動態傾角模塊的演算法

A. 什麼叫模塊演算法

就是利用函數與過程在程序設計過程中把一些重復用到的部分編寫成小程序在主程序中調用,使程序模塊化

B. ovation演算法錯誤

1.Ovation 控制系統常用控制演算法
1-1.模擬量控制常用演算法
1. 三選中 MEDDIANSEL
2. 二選一 2XSELECT
3. 加法器 SUM
4. 函數發生器 FUNCTION
5. PID 調節器
6. 軟手操器 MASTATION
7. 控制方式切換器 MAMODE
8. 控制輸出平衡器 BALANCER
第 1 頁
9. 切換器 TRANSFER
10. 常數發生器 AVALGEN
11. 高、低監視器 HIGHLOWMON
12. 低監視器 LOWMON
13. 高監視器 HIGHMON
1-2.邏輯控制常用演算法
1. TD ON 延時閉合
2. NOT 非門
3. ONESHOT 上升沿脈沖發生器
4. OR 或門
展開全文
App內免費讀全文
前往文庫APP簽到領暢讀卡，免費讀ovation常...全文
限免
導長圖
轉存到網盤
發送至微信
下載文檔
北京網路網訊科技有限公司 版本號8.0.70 隱私政策 許可權說明
版權說明：本文檔由用戶提供並上傳，收益專屬歸內容提供方，若內容存在侵權，請進行舉報或認領
第 2 頁



為您精選ovation常...會員文檔945篇
ovation常用演算法
1000人閱讀
Ovation演算法
1567人閱讀
Ovation演算法解讀
1000人閱讀
OVATION演算法模塊介紹
1000人閱讀
獲取全部文檔8805人在看
基於你的瀏覽為你整理資料合集

ovation演算法錯誤
文件夾

Ovation演算法解讀 - 網路文庫
4.1分
1099閱讀
Ovation系統維護經驗 - 網路文庫
4.1分
2640閱讀
本周下載TOP
OVATION系統下裝過程中的故障處理及防範 - 網路文庫
3.8分
1154閱讀
85%用戶都在看
剩餘20篇精選文檔

前往APP一鍵獲取全部合集
相關文檔
ovation常用演算法
免費獲取全文
Ovation演算法
免費獲取全文
Ovation演算法解讀
免費獲取全文
OVATION演算法模塊介紹
免費獲取全文
OVATION演算法模塊介紹
1974人已閱讀
熱度文檔
微型計算機系統微機原理及應用試題庫及答案（可編輯）
1942人已閱讀
百里挑一
計算機網路系統投標書(技術部分)
2826人已閱讀
網路安全設備-網閘[整理版]
1803人已閱讀
ASP導出Excel數據的四種方法
1605人已閱讀
學校開展網路安全教育活動方案
2592人已閱讀
第3篇 綜合應用篇 綜合案例5 計算機網路應用綜合案例
1000人已閱讀
CPU針腳斷了怎麼焊接
1000人已閱讀
數據結構順序表的查找插入與刪除
2263人已閱讀
網路安全建設實施方案
1263人已閱讀
網路安全檢查自查表
1000人已閱讀

C. PhenoGraph聚類演算法

PhenoGraph演算法的輸入是一個N X D的矩陣， 把這個矩陣中的行劃分到類別中，使得類別間的差異大於類別內的差異。

我們的假設是，這些類別代表具有生物學意義表型的細胞群。我們的前提假設是細胞群聚集在D維空間的密集區域，由緊密Marker表達組合定義。因此，我們的目標是在D維空間中辨別這些密集的細胞區域。然而，我們不知道數據中類別的數量，大小或高維形狀（例如，橢球，凸）。 單細胞域（domain）特別具有挑戰性，因為不同類別之間，類別大小可能會有數量級上的差異（例如，造血幹細胞與T細胞），並且我們希望識別罕見子集（類別）而不是將它們作為離群點而丟棄。此外，雖然大多數聚類演算法都假設類別內樣本分布近似橢球形，但我們已經證明許多細胞亞類具有復雜的形狀並且不一定是凸形的（viSNE enables visualization of high dimensional single-cell data and reveals phenotypic heterogeneity of leukemia. Nat Biotechnol. 2013）。 用於密度檢測的參數方法需要關於細胞群體（例如，橢球，凸）的形狀的強依賴性假設，而單細胞數據中通常不符合這樣的假設。

為了克服這些障礙，我們構建了一個圖形結構來表示單細胞數據中細胞狀態的高維幾何結構。每個細胞作為節點並且通過邊連接到其鄰居細胞（與其最相似的細胞），該邊的權重由細胞之間的相似性設置。細胞在高維空間中的密集區域將在該圖中表現為高度互連的模塊，通過該模塊內具有高密度的邊的特徵來識別。一旦構建完畢，該圖可以被劃分成這些緊密互連的模塊的子集，稱為群體（communities），代表不同的表型亞群（類別）。這些圖中的群體（communities）的檢測（Community structure in social and biological networks. Proc. Natl. Acad. Sci. 2002）為識別亞群提供了一種高效方法。與混合模型等參數化方法不同，該方法不假設子群（某一類別）的大小、分布或數量。該方法成功的關鍵是構造一個圖形結構，這個圖形結構真實的表示D維空間中存在的幾何結構。PhenoGraph分兩步建立單細胞數據的圖結構。

