简单倒计时实现

运行效果:
<img src="https://img-blog.csdn.net/20150720141719283?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />
<div class="div-countdown" time="1437192000"> //time标记结束时间的时间戳
	<ul>
		<li name="day">1</li>
		<li style="background: none;">天</li>
		
		<li name="hour">1</li>
		<li style="background: none;">时</li>
		
		<li name="second">1</li>
		<li style="background: none;">分</li>
		
		<li name="mill">1</li>
		<li style="background: none;">秒</li>
	</ul>
	
	<div style="clear: both;"></div>
	
</div>


.div-countdown ul li{
		float: left;
		color: white;
		background: black;
		border-radius: 5px;
		width: 20px;
		list-style: none;
		text-align: center;
	}


$(function(){
	$('.div-countdown').each(function(){
			var endTime = $(this).attr("time");
			
			if(endTime == ""){
				$(this).css("display","none");
				return ;
			}
			
	        var self = this ;
	        
	        updateCountDown(self,endTime);
	        
	        setInterval(function(){
	        	updateCountDown(self,endTime);
	        },1000);
	});
	
	function updateCountDown(self,endTime){
			var nowTime = Math.round(new Date().getTime()/1000);
			console.log(nowTime);
			var t = endTime - nowTime;
	        // 总秒数  
	//      var xt = parseInt(t/1000);
	        var xt = parseInt(t);
	        // 秒数  
	        var remain_sec = xt % 60;
	        xt = parseInt(xt/60);
	        // 分数  
	        var remain_minute = xt % 60;
	        xt = parseInt(xt/60);
	        // 小时数  
	        var remain_hour = xt % 24;
	        xt = parseInt(xt/24);
	        // 天数  
	        var remain_day = xt;
	        
	        $(self).find("li[name='day']").text(remain_day);
	        $(self).find("li[name=hour]").text(remain_hour);
	        $(self).find("li[name=second]").text(remain_minute);
	        $(self).find("li[name=mill]").text(remain_sec);
		}

});

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值