测量矩阵,广义轮换测量矩阵,等。矩阵的斯巴克特性、零空间特性和约束等距特性都可以确保重建出稀疏信号。但是很多时候,在很多情况下,更需要一种容易计算的矩阵特性来确保目标稀疏信号的重建,而矩阵的相关性正是这样的一种特性。
       要想完成将CS转为实用,那么就必须先将CS的测量矩阵在硬件上实现。在RIP理论指导下,莱斯大学R. Baraniuk教授等研制出了单像素相机和 转换器。但是,目前大多这些技术只能处理有限维度的信号。
     现在只要应用:(1)压缩感知在雷达激光中的应用,(2)压缩感知在基因检测器中的应用,(3)压缩感知在星载天文望远镜中的应用,(4)基于压缩感知的单像素相机。
    

    压缩感知基本原理

    1,压缩感知与奈奎斯特抽样定理
    这里写图片描述
    这里写图片描述
    这里写图片描述

     如表2-1所示,压缩感知与常规的经典采样理论这个区别主要表现在如下四个方面。
    (1)在常规的奈奎斯特采样框架下,对目标信号的采样是通过Sinc函数直接与目标信号的内积来完成的,而压缩感知采样系统通常利用采样矩阵或函数与目标信号乘积的方式间接获取采样值。
    (2)传统的采样方法利用目标信号中最高频率两倍以上的采样率均匀的对目标信号进行采样,而压缩感知中则采用随机非均匀的采样方式。
    (3)传统的抽样定理指出,在模拟信号到数字信号的转换过程中,当采样频率大于信号中最高频率的两倍时,采样后的数字信号能够完整的保留原始信号中的信息[11]。即目标信号最高频率决定采样频率,而在压缩感知的框架下,目标信号的稀疏性,决定采样个数。针对目标中包含少量非零信号的情况,由较低采样率来无失真的重建原始目标信号。所以,实质上CS理论是边采样边压缩。
    (4)在常规的赖奎斯特采样框架下,信号重建是通过Sinc函数插值来完成的。由于压缩感知,并没有直接对目标信号采样,因而它需要一个利用基于最小一范数的重建步骤来恢复出原始的目标信号。
       传统抽样定理指出,为了完成抽样一定带宽的信号,至少需要一定数目抽样值。于此相比,压缩感知可以极大地降低采样个数,提高采样率,因而它比较适合用在某些探测器昂贵或测量手段耗资巨大的场合。例如,星载光学成像设备、观测天文的探测器、红外探测器。
    

    2, 稀疏信号和可压缩信号模型
    (1)稀疏性信号

       为了更精炼地表达某一信号,通常把它变化到新的框架下,当变换后零的个数远远大于之前的零的个数时,把剩下的这些少量不是零的项数定义为信号的稀疏性表达。针对一些特定的存储空间受限或传输带宽受限的情况,可以只存储或传输一些基或框架下的非零系数,而不是全部的原始冗余信号,因而这种稀疏性表达在现实生活中具有重要意义。在CS定理体系下,稀疏信号模型能够确认高倍压缩率。不用采集大量的采样值。只要预先知道目标信号在已知的基或框架下具有稀疏性表达,就可以无失真恢复原始信号。
    

    这里写图片描述

    (2)可压缩信号

    这里写图片描述

    3, 压缩感知数学模型
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    4,稀疏性表达算法

    (1)标准正交基
    这里写图片描述
    这里写图片描述

    (2)字典学习
    压缩编码和字典学习的首要任务就是通过每个原子信号的稀疏表达,估计出原子信号及其权重。字典学习可以通过寻找信号中的不变量,来从许多信号中推知原子信号以及各个信号的原子信号权重。在字典学习中典型的一种算法就是奇异值分解法(singular value decomposition,SVD),K-SVD的相应伪码如下:
    这里写图片描述

