<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_19432525的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_19432525</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_19432525]]></copyright><item><title><![CDATA[vscode连接vmware中的deepin虚拟机，deepin端配置]]></title><link>https://blog.csdn.net/qq_19432525/article/details/157176693</link><guid>https://blog.csdn.net/qq_19432525/article/details/157176693</guid><author>qq_19432525</author><pubDate>Tue, 20 Jan 2026 15:06:32 +0800</pubDate><description><![CDATA[出现这个就行了。]]></description><category></category></item><item><title><![CDATA[小白也能懂的LMS算法：像“调收音机“一样找最优滤波系数]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156659109</link><guid>https://blog.csdn.net/qq_19432525/article/details/156659109</guid><author>qq_19432525</author><pubDate>Tue, 06 Jan 2026 23:36:10 +0800</pubDate><description><![CDATA[变量符号专业定义奶茶店类比XnX(n)Xn输入信号你递给店员的"基础原料"（茶底、牛奶）WnWn滤波器权矢量（系数）店员加的糖、冰、小料的"配比"（比如糖度0.5、冰量0.8）XnXn输入信号矢量按顺序排列的多份基础原料（比如前1口、前2口的茶底）yny(n)yn滤波器输出信号店员按配比调好的"当前奶茶"dnd(n)dn期望信号你想要的"完美奶茶"（甜度刚好、冰量刚好）ene(n)en滤波误差信号。]]></description><category></category></item><item><title><![CDATA[2数字逻辑设计点亮开发板上的LED灯]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156580177</link><guid>https://blog.csdn.net/qq_19432525/article/details/156580177</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 23:10:37 +0800</pubDate><description><![CDATA[AC820开发板上有8个用户LED（D0~D7）负极接地（GND）正极通过4.7kΩ电阻连接到FPGA的IO引脚✋手触摸理解想象LED是一个单向阀门——只有当FPGA引脚输出**高电平（如3.3V）**时，电流才能从FPGA → 电阻 → LED → GND形成回路，灯就亮了！如果输出低电平（0V），两端没电压差，灯就灭。led// 需求1+片段代码output led // 定义输出端口🧠为什么这样写？在Verilog中，output表示这个信号是从模块输出到外部的。]]></description><category></category></item><item><title><![CDATA[01FPGA-ZYNQ的VIVADO基本开发流程(逻辑篇)]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156580008</link><guid>https://blog.csdn.net/qq_19432525/article/details/156580008</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 23:04:13 +0800</pubDate><description><![CDATA[在端口名方向位宽说明clkinput1系统时钟（50MHz）rst_ninput1复位信号（低电平有效）ledoutput1控制LED✋手触摸理解这就像给你的电路“开三个孔”：一个接电源（clk），一个接开关（rst_n），一个接灯泡（led）。]]></description><category></category></item><item><title><![CDATA[10FPGA-ZYNQ的独立按键消抖设计与验证]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156579772</link><guid>https://blog.csdn.net/qq_19432525/article/details/156579772</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 22:57:17 +0800</pubDate><description><![CDATA[通过本章节的学习，我们从认识机械抖动现象开始，理解了消抖的基本原理，然后一步步实现了基于时间阈值法的FPGA消抖模块，最后通过仿真验证和实践指南，完成了从理论到实践的完整学习过程。作为初学者，掌握按键消抖设计不仅能解决实际工程中的常见问题，还能培养我们从现象分析到原理设计，再到验证实现的完整工程思维。希望大家在实践中不断探索，优化自己的消抖设计，为后续的FPGA学习打下坚实的基础！]]></description><category></category></item><item><title><![CDATA[9FPGA-ZYNQ的多字节UART串口收发模块设计与验证]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156579752</link><guid>https://blog.csdn.net/qq_19432525/article/details/156579752</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 22:56:38 +0800</pubDate><description><![CDATA[为了让我们的模块更加灵活，我们需要定义一些可配置的参数，比如数据位宽和字节序。这就像是我们可以选择信封的大小和信纸的排列方式。// 定义多字节数据的位宽（默认16位）// 定义字节序（0：小端字节序，1：大端字节序）// 定义超时计数阈值（115200波特率下为15190）通过本章的学习，我们完成了多字节UART串口收发模块的设计与验证。多字节串口接收模块设计实现了基于状态机的数据拼接添加了超时检测机制，提高了抗干扰能力支持可配置的数据位宽和字节序测试用顶层封装实现了串口回环功能。]]></description><category></category></item><item><title><![CDATA[8FPGA-ZYNQ的FSM状态机设计实例]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156579646</link><guid>https://blog.csdn.net/qq_19432525/article/details/156579646</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 22:53:30 +0800</pubDate><description><![CDATA[我们使用独热码（One-Hot Encoding）来定义状态，这种编码方式在FPGA中实现效率更高，因为它可以减少组合逻辑延迟。