第一步，使用歐式距離為每個細胞識別k個最近鄰居，其中k是該方法的唯一參數；如果k值太大，較小的群體（communities）會受到其他節點的影響，難以被識別出來。而如果，k值太小會導致我們想要找的細胞群體內緊密度較差。

因此，在第二步中，我們改進了第一步中定義的k鄰居。對所有細胞的k近鄰搜索的結果是一組集合：N組k鄰居。我們對這些集合進行操作以建立一個加權圖。在這個圖中，每對節點（細胞）之間的權重是基於它們共享的鄰居的數量。

節點i和j之間的權重由以下公式給出：

其中v(i)是節點i的k鄰居；v(j)是節點j的k鄰居。

以這種方式由真實數據構造的圖具有明顯的模塊化結構。

群體（communities）檢測是指將節點劃分成不同的群體（communities），從而捕獲這個模塊化結構。對於一組群體（communities）的確定C={c_(1,) c_(2,),…,c_k}，模塊系數Q的定義由下面公式確定:

其中Wij是節點i，j的邊權重，si是節點i與其他所有節點的邊權重加和，sj同上，ci是節點i所在的群體（communities），如果u=v，Kronecker delta 函數δ(u,v)=1；否則為0，m=1/2 ∑▒W_ij 是一個標准化常數。

模塊系數Q介於-1到1之間，對於任意一個確定了群體（communities）圖結構都可以計算這么一個指標。所以該指標可以作為客觀衡量把圖結構區分成子集的質量。這樣，該問題就轉化成一個組合優化問題，即NP完全問題。

接下來用Louvain方法（Fast unfolding of communities in large networks. J. Stat. Mech. 2008）來解決上述問題。Louvain方法具體步驟是，在第一次迭代時，每一個節點（細胞）被單獨作為一類（一個群體），在每一次迭代時，若兩個節點的合並能使得模塊系數Q有最大的增長，那麼將這兩個節點合並成一類。直到模塊系數Q不再增加為止。

REF: Data-Driven Phenotypic Dissection of AML Reveals Progenitor-like Cells that Correlate with Prognosis. 2015 Cell.

檢測群體（communities）結構對於發現復雜網路中結構與功能之間的聯系以及生物學和社會學等許多學科的實際應用至關重要。現在廣泛使用的一種流行方法依賴於對模塊的數量的優化，這是將網路劃分為群體（communities）的質量指標。我們發現，即使在模塊定義明確的情況下，模塊化優化也可能無法識別小於一定規模的模塊，該模塊的規模取決於網路的總大小和模塊的互連程度。Newman和Girvan（Finding and evaluating community structure in networks. Physical review E, 2004.）在群體（communities）檢測方面取得了決定性的進展，他們引入了一種定量方法來衡量將網路劃分為群體（communities）的質量，即模塊化。該度量實質上將給定模塊內的連接數與相同大小和相同度數序列的隨機圖的期望值進行比較。如果選擇模塊化作為相關質量函數，則群體（communities）檢測的問題就等同於模塊化優化。後者非常重要，因為將網路劃分為群體（communities）的可能性至少隨著網路的大小呈指數增長，即使對於較小的圖，窮舉式優化在計算上也不可行。我們表明模塊化優化確實不能解決大數量的模塊。因此，有必要對通過模塊化優化獲得的模塊進行檢查。我們表明，模塊化存在一個固有規模，該規模取決於網路中邊的總數。小於此規模的模塊可能無法解析，即使在極端情況下，它們是通過單橋連接的完整圖形。模塊化解析度的極限實際上取決於群體（communities）對之間的互連程度，並且可以達到整個網路大小的數量級。因此，事先無法確定通過模塊化優化檢測到的模塊（大還是小）確實是單個模塊還是多個較小模塊的集合。然而，最大模塊性因網路的不同而不同，並且取決於網路的連接數。我們證明了任何網路的模塊性值的上限都是1，並且我們看到模塊性是與網路尺度相關的。

REF: Resolution limit in community detection. 2007 PNAS.

函數FindClusters

FindClusters(object, molarity.fxn = 1, initial.membership = NULL, weights = NULL, node.sizes = NULL,  resolution = 0.8, algorithm = 1, n.start = 10, n.iter = 10, random.seed = 0, group.singletons = TRUE, temp.file.location = NULL, edge.file.name = NULL, verbose = TRUE, ...)

參數

#object: Seurat Object

#molarity.fxn: 計算模塊系數函數，1為標准函數；2為備選函數，這里沒有具體說明是什麼函數，我認為1是上面提到的Kronecker delta函數。

# resolution: 解析度參數，如果大於1，則會得到較多數目的群體（communities）；如果小於1，則會得到較少數目的群體（communities）。

#algorithm: 模塊系數優化演算法，1使用原始Louvain演算法；2使用Louvain algorithm with multilevel refinement；3使用SLM演算法；4使用Leiden演算法（註：4需要額外安裝插件）