    5,测量矩阵的特性

       在压缩感知中有两个非常重要的问题。第一是如何设计矩阵Φ使得它在采样过程中保存信号x的有效信息;第二是如何基于测量信号y重建出目标信号x。当信号是稀疏的或可压缩的,可以通过设计大小为 的测量矩阵Φ来对原始目标信号采样,其中 ,再通过一些实际优化算法重建原始信号。[13]本文重点探讨如何设计压缩感知系统中的测量矩阵Φ,这里将先介绍测量矩阵应该具有的一些特性。
    

    (1)零空间特性
    这里写图片描述
    这里写图片描述

    (2)约束等距性质
    这里写图片描述

    (3)非相关性
    这里写图片描述
    这里写图片描述

    6,稀疏信号重建算法

    压缩感知的另一核心问题就是基于y如何重建出原始的稀疏信号x。简单描述就是已知测量值y,s为k-Sparse的稀疏信号,利用重构算法求解k尽可能小的x
    一般来说,设计稀疏信号重建算法需要考虑多种因素,如以下四点。
    一,  数量较少的测量值。基于相同个数的测量值,稳定地恢复出包含K个非零值的目标信号。
    二,  针对测量噪声和模型噪声的鲁棒特性。无论测量值包含噪声还是测量矩阵本身的系统噪声,重建算法都需要稳定地重建出原始稀疏信号。
    三,  速度。重建算法一定要高效,在占用较少计算资源的情况下,实现稀疏信号的重建。这一点非常重要。在实际的应用中,压缩感知往往需要处理多维信号,重建算法的执行效率决定了它在实际应用中的可行性。
    四,  稳定性。采用一范数最小化可以确保重建的稳定性,然而在评估算法时,需要所有算法基于同样的重构条件。
    大多数重建算法,考虑到了上面提出的部分或全部因素,可以宽泛的分为以下三类:基于凸优化类算法,贪婪算法,组合重建算法[15]。
    

    (1)基于凸优化类算法
    这里写图片描述
    这里写图片描述

    (2)贪婪算法
    这里写图片描述

    (3)组合重建算法
    这里写图片描述

    (4)信号重构质量的评价标准
    本小节介绍常用的评价信号重构质量的标准。一维信号重构质量的衡量标准主要包括:信噪比,绝对误差,均方误差(MeanSquareError,MSE),相对误差,匹配度等。此外,峰值信 噪比(PeakSignaltoNoiseRatio,PSNR)对于图像而言,则是另一个重要标准。PSNR 是重构图像与原图像之间均方误差相对于信号最大值平方的对数值,该值越大表示失真越小,它是最广泛使用的评价图像质量的客观标准,本文也采用此准则来衡量重构的质量。
    这里写图片描述

    7,正交匹配追踪法
    在本次课题中,主要采用了贪婪算法中的正交匹配跟踪算法(orthogonal matching pursuit以下简称OMP),在OMP中,残差总是和已选取的列正交,所以相同的列在OMP中不会被选中两次,因而它的最多循环次数可以明显减少。理论上来说,可以通过格拉姆-施密特正交化来生成一个正交的列集合。OMP在每次循环中,并非将残差r减去一个跟其最大相关的字典中的矢量,而是把残差r投影到与所有已选定的列线性展开的正交子空间中。
    这里写图片描述
    上面这个步骤不断循环,直至残余分量收敛到某一特定阈值。Tropp和Gilbert证明OMP同样可以应用于压缩感知的重建中,假设原始信号的待采样是稀疏的,同时测量矩阵中的每个元素都是从一个服从亚高斯分布的变量中随机选取的,则基于线性混叠的有限个测量值,通过OMP实现以极大的概率重建出原始的稀疏信号。这个算法最多需要K次循环即可收敛,其中K是目标信号的非零个数,缺点是在每次循环中,需要额外的正交化运算。OMP不仅保留了匹配追踪算法的元素选择准则,而且能够在每次迭代中对已选元素集合进行正交化,保证迭代结构的最优性,从而降低了运算时间[16]。
    重构算法OMP算法伪代码为:
    这里写图片描述
    这里写图片描述
    正交匹配追踪法也有一定的弊端,当重建不是特别稀疏而且规模较大的目标信号时,逐步正交匹配跟踪算法(stagewise orthogonal matching pursuit,StOMP)就是一个较好的选择。StOMP与OMP在每次循环中从字典选取一个元素不同,StOMP算法从字典中选取一个元素集合,这个集合特点是,残余分量与字典的列相关性均大于一定阈值,而后残余分量将基于这些字典中的列集合得到更新,其他步骤与OMP完全一致。