// 状态定义：使用独热码编码（每个状态只有一位为1，其余为0）// 独热码优势：状态转换逻辑简单，FPGA实现效率高，便于调试localparamCHECK_h = 5'b0_0001, // 初始状态：等待检测字符'h'CHECK_e = 5'b0_0010, // 状态2：已检测到'h'，等待检测字符'e']]></description><category></category></item><item><title><![CDATA[7FPGA-ZYNQ的使用UART 串口控制 LED灯]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156579628</link><guid>https://blog.csdn.net/qq_19432525/article/details/156579628</guid><author>qq_19432525</author><pubDate>Sun, 04 Jan 2026 22:52:57 +0800</pubDate><description><![CDATA[通过本项目的学习，我们成功实现了使用UART串口控制LED灯的功能。UART串口通信的基本原理FPGA接收串口数据的方法串口指令解析模块的设计基于控制字的LED灯控制板级验证和实际测试这个项目虽然简单，但是涵盖了FPGA设计的基本流程，包括需求分析、系统设计、模块设计、仿真测试和板级验证。希望这个项目能够帮助你更好地理解FPGA设计，为以后的学习打下坚实的基础！🚀 现在，你已经迈出了FPGA学习的第一步，继续加油吧！💪。]]></description><category></category></item><item><title><![CDATA[6FPGA-ZYNQ的UART串口发送模块设计与验证]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156543303</link><guid>https://blog.csdn.net/qq_19432525/article/details/156543303</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 19:36:34 +0800</pubDate><description><![CDATA[想象一下，当你用手机给朋友发微信时，信息是如何从你的手机传到朋友手机的？这中间就涉及到了各种通信协议。而UART（通用异步收发传输器）📨 你把要发送的内容（并行数据）写在信纸上📮 然后把信纸塞进信封，写上地址（添加起始位、停止位等）🚚 通过邮局（串口线）送到对方手中📦 对方打开信封，取出信纸（解析数据）UART在电子系统中无处不在，从单片机到FPGA，从Arduino到Raspberry Pi，几乎所有的嵌入式设备都会用到它。]]></description><category></category></item><item><title><![CDATA[经典论文的ai有趣解读：Cramér-Rao下界（1945）]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542986</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542986</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 18:45:25 +0800</pubDate><description><![CDATA[想象你是一个侦探🕵️‍♂️，面对一堆线索（数据），你要推测罪犯的身高（未知参数）。你当然希望你的猜测越准越好——但Rao告诉你：再聪明的侦探，也有猜不准的“物理极限”！ 这个极限，就藏在“Fisher信息量”里。Rao开篇回顾了两大里程碑：Rao指出：当样本很大时，MLE不仅无偏，而且方差达到理论最小值！ 这就是它的“效率”。Fisher信息量 I(θ)I(\theta)I(θ) 衡量的是：数据对参数 θ\thetaθ 的敏感程度。Rao推导出单参数情形下的Cramér-Rao不等式：Var(t)≥1I(]]></description><category></category></item><item><title><![CDATA[2.5 线性均方估计]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542863</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542863</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 18:32:19 +0800</pubDate><description><![CDATA[想象你正在参加一个猜价格游戏，有 NNN 个人分别给出了他们对某件商品的价格猜测。你想知道：哪个数字最接近真实价格？但不是简单取平均！
你发现：👉 那么你应该给专家更高的权重！这就是 线性均方估计 的思想！它说：📌 类比：θ^LMS=∑i=1Nwixi(2.5.1)
\hat{\theta}_{\mathrm{LMS}} = \sum_{i=1}^N w_i x_i \quad\text{(2.5.1)}
θ^LMS​=i=1∑N​wi​xi​(2.5.1)其中：我们的目标是：让估计误差的期望平方最小：]]></description><category></category></item><item><title><![CDATA[2.5 线性均方估计]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542842</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542842</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 18:30:51 +0800</pubDate><description><![CDATA[想象你正在参加一个猜价格游戏，有 NNN 个人分别给出了他们对某件商品的价格猜测。你想知道：哪个数字最接近真实价格？但不是简单取平均！
你发现：👉 那么你应该给专家更高的权重！这就是 线性均方估计 的思想！它说：📌 类比：θ^LMS=∑i=1Nwixi(2.5.1)
\hat{\theta}_{\mathrm{LMS}} = \sum_{i=1}^N w_i x_i \quad\text{(2.5.1)}