#n.start: 隨機開始的數量

#n.iter: 最大迭代次數

#random.seed: 隨機數種子

#graph.name: 圖的名字

#group.singletons: (TRUE/FALSE)是否把比較特異的細胞分配到最近的類別中，若FALSE，則可能會出現某個類只有一個細胞的情況

#verbose: 是否在控制台輸出結果

D. 德雲系：擴展模塊的目標跟蹤演算法有哪些

你好，分為了以下四種：
1. KCF：TrackerKCF 使用目標周圍區域的循環矩陣採集正負樣本,利用脊回歸訓練目標檢測器,並成功的利用循環矩陣在傅里葉空間可對角化的性質將矩陣的運算轉化為向量的Hadamad積,即元素的點乘,大大降低了運算量,提高了運算速度,使演算法滿足實時性要求.
2.MIL：TrackerMIL 以在線方式訓練分類器將對象與背景分離;多實例學習避免魯棒跟蹤的漂移問題
3. OLB：TrackerBoosting 基於AdaBoost演算法的在線實時對象跟蹤.分類器在更新步驟中使用周圍背景作為反例以避免漂移問題.
4.MedianFlow：TrackerMedianFlow 跟蹤器適用於非常平滑和可預測的運動,物體在整個序列中可見.
5.TLD：TrackerTLD 將長期跟蹤任務分解為跟蹤，學習和檢測.跟蹤器在幀之間跟蹤對象.探測器本地化所觀察到的所有外觀,並在必要時糾正跟蹤器.學習估計檢測器的錯誤並進行更新以避免再出現這些錯誤.追蹤器能夠處理快速運動,部分遮擋,物體缺失等情況.

E. 單片機畢業論文答辯陳述

單片機畢業論文答辯陳述

難忘的大學生活將要結束，畢業生都要通過最後的畢業論文，畢業論文是一種有計劃的檢驗大學學習成果的形式，那麼畢業論文應該怎麼寫才合適呢？以下是我為大家收集的單片機畢業論文答辯陳述，僅供參考，希望能夠幫助到大家。

單片機畢業論文答辯陳述

各位老師好！我叫劉天一，來自**，我的論文題目是《基於AVR單片機的GSM—R基站天線傾角測量系統》。在這里，請允許我向寧提綱老師的悉心指導表示深深的謝意，向各位老師不辭勞苦參加我的論文答辯表示衷心的感謝。

下面我將從論文的背景意義、結構內容、不足之處三個方面向各位老師作一大概介紹，懇請各位老師批評指導。

首先，在背景和意義上，移動通信網路建設初期，基站站間距大、數量少、站型也不大，並且頻率資源相對比較豐富。在這一階段的網路規劃時很少對天線的傾角做詳細的規劃，基站功率常常以滿功率發射。對於越區覆蓋則主要通過增加鄰區的辦法予以解決。

但隨著網路的迅速發展，城市中的基站越來越密集，在一個中等城市通常分布著數十個基站，在省會城市更是達到了數百個基站之多，並且基站的密度越來越高，站型也越來越大，如果對越區覆蓋的問題仍然釆用老辦法解決，那麼網路質量將難以保證。因此有必要在規劃階段就對基站天線的傾角、基站靜態發射功率等進行更加細化合理的規劃，從而減輕優化階段的工作量。

合理設置天線下傾角不但可以降低同頻干擾的影響，有效控制基站的覆蓋范圍，而且可以加強本基站覆蓋區內的信號強度。通常天線下傾角的設定有兩方面側重，一方面側重於干擾抑制，另一方面側重於加強覆蓋。這兩方面側重分別對應不同的下傾角演算法。一般而言，對基站分布密集的地區應該側重於考慮干擾抑制（大下傾角）；而基站分布比較稀疏的地方則側重於考慮加強覆蓋（小下傾角）。

規劃階段進行的傾角設計，在實際施工過程中會出現一定的偏差，在使用的過程中，由於季節變化或風、雨、雪、溫度、濕度等自然條件影響，基站天線傾角會發生變化，進而影響場強質量。而移動通信已經是人類日常生活中不可或缺的一部分，正常的通信離不開基站的建設與維護，因此，基站天線傾角的實時、精確測量就顯得尤為重要了。但現階段移動通信基站的天線方位角、下傾角等基本是依靠人工現場通過羅盤、坡度儀等儀器進行測量得到的，而且由於基站的數量巨大，因而測量耗費了大量的時間、人力、物力，並且存在較大的測量人員人身安全隱患。因此，實現一種省時、省力的自動化測量儀器是非常亟需的。

為此，擬研發GSM—R基站天線傾角測量系統，實現不登塔作業即可完成基站天線傾角的測量工作，並可對各基站測試點進行聯網，實現對基站天線傾角的實時監測。本系統可以大大降低GSM—R系統現場維護作業的人身安全風險和作業難度、強度，具有很高的實用性和安全性。

其次，在結構內容上，論文主要對基站傾角測量系統進行設計，主要研宄內容為：

（1）根據控制要求，選用傾角測量模塊；學會使用並通過使用手冊深入學習其特性及原理。

（2）採用ATmegal62作為控制晶元，進行傾角測量系統的硬體電路設計。整個系統分為主板和從板，通過晶元內置的TWI串列匯流排傳輸介面進行通信，由主板將數據通過無線模塊發送給手持終端。

