双通道差分发射器(Tx)双通道差分接收器(Tx)具有2个输入的观测接收器(ORx)具有3个输入的嗅探器接收器(SnRx)可调范围：300MHz至6000MHzTx合成带宽(BW)：250MHzRx带宽：8MHz至100MHz支持频分双工(FDD)和时分双工(TDD)工作模式完全集成的独立小数N分频射频(RF)，用于Tx、Rx、ORx和时钟生成JESD204B数字接口

《微波技术基础》系“普通高等教育‘十一五’国家级规划教材”。
全书采用从场出发、场路结合的方法，围绕规则导行波系统和微波全面地讲述了微波技术的基本概念、理论、技术和分析方法。
全书分为9章，包括：绪论、导波的普通特性、典型导波系统的场分析、微波集成传输线、介质波导和光波导、

文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档简介文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。
而文本分类是文本挖掘中一个非常重要的手段与技术。
现有的分类技术都已经非常成熟，SVM、KNN、DecisionTree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。
但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡、小样本的训练、Unlabeled样本的有效利用、如何选择最佳的训练样本等。
这些问题都将导致curveofdimension、过拟合等问题。
这个开源系统的目的是集众人智慧，将文本挖掘、文本分类前沿领域效果非常好的算法实现并有效组织，形成一条完整系统将文本挖掘尤其是文本分类的过程自动化。
该系统提供了Python和Java两种版本。
主要特征该系统在封装libsvm、liblinear的基础上，又增加了特征选择、LSA特征抽取、SVM模型参数选择、libsvm格式转化模块以及一些实用的工具。
其主要特征如下：封装并完全兼容*libsvm、liblinear。
基于Chi*的featureselection见feature_selection基于LatentSemanticAnalysis的featureextraction见feature_extraction支持Binary,Tf,log(tf),Tf*Idf,tf*rf,tf*chi等多种特征权重见feature_weight文本特征向量的归一化见Normalization利用交叉验证对SVM模型参数自动选择。
见SVM_model_selection支持macro-average、micro-average、F-measure、Recall、Precision、Accuracy等多种评价指标见evaluation_measure支持多个SVM模型同时进行模型预测采用python的csc_matrix支持存储大稀疏矩阵。
引入第三方分词工具自动进行分词将文本直接转化为libsvm、liblinear所支持的格式。
使用该系统可以做什么对文本自动做SVM模型的训练。
包括Libsvm、Liblinear包的选择，分词，词典生成，特征选择，SVM参数的选优，SVM模型的训练等都可以一步完成。
利用生成的模型对未知文本做预测。
并返回预测的标签以及该类的隶属度分数。
可自动识别libsvm和liblinear的模型。
自动分析预测结果，评判模型效果。
计算预测结果的F值、召回率、准确率、Macro,Micro等指标，并会计算特定阈值、以及指定区间所有阈值下的相应指标。
分词。
对文本利用mmseg算法对文本进行分词。
特征选择。
对文本进行特征选择，选择最具代表性的词。
SVM参数的选择。
利用交叉验证方法对SVM模型的参数进行识别，可以指定搜索范围，大于大数据，会自动选择子集做粗粒度的搜索，然后再用全量数据做细粒度的搜索，直到找到最优的参数。
对libsvm会选择c,g(gamma)，对与liblinear会选择c。
对文本直接生成libsvm、liblinear的输入格式。
libsvm、liblinear以及其他诸如weka等数据挖掘软件都要求数据是具有向量格式，使用该系统可以生成这种格式：labelindex:valueSVM模型训练。
利用libsvm、liblinear对模型进行训练。
