python3.6源码编译，解决编译时找不到python36_d.lib问题。
-------------------------------------------------------------------------这个问题我在其他地方找到两种解决方案，一种是将python36.lib复制一份，重命名为python36_d.lib，另一种是修改pyconfig.h文件。
我在我的项目中试了两种方案，均会报错，猜想应该是python36.lib和python36_d.lib并不能通用，所以最后下载了python3.6的源码重新编译了一下，问题成功解决。

资源包括连连看项目源代码、项目实验报告和项目开发过程中使用到的资料；
游戏实现了普通和休闲两种模式、添加了元素图片设置、背景设置和音效设置、添加了排行榜的功能，细节处理比较完善

STM32AD7606控制方法代码主要涉及了嵌入式系统中微控制器STM32与高精度模数转换器AD7606的交互技术。
STM32是基于ARMCortex-M内核的微控制器，广泛应用于各种嵌入式硬件设计中，而AD7606是一款16位、8通道同步采样模拟到数字转换器，常用于工业自动化、医疗设备和测试测量系统等需要高精度信号采集的场合。
在STM32与AD7606的通信中，一般采用SPI（SerialPeripheralInterface）或I2C接口。
SPI是一种高速、全双工、同步串行通信协议，适合短距离高速数据传输；
I2C则是一种多主机、双向两线制的总线协议，适合连接低速外设，但数据速率较低。
由于AD7606支持这两种通信模式，开发人员可以根据实际需求选择合适的接口。
1.**SPI配置**：需要在STM32的HAL库或LL库中初始化SPI接口，包括设置时钟源、时钟频率、数据帧格式、极性和相位等参数。
例如，可以配置SPI工作在主模式，数据从MISO引脚接收，MOSI引脚发送，通过NSS引脚实现片选。
2.**AD7606配置**：在初始化过程中，需要设置AD7606的工作模式，如单端或差分输入、增益、采样率等。
这些配置通常通过SPI或I2C发送特定的命令字节来完成。
3.**读写操作**：STM32通过SPI或I2C向AD7606发送读/写命令。
写操作可能涉及设置转换器的寄存器，比如配置采样率、启动转换等。
读操作则会获取转换后的数字结果。
在SPI中，通常需要在读写操作之间插入一个空时钟周期（dummybit）来正确同步数据的传输。
4.**中断处理**：在连续转换模式下，AD7606可能会生成中断请求，通知STM32新的转换结果已准备好。
STM32需要设置中断服务函数，处理中断请求并读取转换结果。
5.**数据处理**：读取的转换结果通常为二进制码，需要进行相应的转换，如左对齐或右对齐，然后根据AD7606的参考电压计算实际的模拟电压值。
6.**电源管理**：AD7606可能有低功耗模式，可以通过控制命令进入或退出。
在不需要转换时，关闭ADC以节省能源。
7.**错误检测**：程序中应包含错误检测机制，例如检查CRC校验或超时，以确保数据的完整性和系统的稳定性。
8.**代码实现**：在实际的代码实现中，可以使用HAL或LL库提供的函数进行硬件抽象，简化编程。
例如，`HAL_SPI_TransmitReceive()`函数可用于发送和接收SPI数据，`HAL_Delay()`用于控制延时，以及`HAL_ADC_Start()`和`HAL_ADC_PollForConversion()`用于启动转换和等待转换完成。
在项目中，开发者通常会创建一个AD7606的驱动库，封装上述操作，以方便其他模块调用。
这个驱动库可能包括初始化函数、配置函数、读取转换结果的函数等，使得系统设计更加模块化和易于维护。
通过理解这些知识点，并结合提供的AD7606压缩包中的代码，你可以实现STM32对AD7606的精确控制，从而进行高精度的模拟信号采集和处理。

MSComm控件通过串行端口传输和接收数据，为应用程序提供串行通讯功能。
MSComm控件在串口编程时非常方便，程序员不必去花时间去了解较为复杂的API函数，而且在VC、VB、Delphi等语言中均可使用。
MicrosoftCommunicationsControl（以下简称MSComm）是Microsoft公司提供的简化Windows下串行通信编程的ActiveX控件，它为应用程序提供了通过串行接口收发数据的简便方法。
具体的来说，它提供了两种处理通信问题的方法：一是事件驱动(Event－driven)方法，一是查询法。
　　1.MSComm控件两种处理通讯的方式　　MSComm控件提供下列两种处理通讯的方式：事件驱动方式和查询方式。
　　1.1事件驱动方式　　事件驱动通讯是处理串行端口交互作用的一种非常有效的方法。
在许多情况下，在事件发生时需要得到通知，例如，在串口接收缓冲区中有字符，或者CarrierDetect(CD)或RequestToSend(RTS)线上一个字符到达或一个变化发生时。
在这些情况下，可以利用MSComm控件的OnComm事件捕获并处理这些通讯事件。
OnComm事件还可以检查和处理通讯错误。
所有通讯事件和通讯错误的列表，参阅CommEvent属性。
在编程过程中，就可以在OnComm事件处理函数中加入自己的处理代码。
这种方法的优点是程序响应及时，可靠性高。
每个MSComm控件对应着一个串行端口。
如果应用程序需要访问多个串行端口，必须使用多个MSComm控件。
　　1.2查询方式　　查询方式实质上还是事件驱动，但在有些情况下，这种方式显得更为便捷。
在程序的每个关键功能之后，可以通过检查CommEvent属性的值来查询事件和错误。
如果应用程序较小，并且是自保持的，这种方法可能是更可取的。
例如，如果写一个简单的电话拨号程序，则没有必要对每接收一个字符都产生事件，因为唯一等待接收的字符是调制解调器的“确定”响应。
　　2.MSComm控件的常用属性　　MSComm控件有很多重要的属性，但首先必须熟悉几个属性。
CommPort设置并返回通讯端口号。
Settings以字符串的形式设置并返回波特率、奇偶校验、数据位、停止位。
PortOpen设置并返回通讯端口的状态。
也可以打开和关闭端口。
Input从接收缓冲区返回和删除字符。
Output向传输缓冲区写一个字符串。