（3）採用JZ863數傳模塊，將其與上位機控制晶元、下位機控制晶元的非同步串列接收/發送器USART連接，進行上位機與下位機的無線數據通信。

（4）在硬體平台基礎上根據模塊化思想進行傾角測量系統的軟體程序設計。

（5）在設計好的軟硬體平台上進行相關實驗，實現控制系統設計目標和要求。

本文各章節安排如下：

第1章「引言」，對傾角測量系統進行了簡要概述，介紹了研宄背景，並對本文的內容作了簡介。

第2章「傾角測量感測器」，主要分析了本系統比較重要的傾角測量模塊的原理以及SCA100T—D01傾角測量晶元，對其各個引腳的功能以及通信協議等進行了闡述，為後面的具體實現打下了基礎。

第3章「ATmegal62微處理器結構及原理」，分析了本畢設使用的核心單片機晶元ATmegal62，包括它的各個引腳以及I/O埠，並且分析了本論文主要使用的通信協議，即同步串列SPI介面和USART串列口。

第4章「傾角測量系統軟硬體實現」，本章首先對系統的總體設計進行了實現，包括主要的技術指標、主要的功能模塊等。接著進行了本系統的硬體實現和軟體實現。硬體實現包括各個功能模塊的具體電路設計以及最後的PCB電路板製作，軟體實現包括各個功能模塊的程序設計。

第5章「傾角測量系統調試及實驗」，本章主要進行了硬體電路的調試，並介紹了通過AVR Studio進行軟體模擬以及下載，最後在搭建的系統軟硬體平台的基礎上，進行調試和實驗，以此來驗證基站傾角測量系統的硬體與軟體設計。

第6章「結論」，本章主要總結了本論文的研究結果，並闡述了系統的不足之處和對以後工作的展望。

最後，在不足之處上，這篇論文的寫作以及修改的過程，也是我越來越認識到自己知識與經驗缺乏的過程。雖然，我盡可能地收集材料，竭盡所能運用自己所學的知識進行論文寫作，但論文還是存在許多不足之處，有待改進。請各位評委老師多批評指正，讓我在今後的學習中學到更多。

[知識拓展]

論文答辯提問方式

在畢業論文答辯會上，主答辯老師的提問方式會影響到組織答辯會目的的實現以及學員答辯水平的發揮。主答辯老師有必要講究自己的提問方式。

1、提問要貫徹先易後難原則。主答辯老師給每位答辯者一般要提三個或三個以上的問題，這些要提的問題以按先易後難的次序提問為好。所提的第一個問題一般應該考慮到是學員答得出並且答得好的問題。學員第一個問題答好，就會放鬆緊張心理，增強「我」能答好的信心，從而有利於在以後幾個問題的答辯中發揮出正常水平。反之，如果提問的第一個問題就答不上來，學員就會背上心理包袱，加劇緊張，產生慌亂，這勢必會影響到對後面幾個問題的答辯，因而也難以正確檢查出學員的答辯能力和學術水平。

2、提問要實行逐步深入的方法。為了正確地檢測學員的專業基礎知識掌握的情況，有時需要把一個大問題分成若干個小問題，並採取逐步深入的提問方法。如有一篇《淺論科學技術是第一生產力》的論文，主答辯老師出的探測水平題，是由以下四個小問題組成的。

（1）什麼是科學技術？

（2）科學技術是不是生產力的一個獨立要素？在學員作出正確回答以後，緊接著提出第三個小問題：

（3）科學技術不是生產力的一個獨立要素，為什麼說它也是生產力呢？

（4）你是怎樣理解科學技術是第一生產力的？通過這樣的提問，根據學員的答辯情況，就能比較正確地測量出學員掌握基礎知識的扎實程度。如果這四個小問題，一個也答不上，說明該學員專業基礎知識沒有掌握好；如果四個問題都能正確地回答出來，說明該學員基礎知識掌握得很扎實；如果能回答出其中的2—3個，或每個小問題都能答一點，但答得不全面，或不很正確，說明該學員基礎知識掌握得一般。倘若不是採取這種逐步深入的提問法，就很難把一個學員掌握專業基礎知識的情況准確測量出來。假如上述問題採用這樣提問法：請你談談為什麼科學技術是第一生產力？學員很可能把論文中的主要內容重述一遍。這樣就很難確切知道該學員掌握基礎知識的情況是好、是差、還是一般。

3、當答辯者的觀點與自己的觀點相左時，應以溫和的態度，商討的語氣與之開展討論，即要有「長者」風度，施行善術，切忌居高臨下，出言不遜。不要以「真理」掌握者自居，輕易使用「不對」、「錯了」、「謬論」等否定的斷語。要記住「是者可能非，非者可能有是」的格言，要有從善如流的掂量。如果作者的觀點言之有理，持之有據，即使與自己的觀點截然對立，也應認可並樂意接受。倘若作者的觀點並不成熟、完善，也要善意地、平和地進行探討，並給學員有辯護或反駁的平等權利。當自己的觀點不能為作者接受時，也不能以勢欺人，以權壓理，更不要出言不遜。雖然在答辯過程中，答辯老師與學員的地位是不平等的（一方是審查考核者，一方是被考核者），但在人格上是完全平等的。在答辯中要體現互相尊重，做到豁達大度，觀點一時難以統一，也屬正常。不必將自己的觀點強加於人，只要把自己的觀點亮出來，供對方參考就行。事實上，只要答辯老師講得客氣、平和，學員倒愈容易接受、考慮你的觀點，愈容易重新審視自己的觀點，達到共同探索真理的目的。