    8,压缩感知的压缩过程
    这里写图片描述
    由图2-3我们看出传统压缩技术的过程,首先实现模拟信号到数字信号的采样,而后把这些采样数据变换到相应的变换域挖掘稀疏性,进而开展量化编码实现压缩,最后解压缩重建信号。在这个过程中首先通过A/D转换完成采样,其中含有大量的冗余数据,而后通过变换域挖掘信号的稀疏性,最后通过压缩算法实现压缩。这个过程其实造成了巨大的浪费,首先采集大量的冗余数据,然后在压缩过程再把这些冗余数据去掉。
    正是由于常规压缩技术的这一弊端,现在我们主要采用压缩感知技术。模拟信号通过一特定测量矩阵,在这过程中完成了对信号的压缩和采样得到采样信号,在这个采样过程中,采样数远远低于奈奎斯特采样的个数。再将采样信号进行存储与传输。最后再通过一范数最小化的优化算法来重建出原模拟信号。
    压缩感知理论压缩过程见图2-4所示:
    这里写图片描述

    结语

    这基本是我论文的内容,后面的实验部分,利用正交匹配追踪法,采用不同测量矩阵完成一维信号、二维图像仿真实验,验证各个矩阵的性能。因为没有完成改进矩阵的实验,只是采用了六种常见测量矩阵进行实验,相当于一个验证性实验吧,我就不拿出来献丑了,如果有想看的怎么构造六种常见测量矩阵,以及一维波形和二维图像实验的详细过程就去看看我的完整论文吧,我已上传(http://download.csdn.net/detail/rookiemonkey/9919542),整个实验过程都是在MATLAB2016上完成的,代码我也已经上传了。相互参考学习一下吧!

    展开全文
  • 最后一步操作,在onLayout()方法中完成,在该方法中,ViewGroup利用上一步计算出的测量信息,布局所有子视图。 摘自:《android开发必知的50个诀窍》 讲的很简洁 二、具体测量的办法 在onCreate...

    在实际项目中经常要用到 测量一个控件或者视图的高,宽。然后根据这个高宽进行一些逻辑。

    计算视图宽高有几种方式先简单的了解下android 视图的绘制过程会促进理解。


    一、android View绘制过程简介

    “绘制布局由两个遍历过程组成:测量过程布局过程

    测量过程由measure(int, int)方法完成,该方法从上到下遍历视图树。在递归遍历过程中,每个视图都会向下层传递尺寸和规格。当measure方法遍历结束,每个视图都保存了各自的尺寸信息。

    布局过程由layout(int, int, int,int)方法完成,该方法也是由上而下遍历视图树,在遍历过程中,每个父视图通过测量过程的结果定位所有子视图的位置信息。”