两种不同的做法，用java实现海明码，先输入一个数据，得到海明码，在输入海明码，如果错误，则提示哪位出错且纠正为正确的海明码

PSK是利用载波的不同相位表示相应的数字信息。
对于二进制相位调制（M=2)来说，两个载波相位是0和π。
对于M相相位调制来说M=2k，这里k是每个传输符号的信息比特数。
4PSK是M=4的载波相位调制。
这里，将理论差错概率与仿真的差错概率比较，进一步观察仿真与理论值之间的差别。
同时，用不同的判决准则对接受信号进行判决。
并比较两种判别方法的差别。

boollu(double*a,int*pivot,intn);//矩阵LU分解boolguass(doubleconst*lu,intconst*p,double*b,intn);//求线性代数方程组的解voidqr(double*a,double*d,intn);//矩阵的QR分解boolhouseholder(doubleconst*qr,doubleconst*d,double*b,intn);//求线性代数方程组的解实现两种线性方程组求解的方式，并且结果有误差的比对

Houston 2013数据集是一个结合了高光谱成像（HSI）与激光雷达（LiDAR）技术的数据集，主要用于遥感与地理信息系统研究领域。
该数据集针对地理信息的精确分析，包含了丰富的空间维度信息和光谱维度信息，使得它在地表覆盖分类、城市环境监测、农业遥感等多个领域具有重要的研究价值。


具体来说，高光谱成像技术能够在连续的光谱波段范围内获取地物的光谱信息，HSI数据集因而包含了成千上万的光谱波段，能够反映出地物在不同波长下的反射特性。
这些信息对于识别和分类不同的地物类型，如植被、水体、人造地物等具有重要意义。


另一方面，激光雷达技术通过发射激光脉冲并测量反射回来的信号来获得地表的高精度三维结构信息。
LiDAR数据集通常包括地物的高度信息、形状细节以及地表粗糙度等特征，这些信息对于地形分析、建筑物建模以及树木高度测量等方面至关重要。


Houston 2013数据集将HSI与LiDAR数据集分别划分为测试集和训练集，这样的划分可以用于开发和评估地表分类和遥感影像解译算法。
在遥感影像解译中，测试集用于验证算法的准确性，而训练集则用于训练分类器或机器学习模型，使得模型能够学习如何区分不同的地物类别。


该数据集的文件名称列表揭示了数据集的结构，其中HSI_TeSet.mat和HSI_TrSet.mat分别代表了高光谱成像数据集的测试集和训练集，LiDAR_TeSet.mat和LiDAR_TrSet.mat分别代表了激光雷达数据集的测试集和训练集。
TeLabel.mat和TrLabel.mat则可能包含了对应测试集和训练集的标签信息，即每一块地物的具体类别标签。


在处理这些数据集时，研究者需要熟悉遥感影像分析的常用工具和方法，例如使用ENVI、ArcGIS、ERDAS Imagine等软件对HSI数据进行预处理和分析，以及使用Terrascan、LIDAR360等软件对LiDAR数据进行点云处理。
除此之外，深度学习方法，特别是卷积神经网络（CNN）在处理HSI数据中也显示出强大的能力，它可以自动提取和学习光谱特征，对于提高分类精度具有显著效果。


Houston 2013数据集通过提供两种不同的遥感技术所获得的综合数据集，为遥感领域的研究者提供了一个宝贵的实验平台，使得他们可以在此基础上开发和测试新的地表分类算法和模型，进而推动遥感技术在环境监测与分析中的应用与发展。

硬实时周期任务和软实时非周期任务是实时系统中两种基本的任务类型，它们的混合调度问题是实时研究的重点之一。
在充分掌握硬实时周期任务集调度特性的基础上，使用形式化方法定义了“调度”和“逆调度”两种概念以及相关的运算规则。
借助这些概念及运算规则，可以求得使用最近截止期限优先算法调度时硬实时周期任务集在任何时刻可挪用给软实时非周期任务集的执行时间的最大值，从而为缩短软实时非周期任务的响应时间和周转时间提供了参考。
以此为基础，设计了用于缩短软实时非周期任务响应时间的动态优先级挪用调度算法。
本算法使用了最大可挪用时间，能够在保证硬实时周期任务满足截止期限的前提下，实现软实时任务的最短响应时间和最小周转时间。

使用MySql数据库，数据表可自动生成，包括增删改查，两种更新方法（原生SQL方法和save()方法）

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。