4、當學員的回答答不到點子上或者一時答不上來的問題，應採用啟發式、引導式的提問方法。參加過論文答辯委員會的老師可能都遇到過這樣的情況：學員對你所提的問題答不上來，有的就無可奈何地「呆」著；有的是東拉西扯，與你繞圈子，其實他也是不知道答案。碰到這種情況，答辯老師既不能讓學員尷尬地「呆」在那裡，也不能聽憑其神聊，而應當及時加以啟發或引導。學員答不上來有多種原因，其中有的是原本掌握這方面的知識只是由於問題完全出乎他的意料而顯得心慌意亂，或者是出現一時的「知覺盲點」而答不上來。這時只要稍加引導和啟發，就能使學員「召回」知識，把問題答好。只有通過啟發和引導仍然答不出或答不到點子上的，才可判定他確實不具備這方面的知識。

【拓展】

單片機畢業論文開題報告參考

1． 課題名稱：

數字鍾的設計

近年來，隨著單片機檔次的不斷提高，功能的不斷完善，其應用日趨成熟、應用領域日趨廣泛，特別是工業測控、尖端武器和日常家用電器等領域更是因為有了單片機而生輝增色，不少設備、儀器已經把單片機作為核心部分。單片機應用技術已經成為一項新的工程應用技術。尤其是Intel公司生產的MCS-51系列單片機，由於其具有集成度高、處理功能強、可靠性高、系統結構簡單、價格低廉等優點，在我國得到了廣泛的`應用，在智能儀器儀表機電一體化等方面取得了令人矚目的成果。現在單片機可以說是百花齊放，百家爭鳴，世界上各大晶元製造公司都推出了自己的單片機，從8位，16位，到32位，數不勝數，應有盡有由於主流C51兼容的，也有不兼容的，但他們各具特色，互成互補，為單片機的應用提供了廣泛的天地。在高節奏發展的現代社會，以單片機技術為核心的數字鍾越來越彰顯出它的重要性。

3． 設計目的和意義：

單片機的出現具有劃時代的意義。它的出現使得許多原本花費很高的復雜電路以及繁多的電氣元器件都被取締，取而代之的是一塊小小的晶元。伴隨著計算機技術的不斷發展，單片機也得到了相應的發展，而且其應用的領域也得到更好的擴展。在民用，工用，醫用以及軍用等眾多領域上都有所應用。為了，能夠更好的適應這日新月異的社會，我們應當充實我們的知識面，方能不被時代的潮流踩在腳下。

介於單片機的重要性，我們應當對單片機的原理，發展以及應用有著一定的了解。所以，我們應當查閱相關資料，從而能夠對單片機有個全方位的了解。進而將探討的領域指向具體的國內，從而能夠在科技與經濟飛速發展的當今社會更好的應用這項技術。事實上，該項技術在國內有著極為廣泛的發展前景，因此，通過對本課題的研究，我們因當能夠充分認識到單片機技術的重要性，對單片機未來的發展趨勢有所展望。

單片機的形成背景：

1.隨著微電子技術的不斷創新和發展，大規模集成電路的集成度和工藝水平不斷提高。硅材料與人類智慧的結合，生產出大批量的低成本、高可靠性和高精度的微電子結構模塊，推動了一個全新的技術領域和產業的發展。在此基礎上發展起來的器件可編程思想和微處理（器）技術可以用軟體來改變和實現硬體的功能。微處理器和各種可編程大規模集成專用電路、半定製器件的大量應用，開創了一個嶄新的應用世界，以至廣泛影響著並在逐步改變著人類的生產、生活和學習等社會活動。

2.計算機硬體平台性能的大幅度提高，使很多復雜演算法和方便使用的界面得以實現，大大提高了工作效率，給復雜嵌入式系統輔助設計提供了物理基礎。

3.高性能的EDA綜合開發工具（平台）得到長足發展，而且其自動化和智能化程度不斷提高，為復雜的嵌入式系統設計提供了不同用途和不同級別集編輯、布局、布線、編譯、綜合、模擬、測試、驗證和器件編程等一體化的易於學習和方便使用的開發集成環境。

4.硬體描述語言HDL(Hardware Description Language)的發展為復雜電子系統設計提供了建立各種硬體模型的工作媒介。它的描述能力和抽象能力強，給硬體電路，特別是半定製大規模集成電路設計帶來了重大的變革。

5.軟體技術的進步，特別是嵌入式實時操作系統EOS(Embedded Operation System）的推出，為開發復雜嵌入式系統應用軟體提供了底層支持和高效率開發平台。EOS是一種功能強大、應用廣泛的實時多任務系統軟體。它一般都具有操作系統所具有的各種系統資源管理功能，用戶可以通過應用程序介面API調用函數形式來實現各種資源管理。用戶程序可以在EOS的基礎上開發並運行。

單片機的發展歷史：20世紀70年代，微電子技術正處於發展階段，集成電路屬於中規模發展時期，各種新材料新工藝尚未成熟，單片機仍處在初級的發展階段，元件集成規模還比較小，功能比較簡單，一般均把CPU、RAM有的還包括了一些簡單的I/O口集成到晶元上，它還需配上外圍的其他處理電路方才構成完整的計算系統。類似的單片機還有Z80微處理器。