利用LSA对进行FeatureExtraction*，从而提高分类效果。
开始使用QuickStart里面提供了方便的使用指导如何使用该系统可以在命令行（Linux或cmd中）中直接使用，也可以在程序通过直接调用源程序使用。
在程序中使用。
#将TMSVM系统的路径加入到Python搜索路径中importsyssys.path.insert(0,yourPath+"\tmsvm\src")importtms#对data文件夹下的binary_seged.train文件进行训练。
tms.tms_train(“../data/binary_seged.train”)#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测tms.tms_predict(“../data/binary_seged.test”,”../model/tms.config”)#对预测的结果进行分析，评判模型的效果tms.tms_analysis(“../tms.result”)在命令行中调用#对data文件夹下的binary_seged.train文件进行训练。
$pythonauto_train.py[options]../data/binary_seged.train#利用已经训练好的模型，对对data文件夹下的binary_seged.test文件预测pythonpredict.py../data/binary_seged.train../model/tms.config#对预测的结果进行分析，评判模型的效果$pythonresult_anlaysis.py../tms.result上面的调用方式都是使用系统中默认的参数，更具体、灵活的参数见程序调用接口输入格式labelvalue1[value2]其中label是定义的类标签，如果是binaryclassification，建议positive样本为1，negative样本为-1。
如果为multi-classification。
label可以是任意的整数。
其中value为文本内容。
label和value以及value1和value2之间需要用特殊字符进行分割，如”\t”模型输出模型结果会放在指定保存路径下的“model”文件夹中，里面有3个文件，默认情况下为dic.key、tms.model和tms.config。
其中dic.key为特征选择后的词典；
tms.model为训练好的SVM分类模型;tms.config为模型的配置文件，里面记录了模型训练时使用的参数。
临时文件会放在“temp”文件夹中。
里面有两个文件：tms.param和tms.train。
其中tms.param为SVM模型参数选择时所实验的参数。
tms.train是供libsvm和liblinear训练器所使用的输入格式。
源程序说明src:即该系统的源代码，提供了5个可以在Linux下可以直接调用的程序:auto_train.py、train.py、predict.py为在Linux下通过命令行调用的接口。
tms.py为在程序中调用的主文件，直接通过importtms即可调用系统的所有函数。
其他文件为程序中实现各个功能的文件。
lsa_src：LSA模型的源程序。
dependence:系统所依赖的一些包。
包括libsvm、liblinear、Pymmseg在Linux32位和64位以及windows下的支持包(dll,so文件)。
tools:提供的一些有用的工具，包括result_analysis.py等。
java：java版本的模型预测程序，项目重要更新日志2012/09/21针对linux下的bug进行修正。
重新生成win和linux版本的。
2012/03/08增加stem模块，并修正了几个Bug。
2011/11/22tmsvm正式发布。
联系方式邮箱:zhzhl202@163.comThanks本系统引用了libsvm、liblinear的包，非常感谢Chih-JenLin写出这么优秀的软件。
本系统还引用了Pymmseg，非常感谢pluskid能为mmseg写出Python下可以直接使用的程序从最初的想法萌生到第一版上线，中间试验了很多算法，最终因为效果不好删掉了很多代码，在这期间得到了许多人的帮助，非常感谢杨铮、江洋、敏知、施平等人的悉心指导。
特别感谢丽红一直以来的默默支持。

