2019年8月17日
摘要: C语言安全编码规范 1 来源 《The SEI CERT C Coding Standard, 2016 Edition》 2 预处理器PRE 2.2避免不安全宏的参数出现副作用 一个不安全的函数宏在展开时多次使用或根本不使用某个参数,所以不要调用包含赋值、增量、减量、输入、输出等具有副作用参数的不 阅读全文
posted @ 2019-08-17 14:17 SunnyPoem 阅读(1367) 评论(0) 推荐(0)
摘要: 背景 问题:HTTP服务器在内网,终端在另一个内网,需要终端可以访问HTTP服务器。 解决:在公网布置一个TCP代理,HTTP服务器上也布置一个代理(只能内网主动访问外网)。 1. IP分片、TCP流和应用层消息提取 UDP发大包是否会IP分片? 会。IP层进行重组。UDP头部8字节(源端口,目的端 阅读全文
posted @ 2019-08-17 14:14 SunnyPoem 阅读(4737) 评论(0) 推荐(0)
  2019年5月14日
摘要: IEEE802.15.4 简介 原文资料:https://wenku.baidu.com/view/d533e36f0740be1e650e9aa5.html?from=search 概述: 为什么选择802.15.4? LR-WPAN的工业化标准; 基于DSSS传输,可以与WLAN共存; GTS用 阅读全文
posted @ 2019-05-14 19:27 SunnyPoem 阅读(11273) 评论(0) 推荐(0)
摘要: 第八章 线性时间排序 比较排序算法的下界 把比较排序的每次比较当做决策树中的每个决策分支。每个结点都是到达排好序时原始输入的下标数组。原始输入N个数有N!种排序。所以决策树至少有N!个结点。 考虑一棵高度为h,具有l个可达结点的决策树,它对应一个对N个元素所做的比较排序。我们有: 得到: 所以在最坏 阅读全文
posted @ 2019-05-14 19:24 SunnyPoem 阅读(342) 评论(0) 推荐(0)
摘要: 第六章 堆排序 概念: 堆:二叉堆是一个数组,近似完全二叉树,树上每个结点对应数组中的一个元素。除了最底层外,该树是完全满的,而且是从左到右填充。 最大堆:除了根结点以外的所有结点i,都要满足:A[PARENT(i)]>=A[i]; 最小堆:除了根结点以外的所有结点i,都要满足:A[PARENT(i 阅读全文
posted @ 2019-05-14 19:19 SunnyPoem 阅读(197) 评论(0) 推荐(0)
摘要: 分治策略 最大子数组问题 A = [13,-3,-25,20,-3,-16,-23,18,20,-7,12,-5,-22,15,-4,7] 暴力解法: 分治方法: 将数组划分为两个规模尽量相等的子数组。最大子数组A[i..j]位置必然是: 完全在A[low,mid]中; 完全在A[mid+1,hig 阅读全文
posted @ 2019-05-14 19:16 SunnyPoem 阅读(206) 评论(0) 推荐(0)
摘要: 第一章~第二章: 1. 几种常见的排序方法 1.1 插入排序 #!/usr/bin/env python # -*- coding:UTF-8 -*- '''CLRS p10''' def insertion_sort(A): for j in range(1,len(A),1): key = A[ 阅读全文
posted @ 2019-05-14 19:14 SunnyPoem 阅读(230) 评论(0) 推荐(0)
  2019年2月28日
摘要: 参考: https://en.wikipedia.org/wiki/Kalman_filter 原文: https://www.cnblogs.com/alantu2018/p/9224001.html 公式: 首先,我们先要引入一个离散控制过程的系统。该系统可用一个线性随机微分方程(Linear 阅读全文
posted @ 2019-02-28 19:52 SunnyPoem 阅读(692) 评论(0) 推荐(0)
  2019年2月23日
摘要: 参考: https://en.wikipedia.org/wiki/Least_squares https://en.wikipedia.org/wiki/Matrix_calculus https://baike.baidu.com/item/%E6%9C%80%E5%B0%8F%E4%BA%8C 阅读全文
posted @ 2019-02-23 10:21 SunnyPoem 阅读(669) 评论(0) 推荐(0)
  2019年1月26日
摘要: OTDOA 1. 画图观察 参考小区:黑点 其他小区:绿点 终端位置:红点 无误差模型双曲线:蓝线 测量粒度导致的误差:橘黄 2. 度量粒度导致的误差 即小区能准确测量TA,但是TA的刻度就是16ts(对应单程距离4.88*16),所以就出现由度量刻度导致的误差。 上图中橘黄色曲线交点。 3. 测量 阅读全文
posted @ 2019-01-26 15:58 SunnyPoem 阅读(1602) 评论(0) 推荐(0)