1976年INTEL公司推出了MCS-48單片機，這個時期的單片機才是真正的8位單片微型計算機，並推向市場。它以體積小，功能全，價格低贏得了廣泛的應用，為單片機的發展奠定了基礎，成為單片機發展史上重要的里程碑。

在MCS-48的帶領下，其後，各大半導體公司相繼研製和發展了自己的單片機。到了80年代初，單片機已發展到了高性能階段，象INTEL公司的MCS-51系列，Motorola公司的6801和6802系列等等,此外,日本的著名電氣公司NEC和HITACHI都相繼開發了具有自己特色的專用單片機。

80年代，世界各大公司均競相研製出品種多功能強的單片機，約有幾十個系列，300多個品種，此時的單片機均屬於真正的單片化，大多集成了CPU、RAM、ROM、數目繁多的I/O介面、多種中斷系統，甚至還有一些帶A/D轉換器的單片機，功能越來越強大，RAM和ROM的容量也越來越大，定址空間甚至可達64kB，可以說，單片機發展到了一個全新階段，應用領域更廣泛，許多家用電器均走向利用單片機控制的智能化發展道路。

1982年以後，16位單片機問世，代表產品是INTEL公司的MCS-96系列，16位單片機比起8位機，數據寬度增加了一倍，實時處理能力更強，主頻更高，集成度達到了12萬只晶體管，RAM增加到了232位元組，ROM則達到了8kB，並且有8個中斷源，同時配置了多路的A/D轉換通道，高速的I/O處理單元，適用於更復雜的控制系統。

九十年代以後，單片機獲得了飛速的發展，世界各大半導體公司相繼開發了功能更為強大的單片機。美國Microchip公司發布了一種完全不兼容MCS-51的新一代PIC系列單片機，引起了業界的廣泛關注，特別它的產品只有33條精簡指令集吸引了不少用戶，使人們從INTEL的111條復雜指令集中走出來。PIC單片機獲得了快速的發展，在業界中佔有一席之地。

隨後的事情，熟悉單片機的人士都比較清楚了，更多的單片機種蜂擁而至，MOTOROLA公司相繼發布了MC68HC系列單片機，日本的幾個著名公司都研製出了性能更強的產品，但日本的單片機一般均用於專用系統控制，而不象INTEL等公司投放到市場形成通用單片機。例如NEC公司生產的uCOM87系列單片機，其代表作uPC7811是一種性能相當優異的單片機。MOTOROLA公司的MC68HC05系列其高速低價等特點贏得了不少用戶。

1990年美國INTEL公司推出了80960超級32位單片機引起了計算機界的轟動，產品相繼投放市場，成為單片機發展史上又一個重要的里程碑。

我國開始使用單片機是在1982年，短短五年時間里發展極為迅速。1986年在上海召開了全國首屆單片機開發與應用交流會，有的地區還成立了單片微型計算機應用協會，那是全國形成的第一次高潮。截止今日，單片機應用技術飛速發展，我們上網際網路輸入一個「單片機」的搜 索，將會看到上萬個介紹單片機的網站，這還不包括國外的。隨著微電子技術的高速發展，單片機在國民經濟的各個領域得到了廣泛的應用。首先，單片機技術不斷進步，出現了許多新的技術和新的產品。本文以Intel MCS-51系列單片機為模型，闡述單片機的一般原理、應用以及單片機的影響，較為詳細地介紹當前主要單片機廠家的產品系列及發展動向。主要內容包括：單片機的基本原理、硬體結構、發展趨勢以及具體的應用介紹。本文主要目的是想讓大家對單片機有一個更為深入的了解。

科技的進步需要技術不斷的提升。試想，曾經一塊大而復雜的模擬電路花費了您巨大的精力，繁多的元器件增加了您的成本。而現在，只需要一塊幾厘米見方的單片機，寫入簡單的程序，就可以使您以前的電路簡單很多。相信您在使用並掌握了單片機技術後，不管在您今後開發或是工作上，一定會帶來意想不到的驚喜。

數字鍾的發展：1350年6月6日，義大利人喬萬尼·德·黨笛製造了世界上第一台結構簡單的機械打點多功能數字鍾，由於數字鍾報價便宜，功能齊全，因此很快受到眾多用戶的喜愛。1657年，荷蘭人惠更斯率先把重力擺引入機械鍾，進而才創立了擺鍾。

到了20世紀以後，隨著電子工業的快速發展，電池驅動鍾、交流電鍾、電機械表、指針式石英電子鍾表以及數字顯示式石英鍾表相繼問世，數字鍾報價非常合理，再加上產品的不斷改良，多功能數字鍾的日差已經小於0.5秒，因此受到廣大用戶的青睞。尤其是原子鍾的出現，它是使用原子的振動來控制計時的，是目前世界上最精準的時鍾，即使經過將近100萬年，其偏差也不可能超過1秒鍾。

