Vijava 学习笔记之 虚拟机连接

package com.vmware.client;
 
import com.vmware.util.ClientSesion;
import com.vmware.vim25.VirtualMachineAffinityInfo;
import com.vmware.vim25.VirtualMachineCapability;
import com.vmware.vim25.VirtualMachineConfigInfo;
import com.vmware.vim25.mo.*;
import java.net.URL;
 
/**
 * Created by vixuan-008 on 2015/4/8.
 * 测试类
 */
public class Client {
    public static void main(String[] args){
 
        try{
            ClientSesion session=new ClientSesion("172.16.1.20","root","vmware");
            URL url = new URL("https", session.getHost(), "/sdk");
            ServiceInstance si = new ServiceInstance(url, session.getUsername(), session.getPassword(), true);
 
            Folder rootFolder = si.getRootFolder();
 
            ManagedEntity[] mes =new InventoryNavigator(rootFolder).searchManagedEntities("VirtualMachine");
            if(mes==null || mes.length==0){
                si.getServerConnection().logout();
            }
            System.out.println("VirtualMachine numbers:" + mes.length);
 
            VirtualMachine virtualMachine=(VirtualMachine)mes[0];
            VirtualMachineConfigInfo config=virtualMachine.getConfig();//虚拟机配置信息
            VirtualMachineCapability capability=virtualMachine.getCapability();//虚拟机容量信息
 
            //虚拟机名称
            System.out.println("virtualMachine Name:" + virtualMachine.getName());
           //虚拟机名称
            System.out.println("virtualMachine Name:"+config.getName());
            //虚拟机描述
            System.out.println("virtualMachind desciption:" + config.getAnnotation());
            //虚拟机关联CPU(关联Process 或者)
            VirtualMachineAffinityInfo affinity=config.getCpuAffinity();
           //虚拟机版本信息
            System.out.println("virtualMachine version" + config.getVersion());
            //虚拟机CPU 计数器是否启用
            System.out.println("cpu counters enable:"+config.vPMCEnabled);
 
        }catch(Exception e){
            e.printStackTrace();
        }

    }
}


---------------------
作者:在奋斗的大道
来源:CSDN
原文:https://blog.csdn.net/zhouzhiwengang/article/details/45045379
版权声明:本文为博主原创文章,转载请附上博文链接!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    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 5
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