STM32CAN接收过滤和发送图文详解-通过对CANBUS协议的理解，我们知道：CAN总线上的节点接收或发送数据都是以帧为单位的！！！CAN协议规定了好几种帧类型，但是对于我们应用来说，只有数据帧和远程帧可以通过软件编程来控制。
（其他几种帧都是由CAN控制器硬件实现的，我们想管也管不了）。
而数据帧和远程帧最大的区别在于：远程帧没有数据域。
数据帧分为标准数据帧和扩展数据帧，它们之间最大的区别在于：标识符(ID)长度不同（标准帧为11位，扩展帧为29位）。
为了能更好地理解下面的内容，让我们先来回忆一下标准数据帧是什么样子的：

为了便于在Lite5.3中使用Pingos的EmbarcaderoRADStudioXE2KeyGen和Freecat的AutoPatch，同时，也为了便于正在使用XE2RTM其他版本的童鞋们摆脱之前破解不完善导致的一系列的问题，花了n天的时间研究了一下emb的bdsreg和Pingos的keygen和Freecat的AutoPatch，终于写成这个：Activator.exe他的主要作用：1、移除5.0的Patch2、结合Pingos的keygen产生注册信息3、结合Freecat的AutoPatch避免自校验等问题相对Pingos的keygen的使用，这个Activator实现“一键激活”！使用方法：1、rar解压到一个目录下2、执行Activator.exe即可发布历史：2011.11.05-v5.31、针对Update2，结合Freecat的AutoPatch重新制作，感谢Pingos、Freecat和Yinsim

很多人反映libfftw3-3不能成功生成x64位的lib文件（即使生成了也不能使用，出现链接错误），本人也去试了试,也遇到同样的问题，卡了一两个小时，最后成功找到生成方法，并把成功生成的32位lib和64位的lib上传给大家使用，以免其他童鞋也遇到类似的麻烦。

一个非常好的问题，我决定火力全开！如果说文案写两句煽情的话，或是巧妙运用了排比之类的技巧，我认为那还称不上走心，走心的文案背后，一定有一个牛逼的洞察。
洞察，这个词就很精妙，就像隔洞窥视，发现消费者心底的秘密。
2011年，参加过台北奥美的一个培训，很精彩，我还记得讲师是一个戴着黑框眼镜的男纸，他对洞察（insight）的描述是我听过最精妙的。
他说，一个牛逼的洞察能激发消费者的3重反应。
“啊！你怎么会知道！”（惊讶）“我也有这种感觉啊！”（强烈的共鸣）强烈的情绪平复后，TA会对你刮目相看。
“这么多牌子，只有你懂我。
”碰到g点才算赢，其他都输。
按这个标准，90%的情感诉求广告都没洞察。
不是吗？卖车，

Magetop的Magento2Ajax购物车扩展Magetop开发的Magento2Ajax购物车扩展程序具有通过AJAX弹出窗口向购物车添加产品的主要功能。
通过允许客户直接从产品列表页面将任何产品类型添加到购物车，它可以显着改善用户体验。
他们不再需要访问每个产品页面，尤其是对于具有许多选项的产品，例如可配置产品，分组产品和捆绑产品。
对于任何电子商务网站来说，都必须使用此扩展程序来提升购物体验。
点击“添加到购物车”按钮后，客户可以选择产品选项并将该产品添加到购物车的Ajax弹出窗口中。
然后，将显示另一个弹出窗口，以通知已成功添加到购物车的产品，购物车小计和相关产品模块，该模块可以智能地推广其他产品。
突出特点数量更改时，使用AJAX自动重新加载并重新计算购物车。
在购物车页面上的项目数量附近显示-/+按钮。
显示项目数量作为选择，而不是数字字段。
将项目数量更改为零时显示用户确认。
允许更改/同步商店，微型购物车和单个产品页面中的数量。
使“添加到购物车”按钮与AJAX一起执行，而无需重新加载整个页面。
在“购物车”页面中更改数量时，更快的AJA

代码自改，简单方便，亲测可用，不仅可以控制舵机，还可以直接控制Led亮度stm32_pca9685只有一个c文件和h文件，不含其他库，复制过去就可以用，代码极简只用1个函数就可以控制舵机，另1函数控制led

软件项目管理(102个文档)102个模板，非常有代表性！软件项目管理(102个文档)102个模板，非常有代表性！

介绍了偏微分方程数值解的两类主要方法：有限差分方法和有限元方法．其内容包括有限差分方法的基本概念；
双曲型方程、抛物型方程及椭圆型方程的有限差分方法；
数学物理方程的变分原理；
有限元离散方法以及其他一些相关的课题等．在介绍每种具体方法的同时，还给出了相应的理论分析．各章附有习题．最高清，最完整

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

支持对tiff格式图片进行压缩，也可将图片转换其他格式后进行压缩

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。