    为了理解这个概念,下面分析ViewGroup的绘制过程。

    第一步是测量ViewGroup的宽度和高度,在onMeasure()方法中完成这步操作。在该方法中,ViewGroup通过遍历所有子视图计算出它的大小。

    最后一步操作,在onLayout()方法中完成,在该方法中,ViewGroup利用上一步计算出的测量信息,布局所有子视图。

    摘自:《android开发必知的50个诀窍》  讲的很简洁


    二、具体测量的办法

    在onCreate() 方法里直接 view.getWidth,getHeight  得到的都是0  徒劳。因为视图还没准备好

    当onCreate()方法被调用时,会通过LayoutInflater将XML布局文件填充到ContentView。填充过程只包括创建视图,却不包括设置其大小


    a、最简单的,比较取巧的方式

    重写 onWindowFocusChanged(boolean hasFocus)  方法在该方法中测量控件高,宽。

    参数hasFocus 为true收到焦点,false失去焦点。这个方法在onResume之前onCreate 后调用。 失去焦点还会调用一次

    注:这个方法中是可以测量控件的,但是这个方法随着生命期会多次调用 

    生命期见:

    1: entry: onStart---->onResume---->onAttachedToWindow----------->onWindowVisibilityChanged--visibility=0---------->onWindowFocusChanged(true)------->

    2. exit:  onPause---->onStop---->onWindowFocusChanged(false)  ---------------------- (lockscreen)

    3. exit : onPause----->onWindowFocusChanged(false)----->onWindowVisibilityChanged--visibility=8------>onStop(to another activity)

    生命期参考:http://blog.csdn.net/pi9nc/article/details/9237031



    b、视图延时测量

    groundView.post(new Runnable() {
    @Override
    public void run() {
    // TODO Auto-generated method stub

    MaxLegth = (int) (groundView.getWidth() * 0.5);
    }
    });


    延迟测量的另一个方法 还未验证;

    getWindow().getDecorView().post(new Runnable() {
    @Override
    public void run() {
    // TODO Auto-generated method stub

    MaxLegth = (int) (groundView.getWidth() * 0.5);
    }
    });



    c、观察者监听视图 ViewTreeObserver

    监听者模式,添加监听器,每次view 绘制前都会通知该监听者

    ViewTreeObserver otg = groundView.getViewTreeObserver();
    otg.addOnPreDrawListener(new OnPreDrawListener() {

    @Override
    public boolean onPreDraw() {
    // TODO Auto-generated method stub
    Log.d("Tag", "width; " + groundView.getWidth());


    return true; // 注意:看log可以知道。返回tue 退出来, 完成该次测量。 返回false就一直测
    }
    });



    测量的例子


    测量屏幕大小:

    getWindowManager().getDefaultDisplay().getMetrics(dm);

    int width = dm.widthPixels;

    int height = dm.heightPixels;


    测量状态栏高度(顶部有电量栏)

    Rect frame = new Rect();  

    getWindow().getDecorView().getWindowVisibleDisplayFrame(frame);  

    int statusBarHeight = frame.top


    listview  gridview 等高度扩展

    @Override  
    protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec) {  
        int expandSpec = MeasureSpec.makeMeasureSpec(Integer.MAX_VALUE >> 2,  
                MeasureSpec.AT_MOST);  
        super.onMeasure(widthMeasureSpec, expandSpec);  


    展开全文
  • 使用 STM32 测量频率和占空比的几种方法

    万次阅读 多人点赞 2017-11-01 15:26:30
    以前在本科时写的教程文章,主要是把自己当时参赛的...【教程】使用STM32测量频率和占空比的几种方法(申请置酷!) 这几天在论坛上面解答了好几个询问STM32测量频率的贴子,觉得这种需求还是存在的(示波器、电机
  • 用频谱仪测量晶体频率的方法

    万次阅读 2014-11-17 08:24:05
    摘要:用频谱仪测量晶体的时钟频率,查看时钟的频偏。 关键字:频谱仪晶体频率频偏 一、  背景与现象 怎样精确的测量晶体的时钟频率?是每一个硬件工程师所面临测量问题。用频率计测试晶体频率,又担心探头本身的...
  • 测量频率和占空比的几种方法