多功能數字鍾最早是在歐洲中世紀的教堂，屬於完全機械式結構，動力使用重錘，打點鍾聲完全使用人工進行撞擊鑄鍾，所以當時一個多功能數字鍾工程在建築與機械結構方面是非常復雜的，進而影響了數字鍾報價。進入電子時代以後，電子多功能數字鍾也相繼問世。我國電子多功能數字鍾行業從80年代開始漸漸成長壯大，目前不僅數字鍾報價合理，在技術和應用水平上也已經達到世界同類水平。

4． 國內外現狀和發展趨勢：

縱觀單片機的發展過程，可以預示單片機的發展趨勢，大致有：

1.低功耗CMOS化

MCS-51系列的8031推出時的功耗達630mW，而現在的單片機普遍都在100mW左右，隨著對單片機功耗要求越來越低，現在的各個單片機製造商基本都採用了CMOS(互補金屬氧化物半導體工藝)。象80C51就採用了HMOS(即高密度金屬氧化物半導體工藝)和CHMOS(互補高密度金屬氧化物半導體工藝)。CMOS雖然功耗較低，但由於其物理特徵決定其工作速度不夠高，而CHMOS則具備了高速和低功耗的特點，這些特徵，更適合於在要求低功耗象電池供電的應用場合。所以這種工藝將是今後一段時期單片機發展的主要途徑。

2.微型單片化

現在常規的單片機普遍都是將中央處理器(CPU)、隨機存取數據存儲(RAM)、只讀程序存儲器(ROM)、並行和串列通信介面，中斷系統、定時電路、時鍾電路集成在一塊單一的晶元上，增強型的單片機集成了如A/D轉換器、PMW(脈寬調制電路)、WDT(看門狗)、有些單片機將LCD(液晶)驅動電路都集成在單一的晶元上，這樣單片機包含的單元電路就更多，功能就越強大。甚至單片機廠商還可以根據用戶的要求量身定做，製造出具有自己特色的單片機晶元。

此外，現在的產品普遍要求體積小、重量輕，這就要求單片機除了功能強和功耗低外，還要求其體積要小。現在的許多單片機都具有多種封裝形式，其中SMD(表面封裝)越來越受歡迎，使得由單片機構成的系統正朝微型化方向發展。

3.主流與多品種共存

現在雖然單片機的品種繁多，各具特色，但仍以80C51為核心的單片機佔主流。所以C8051為核心的單片機占據了半壁江山。而Microchip公司的PIC精簡指令集(RISC)也有著強勁的發展勢頭，中國台灣的HOLTEK公司近年的單片機產量與日俱增，與其低價質優的優勢，占據一定的市場分額。此外還有MOTOROLA公司的產品，日本幾大公司的專用單片機。在一定的時期內，這種情形將得以延續，將不存在某個單片機一統天下的壟斷局面，走的是依存互補，相輔相成、共同發展的道路。

F. 程序員開發用到的十大基本演算法

演算法一：快速排序演算法
快速排序是由東尼·霍爾所發展的一種排序演算法。在平均狀況下，排序 n 個項目要Ο(n log n)次比較。在最壞狀況下則需要Ο(n2)次比較，但這種狀況並不常見。事實上，快速排序通常明顯比其他Ο(n log n) 演算法更快，因為它的內部循環（inner loop）可以在大部分的架構上很有效率地被實現出來。

快速排序使用分治法（Divide and conquer）策略來把一個串列（list）分為兩個子串列（sub-lists）。

演算法步驟：
1 從數列中挑出一個元素，稱為 「基準」（pivot），
2 重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的後面（相同的數可以到任一邊）。在這個分區退出之後，該基準就處於數列的中間位置。這個稱為分區（partition）操作。
3 遞歸地（recursive）把小於基準值元素的子數列和大於基準值元素的子數列排序。

遞歸的最底部情形，是數列的大小是零或一，也就是永遠都已經被排序好了。雖然一直遞歸下去，但是這個演算法總會退出，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最後的位置去。

演算法二：堆排序演算法
堆排序（Heapsort）是指利用堆這種數據結構所設計的一種排序演算法。堆積是一個近似完全二叉樹的結構，並同時滿足堆積的性質：即子結點的鍵值或索引總是小於（或者大於）它的父節點。堆排序的平均時間復雜度為Ο(nlogn) 。

演算法步驟：
1.創建一個堆H[0..n-1]
2.把堆首（最大值）和堆尾互換
3.把堆的尺寸縮小1，並調用shift_down(0),目的是把新的數組頂端數據調整到相應位置
4.重復步驟2，直到堆的尺寸為1

演算法三：歸並排序
歸並排序（Merge sort，台灣譯作：合並排序）是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。

演算法步驟：

演算法四：二分查找演算法
二分查找演算法是一種在有序數組中查找某一特定元素的搜索演算法。搜素過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜 素過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。如果在某一步驟數組 為空，則代表找不到。這種搜索演算法每一次比較都使搜索范圍縮小一半。折半搜索每次把搜索區域減少一半，時間復雜度為Ο(logn) 。

演算法五：BFPRT(線性查找演算法)
BFPRT演算法解決的問題十分經典，即從某n個元素的序列中選出第k大（第k小）的元素，通過巧妙的分 析，BFPRT可以保證在最壞情況下仍為線性時間復雜度。該演算法的思想與快速排序思想相似，當然，為使得演算法在最壞情況下，依然能達到o(n)的時間復雜 度，五位演算法作者做了精妙的處理。