mwo2001破解版是一款很好的RF仿真软件。

CST公司全称COMPUTERSIMULATIONTECHNOLOGY，是德国一家专注于三维电磁场仿真、并提供电路、热及结构应力协同仿真的国际化软件公司。
CST目前是全球最大的纯电磁场仿真软件公司。
提供完备的时域、频域全波算法和高频算法，覆盖通信、国防、自动化、电子、医疗设备和加速器物理等领域，典型的客户如：IBM、Intel、Cisco、Mitsubishi、Samsung、Nokia、Siemens、Motorola、Ericsson、Boeing、Airbus、NASA等。
CST公司拥有一个覆盖30多个国家和地区的分销网络。
CST在近10年间以平均每年19%的增长率得以长足发展。
2007年下半年连续并购三家电磁场软件公司。
原德国Simlab公司的PCBMod和CableMod软件成为CSTPCBSTUDIO™和CSTCABLESTUDIO™；
原英国Flomerics公司的MICROSTRIPES和FloEMC成为CSTMICROSTRIPES™。
CST软件主要应用于天线/RCS、EMC/EDA、MRI/SAR、SI/PI、真空管/加速器、左手材料/光学等。
CST工作室套装™是面向3D电磁、电路、温度和结构应力设计工程师的一款全面、精确、集成度最高的专业仿真软件包。
包含八个工作室子软件，集成在同一用户界面内。
可以为用户提供完整的系统级和部件级的数值仿真分析。
软件覆盖整个电磁频段，提供完备的时域和频域全波电磁算法和高频算法。
典型应用包含各类天线/RCS、EMC、EDA、SI/PI/眼图、MRI/手机、电真空管/加速器/高功率微波、场-路、电磁-温度及温度-形变等各类协同仿真。
edatop.comCST设计环境™——CSTDESIGNENVIRONMENT™是进入CST工作室套装的通道包含前后处理、优化器、材料库四大部分完成三维建模，CAD/EDA/CAE接口，支持各子软件间的协同，结果后处理和导出CST印制板工作室™——CSTPCBSTUDIO™专业板级电磁兼容仿真软件，可以对含有各种器件的印制板及周边环境进行SI/PI/眼图/谐振/SI规则/EMC规则分析，解决PCB板瞬态和稳态辐照和辐射双向问题CST电缆工作室™——CSTCABLESTUDIO™专业线缆级电磁兼容仿真软件，可以对真实工况下由各类线型构成的数十米长线束及周边环境进SI/EMI/EMS分析，解决线缆线束瞬态和稳态辐照和辐射双向问题CSTMS工作室™——CSTMICROSTRIPES™专业机箱机柜级电磁兼容仿真软件，含有独有的精简模型，无需划分网格便可快速精确地仿真通风孔缝/屏蔽网等细小结构，特别适用于GJB1389/GJB151AEMC仿真CST微波工作室®——CSTMICROWAVESTUDIO®系统级电磁兼容及通用高频无源器件仿真软件，应用包括：天线/RCS、EMI/EMS、三维和平面多层结构SI滤波器等。
可计算任意结构任意材料电大宽带的电磁问题CST设计工作室™——CSTDESIGNSTUDIO™系统级有源及无源电路路仿真，SAM总控，支持三维电磁场和电路的纯瞬态和频域协同仿真，用于DC直至100GHz的电路仿真CST粒子工作室®——CSTPARTICLESTUDIO®主要应用于电真空器件、高功率微波管、粒子加速器、聚焦线圈、磁束缚、等离子体等自由带电粒子与电磁场自洽相互作用下相对论及非相对论运动的仿真分析CST电磁工作室®——CSTEMSTUDIO®（准）静电、（准）静磁、稳恒电流、低频电磁场仿真软件。
用于：DC-100MHz频段EMI/EMS、传感器、驱动装置、变压器、感应加热、无损探伤和电磁屏蔽等CST微波工作室培训课程套装，专家讲解，视频教学，协助您快速学习掌握CST设计应用

微波遥感课件，中国科学院大学讲义，包含了电磁波基本理论，微波与物质互相作用，微波辐射计，高度计，微波散射计，合成孔径雷达

VCA821超带宽可变增益放大器，电赛必备木块。
VCA821是直流耦合，宽带，dB线性，连续可变的压控增益放大器它提供了一个差分输入与用于改变向下40分贝增益从标称最大增益由增益电阻器（RG）和反馈电阻（RF）的设置高阻抗增益控制输入单端的转换。
该VCA821内部架构由两个输入缓冲器和输出电流反馈放大器阶段集成有乘数核心是提供一种完整的可变增益放大器（VGA）系统，该系统不需求外部缓冲。

本标准涵盖了在915±25和2450±50MHz的工业、科学和医学（ISM）频带中操作的家用和商用微波烹饪设备，这些设备在普通场所根据国家电气法规NFPA70进行了测试，并达到不超过600V。

微波工程(中文版)MicrowaveEngineering3rdDavidM.pozar

MTK7628programguide，包括寄存器阐明，I2C编程阐明，I2S，PWM，SPI，UART，DMA，INT，PCM，RF，TCP/IP。
。
。
。
。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。