    千次阅读 2019-04-04 15:37:29
    而这两个的测量方法联系比较紧密,所以也一并把测量占空比的方法写出来。因为时间有限,所以并不能把所有思路都一一测试,只是写在下面作为参考,敬请谅解。 使用平台:官方 STM32F429 DISCOVERY 开发板 , ...
  • 基于线结构光的三维测量系统转轴快速标定方法 2016-01-06 20:09 摘 要: 为了标定基于线结构光的三维测量系统中的旋转轴,提出了一种基于圆锥体参照物的快速标定方法。将一个圆锥体的参照物固定放置在旋转平台...
  • 借助无人测量船获取水下三维地形、测算库容量已成为目前最为流行的水利工程测量方式,该系统可用于水下地形地貌测绘、水库库容测量、水文勘测、疏浚检测、水环境监测等领域。本文详细介绍无人测量测量原理、岸基原理...
  • 视觉SLAM笔记(34) 三角测量

    万次阅读 2019-10-13 15:12:04
    对极几何约束局限性(仅通过单张图像无法获得像素的深度信息)、三角测量(通过在两处观察同一个点的夹角,确定该点的距离)、于噪声的影响,这两条直线往往无法相交,可以通过最小二乘去求解、三角测量的矛盾
  • 近景摄影测量

    千次阅读 2017-01-15 20:01:00
    步骤: (1)求相机的内外方位元素:三维检校场,二维检校场(单反相机变焦镜头设置为定焦模式[数码相机没有变焦一说]-->...近景摄影测量(Close-range Photogrammetry)是摄影测量与遥感(Photog...
  • 第7讲3 三角测量

    千次阅读 2018-10-30 15:00:34
     在得到了相机的运动之后,下一步我们需要用相机的运动来估计特征点的空间位置,但是在单目SLAM中,仅通过单张图像是无法获得像素的深度信息的,我们需要用三角测量(三角化)的方法来估计地图点的深度。...
  • 光谱测量实践教程

    千次阅读 2020-01-03 11:26:41
    • 测试方法:在上午11:30~14:30进行测量,也可以提前到10:00。每种地物光谱测量前,对准标准参考板进行定标校准,得到接近100%的基线,然后对着目标地物测量;为使所测数据能与卫星传感器所获得的数据进行比较...
  • 使用双视场测量工件长度尺寸

    千次阅读 2016-10-06 22:44:44
    使用双视场测量工件长度尺寸     很多二次元测量仪进行工件尺寸测量的时候,只能在视场里面测量尺寸比较小的尺寸, 如果测量比较大的尺寸的时候,往往需要移动测量仪上面的镜头,改变视场的位置,这样 测量...
  • 因为测量要求决定了我们的测量方法及测量过程。在这时也需要该工件的加工或者成品图纸,作为测量的依据。同时需要了解的是该工件的加工过程,了解工件加工基准(这个是必须的,因有些工件在加工时并不是按照图纸上的...
  • 《倚天屠龙记中》有这么一处:张三丰示范自创的太极剑演示给张无忌看,然后问他记住招式没有。张无忌说记住了一半。...目的就是为了把 Android 中关于 View 测量的机制一次性说清楚。算是自己对自己较
  • 双目摄像头测量距离

    千次阅读 热门讨论 2020-05-14 21:39:08
    在计算机视觉中,可以通过双目摄像头实现,常用的有BM 算法和SGBM 算法等,双目测距跟激光不同,双目测距不需要激光光源,是人眼安全的,只需要摄像头...本章我们就来介绍如何使用双目摄像头和SGBM 算法实现距离测量
  • 数字摄影测量的思考

    千次阅读 2014-06-03 16:30:18
    本文转载自http://shenlandz.blog.sohu.com/95177097.html,《我的 数字摄影测量的思考 来源听课报告》。
  • 视觉测量简介

    千次阅读 2012-02-12 14:25:45
    1.1 视觉测量技术 1.1.1 现代检测技术的发展趋势 检测技术是现代化工业的基础技术之一,是保证产品质量的关键。在现代化的大生产之中,涉及到各种各样的检测。随着工业制造技术和加工工艺的提高和改进,对检测...
  • 摄影测量学 学习