θ^LMS​=i=1∑N​wi​xi​(2.5.1)其中：我们的目标是：让估计误差的期望平方最小：]]></description><category></category></item><item><title><![CDATA[2.4 最大似然估计]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542812</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542812</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 18:28:58 +0800</pubDate><description><![CDATA[fx1xN∣θfx1​xN​∣θ它是联合概率密度函数，表示在参数为θ\thetaθ的情况下，观察到样本x1xNx1​xN​的可能性。✅ 初学者视角：就像你在相亲网站上看一个人的资料，你觉得他/她和你的理想型越匹配，你就越“喜欢”这个人。似然函数就是你的“喜欢程度”。💘我们不关心绝对概率，只关心相对大小。]]></description><category></category></item><item><title><![CDATA[2.3 Bayes 估计]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542449</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542449</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 18:04:50 +0800</pubDate><description><![CDATA[CθθCθθ损失函数表示：当你估计为θθ，而真实值是θ\thetaθ时，“犯了多大错误”。✅ 初学者视角：就像你买股票，预测价格涨了，结果跌了，亏钱就是你的“损失”。💸类型标量参数向量参数绝对误差二次误差θ−θ2θ−θ2∣θ−θ∣2∣θ−θ∣2均匀误差若 $损失函数是随机的（因为θθ是随机变量）所以我们要看它的期望值，即风险函数项目内容损失函数衡量估计错误的代价风险函数损失的期望值MMSE估计。]]></description><category></category></item><item><title><![CDATA[2.1 估计子的性能]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542336</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542336</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:57:57 +0800</pubDate><description><![CDATA[定义 2.1.1：由NNN个样本得到的估计子是一个将样本空间映射到参数空间的函数。θTx1xNθTx1​xN​✅ 初学者视角：想象你在玩“猜数字游戏”，你看到一堆线索（样本），然后根据规则（函数）猜出答案（估计值）。比如：看到 5、6、7，你就猜平均是 6 —— 这个“求平均”的规则就是估计子！🎲定义 2.1.2：估计子θθ的偏差bθ≜Eθ−θbθ≜Eθ−θ若bθ0bθ0，则称θθ是无偏估计。]]></description><category></category></item><item><title><![CDATA[1.4.2 窄带带通滤波器]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542160</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542160</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:47:53 +0800</pubDate><description><![CDATA[项目内容滤波器类型理想窄带带通传递函数在窄带内为1，外为0输出功率谱输入功率谱在窄带内的截取平均功率窄带内功率谱积分窄带噪声功率集中在小频带正交分解同相 + 正交分量分量性质不相关、零均值、平稳🧠 记住一句话：**窄带滤波器就像“频率放大镜”，让你聚焦于信号的关键部分！**✨。]]></description><category></category></item><item><title><![CDATA[1.4.1 系统输出的功率谱密度]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156542092</link><guid>https://blog.csdn.net/qq_19432525/article/details/156542092</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:43:17 +0800</pubDate><description><![CDATA[项目内容输入信号随机过程xtx(t)xt系统类型线性时不变系统输出表示卷积ytxt∗htytxt∗ht冲激响应hth(t)ht，决定系统特性传递函数HfH(f)Hf，频域表示输出均值μxH0\mu_x H(0)μx​H0输出功率谱实际应用噪声分析、滤波器设计、通信系统🧠 记住一句话：**系统像一个“能量过滤器”，它决定了哪些频率能通过，哪些会被削弱！**✨。]]></description><category></category></item><item><title><![CDATA[1.3.2 多项式序列的 Gram-Schmidt 标准正交化]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156541915</link><guid>https://blog.csdn.net/qq_19432525/article/details/156541915</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:33:01 +0800</pubDate><description><![CDATA[f1x1f2xxf3xx2f1​x1f2​xxf3​xx2这是一个多项式序列，每个都是xxx的幂次函数。线性独立意思是：任何一个函数都不能写成其他函数的线性组合。比如x2x^2x2不能用111和xxx线性表示（除非有平方项）。✅ 所以f1f2f3f1​f2​f3​是线性独立的。在向量空间中，两个向量的点积告诉我们它们的“相似度”。在函数空间中，我们用内积来衡量两个函数的“接近程度”。]]></description><category></category></item><item><title><![CDATA[1.3.1 独立、不相关与正交]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156541868</link><guid>https://blog.csdn.net/qq_19432525/article/details/156541868</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:29:05 +0800</pubDate><description><![CDATA[py1y2py1py2(1.3.3)py1​y2​py1​py2​(1.3.3)这个公式太重要了！联合概率 = 边缘概率 × 边缘概率没有“额外的依赖项”📌 类比：你买苹果和买牛奶，如果这两件事互不影响，那你买苹果的概率 × 买牛奶的概率 = 同时买的概率。推广到向量形式，比如信号向量yy1ymTyy1​ym​Tpypy1⋯pym(1.3.4)pypy1​⋯pym​。]]></description><category></category></item><item><title><![CDATA[1.2.1 自相关函数、自协方差函数与功率谱密度]]></title><link>https://blog.csdn.net/qq_19432525/article/details/156541409</link><guid>https://blog.csdn.net/qq_19432525/article/details/156541409</guid><author>qq_19432525</author><pubDate>Sat, 03 Jan 2026 17:13:13 +0800</pubDate><description><![CDATA[自相关函数：信号和自己“隔多久还像自己”？→ 揭示周期性、记忆性 🕰️自协方差函数：去掉平均值后，只看“波动”的相似性 🧼功率谱密度（PSD）：信号的能量在各个频率上怎么分布？→ 频率指纹 🎼神奇连接：PSD = 自相关的傅里叶变换！↔️ 时间 ↔ 频率。]]></description><category></category></item></channel></rss>