演算法步驟：

終止條件：n=1時，返回的即是i小元素。

演算法六：DFS（深度優先搜索）
深度優先搜索演算法（Depth-First-Search），是搜索演算法的一種。它沿著樹的深度遍歷樹的節點，盡可能深的搜索樹的分 支。當節點v的所有邊都己被探尋過，搜索將回溯到發現節點v的那條邊的起始節點。這一過程一直進行到已發現從源節點可達的所有節點為止。如果還存在未被發 現的節點，則選擇其中一個作為源節點並重復以上過程，整個進程反復進行直到所有節點都被訪問為止。DFS屬於盲目搜索。

深度優先搜索是圖論中的經典演算法，利用深度優先搜索演算法可以產生目標圖的相應拓撲排序表，利用拓撲排序表可以方便的解決很多相關的圖論問題，如最大路徑問題等等。一般用堆數據結構來輔助實現DFS演算法。

演算法步驟：

上述描述可能比較抽象，舉個實例：
DFS 在訪問圖中某一起始頂點 v 後，由 v 出發，訪問它的任一鄰接頂點 w1；再從 w1 出發，訪問與 w1鄰 接但還沒有訪問過的頂點 w2；然後再從 w2 出發，進行類似的訪問，… 如此進行下去，直至到達所有的鄰接頂點都被訪問過的頂點 u 為止。

接著，退回一步，退到前一次剛訪問過的頂點，看是否還有其它沒有被訪問的鄰接頂點。如果有，則訪問此頂點，之後再從此頂點出發，進行與前述類似的訪問；如果沒有，就再退回一步進行搜索。重復上述過程，直到連通圖中所有頂點都被訪問過為止。

演算法七：BFS(廣度優先搜索)
廣度優先搜索演算法（Breadth-First-Search），是一種圖形搜索演算法。簡單的說，BFS是從根節點開始，沿著樹(圖)的寬度遍歷樹(圖)的節點。如果所有節點均被訪問，則演算法中止。BFS同樣屬於盲目搜索。一般用隊列數據結構來輔助實現BFS演算法。

演算法步驟：

演算法八：Dijkstra演算法
戴克斯特拉演算法（Dijkstra』s algorithm）是由荷蘭計算機科學家艾茲赫爾·戴克斯特拉提出。迪科斯徹演算法使用了廣度優先搜索解決非負權有向圖的單源最短路徑問題，演算法最終得到一個最短路徑樹。該演算法常用於路由演算法或者作為其他圖演算法的一個子模塊。

該演算法的輸入包含了一個有權重的有向圖 G，以及G中的一個來源頂點 S。我們以 V 表示 G 中所有頂點的集合。每一個圖中的邊，都是兩個頂點所形成的有序元素對。(u, v) 表示從頂點 u 到 v 有路徑相連。我們以 E 表示G中所有邊的集合，而邊的權重則由權重函數 w: E → [0, ∞] 定義。因此，w(u, v) 就是從頂點 u 到頂點 v 的非負權重（weight）。邊的權重可以想像成兩個頂點之間的距離。任兩點間路徑的權重，就是該路徑上所有邊的權重總和。已知有 V 中有頂點 s 及 t，Dijkstra 演算法可以找到 s 到 t的最低權重路徑(例如，最短路徑)。這個演算法也可以在一個圖中，找到從一個頂點 s 到任何其他頂點的最短路徑。對於不含負權的有向圖，Dijkstra演算法是目前已知的最快的單源最短路徑演算法。

演算法步驟：

重復上述步驟2、3，直到S中包含所有頂點，即W=Vi為止

演算法九：動態規劃演算法
動態規劃（Dynamic programming）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。 動態規劃常常適用於有重疊子問題和最優子結構性質的問題，動態規劃方法所耗時間往往遠少於樸素解法。

動態規劃背後的基本思想非常簡單。大致上，若要解一個給定問題，我們需要解其不同部分（即子問題），再合並子問題的解以得出原問題的解。 通常許多 子問題非常相似，為此動態規劃法試圖僅僅解決每個子問題一次，從而減少計算量： 一旦某個給定子問題的解已經算出，則將其記憶化存儲，以便下次需要同一個 子問題解之時直接查表。 這種做法在重復子問題的數目關於輸入的規模呈指數增長時特別有用。

關於動態規劃最經典的問題當屬背包問題。

演算法步驟：

演算法十：樸素貝葉斯分類演算法
樸素貝葉斯分類演算法是一種基於貝葉斯定理的簡單概率分類演算法。貝葉斯分類的基礎是概率推理，就是在各種條件的存在不確定，僅知其出現概率的情況下， 如何完成推理和決策任務。概率推理是與確定性推理相對應的。而樸素貝葉斯分類器是基於獨立假設的，即假設樣本每個特徵與其他特徵都不相關。

樸素貝葉斯分類器依靠精確的自然概率模型，在有監督學習的樣本集中能獲取得非常好的分類效果。在許多實際應用中，樸素貝葉斯模型參數估計使用最大似然估計方法，換言之樸素貝葉斯模型能工作並沒有用到貝葉斯概率或者任何貝葉斯模型。

盡管是帶著這些樸素思想和過於簡單化的假設，但樸素貝葉斯分類器在很多復雜的現實情形中仍能夠取得相當好的效果。