    千次阅读 多人点赞 2020-05-12 18:11:18
    摄影测量学学习 绪论 第一章 航空摄影 1. 传感器 2. 影像获取 2.1 航空摄影的基本要素: (1)比例尺与航高 (2)航摄重叠度 航向:传感器前进的方向 旁向:传感器前进方向的两侧 基-高比:指航空摄影时,摄影...
  • 激光尺如何测量:逆向工程

    千次阅读 2020-09-25 10:14:20
    大多数激光卷尺使用相位而不是脉冲(飞行时间,TOF)距离测量方法。 为了本文的完整性,我将引用上一篇文章的部分理论: 在相位方法中,与脉冲方法相反,激光器始终工作,但是其辐射是由特定频率(通常是低于500 ...
  • R&SPSS重复测量方差分析

    千次阅读 2019-04-20 23:52:08
    最近在做重复测量方差分析,真的是走了很多弯路,足足花费了我两周的时间,因此在此写一篇博文,希望能给其他人提供一些参考。 先说建议: 建议使用SPSS,不要使用R,会省很多精力,我用R做了3天,失败了,然后改用...
  • Eye Diagram眼图测量

    千次阅读 2018-04-03 11:23:18
    基本概念编辑什么是眼图“眼图就是象眼睛一样形状的图形。”眼图是用余辉方式累积叠加显示采集...[1] 由于眼图是用一张图形就完整地表征了串行信号的比特位信息,所以成为了衡量信号质量的最重要工具,眼图测量有时...
  • halcon二维测量

    千次阅读 2015-06-29 21:43:09
    halcon二维测量的基本步骤 1.图片预处理,这里指的是图片的滤波等手段,使要测量的特征凸显化,有效去除噪点干扰等。 2.阈值化,通过阈值化抽取出图像的特征,通常使用灰度阈值化,但halcon中没有特意的将图片转换...
  • 大地测量学基础 (复习)

    千次阅读 多人点赞 2020-05-13 00:09:08
    这篇博文是用来复习课程“大地测量学基础”的,里面仅列出本人觉得这门课程比较重要的部分,希望能够帮助到有需要的朋友。 课本采用《大地测量学基础》孔祥元,武汉大学出版社。
  • View的工作原理之测量过程 目录 1. 详细测量过程 1.1 测量过程到底要测量什么? 1.2 详细过程说明 1.3 测量概念说明 1.3.1 测量的是ViewGroup的宽高,不是内容的宽高 1.3.2 测量的是View的宽高,不是内容的...
  • Halcon学习笔记之定位测量项目案例

    千次阅读 2021-03-31 21:52:04
    前面我已经逐个介绍了一维测量,卡尺测量以及相关的模板匹配内容,那么这篇文章呢,我们就完整的介绍下如何去使用模板匹配和测量去完成一个简单的测量项目,这里还是只介绍像素精度的情况下的,有关相机标定的内容...
  • 如何精确地测量java对象的大小-底层instrument API

    万次阅读 热门讨论 2011-12-13 22:18:49
    关于java对象的大小测量,网上有很多例子,大多数是申请一个对象后开始做GC,后对比前后的大小,不过这样,虽然说这样测量对象的大小是可行的,不过未必是完全准确的,因为过程中包含对象本身的开销,也许你运气好,...
  • IP网络性能的测量与分析

    千次阅读 2011-12-02 16:34:33
    摘要:本文介绍网络性能的测量、网络性能指标及相关的统计分析方法,对网络性能的测量和分析作了一个系统的总结;并对网络性能下一步的研究方向和研究重点进行了讨论。 1. 引言 随着网络新技术、新业务的飞速...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 34,575
精华内容 13,830
关键字:

一步的测量方法