开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何测量信号与特定值的离散度

测量信号与特定值的离散度可以通过以下几种方法进行：

方差（Variance）：方差是最常用的测量离散度的方法之一。它衡量了数据集中各个数据点与其平均值之间的差异程度。方差越大，数据点越分散。
标准差（Standard Deviation）：标准差是方差的平方根，它表示数据集的离散程度。标准差越大，数据点越分散。
平均绝对偏差（Mean Absolute Deviation，MAD）：平均绝对偏差是各个数据点与其平均值之间绝对值的平均值。它衡量了数据集的平均离散程度。
极差（Range）：极差是数据集中最大值与最小值之间的差异。它可以简单地衡量数据的离散程度，但不考虑数据点之间的分布情况。
百分位数（Percentile）：百分位数是将数据集按大小排序后，某个特定百分比处的值。例如，第75百分位数表示有75%的数据小于或等于该值。通过比较不同百分位数处的值，可以了解数据集的分布情况。

以上方法可以根据具体情况选择使用。在实际应用中，可以根据数据的特点和需求选择合适的离散度测量方法。

腾讯云相关产品和产品介绍链接地址：

腾讯云计算服务：https://cloud.tencent.com/product/cvm
腾讯云数据库服务：https://cloud.tencent.com/product/cdb
腾讯云人工智能服务：https://cloud.tencent.com/product/ai
腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
腾讯云移动开发服务：https://cloud.tencent.com/product/mobdev
腾讯云存储服务：https://cloud.tencent.com/product/cos
腾讯云区块链服务：https://cloud.tencent.com/product/baas
腾讯云元宇宙服务：https://cloud.tencent.com/product/vr

相关搜索:Has_many与特定值的关联:如何操作？Linux如何测量特定进程的运行时间？mongodb:如何检查值是否与特定键关联 Pandas:重采样dataframe列，获取与最大值对应的离散特征 Python如何创建一个新的列来测量城市的接近度？R中的Igraph如何计算网络中具有特定度的节点数，如度=0 与对象的接口，但具有特定值呈现ActiveReccord:与特定CAT值的关系如何在绘制多个箱形图时使用x的特定离散值如何求信号的最小值？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

感知世界的模拟量信号

在电工，电子领域，我们经常会遇到各种模拟量信号如电压，电流，在大自然中更是有多种模拟量信号，如温度，风速，压力，湿度，酸碱度，那么如何定义模拟量信号呢？在模拟电子技术中：是指用连续变化的物理量所表达的信息。

01

VM301振弦读数模块

VM301是自主研发的嵌入式振弦传感器测量模块,适用于国内外各种振弦式传感器。模块拥有测量精度高，低功耗、兼容性强等特点。可方便的嵌入到土木工程传感器的测量产品PCB板中。

02

12位adc的分辨率计算_ADC的量化误差

分贝(dB)：按照对数定义的一个幅度单位。对于电压值，dB以20log(VA/VB)给出；对于功率值，以10log(PA/PB)给出。dBc是相对于一个载波信号的dB值；dBm是相对于1mW的dB值。对于dBm而言，规格中的负载电阻必须是已知的(如：1mW提供给50Ω)，以确定等效的电压或电流值。

03

【Science】万字综述：空间组学将去何方

空间组学被广泛宣称为生命科学的新前沿。这个术语涵盖了一系列技术，承诺将改变生物学的许多领域，并通过同时测量物理组织结构和分子特性，有望彻底革新病理学。尽管这个领域在过去5年已经成熟，但它仍然面临一些成长中的困扰：进入的门槛、稳定性、实验设计和分析的最佳实践不明确，以及缺乏标准化。在这篇综述中，我们系统地列举了空间组学技术的各种类型；强调了它们的原理、优势和局限性；并对这个极具潜力但仍难以驾驭的领域未来面临的最大挑战提出了一些观点和建议。

02

Stroke:成人烟雾病外观正常的脑实质的微结构损伤及其与神经认知功能障碍

慢性缺血引起的脑微结构损伤在成人烟雾病(MMD，烟雾病是一种病因不明的、以双侧颈内动脉末端及大脑前动脉、大脑中动脉起始部慢性进行性狭窄或闭塞为特征，并继发颅底异常血管网形成的一种脑血管疾病。由于这种颅底异常血管网在脑血管造影图像上形似“烟雾”，故称为“烟雾病”)的神经认知功能障碍中起关键作用。本文使用神经突起方向离散度与密度成像（NODDI）方法研究了MMD患者大脑微结构的变化及其与神经认知功能障碍的相关性。研究发表在STROKE杂志。

02

音频质量评估-1

把模拟信号转变成数字信号，前者是连续的，后者离散的。因此有DAC和ADC。需要关注的三个指标，这三个指标决定音频的质量

02

《自然语言处理实战入门》文本检索与信息抽取 ---- 关键词抽取

常用的检索算法有根据余弦相似度进行检索，Jaccard系数，海灵格-巴塔恰亚距离和BM25相关性评分。

02

【GCN】万字长文带你入门 GCN

断断续续写了一个多星期，期间找了很多同学讨论学习，感谢指导过点拨过我的同学们，为了精益求精本着不糊弄别人也不糊弄自己的原则在本文中探讨了很多细节。

04

【GCN】万字长文带你入门 GCN

断断续续写了一个多星期，期间找了很多同学讨论学习，感谢指导过点拨过我的同学们，为了精益求精本着不糊弄别人也不糊弄自己的原则在本文中探讨了很多细节。

02

监测生命体征、活动水平的可穿戴电子产品设计方案

移动电话的普及使我们能够随时随地拨打电话。又经过20年的创新后，语音通话已不再是手机这款智能设备的主要功能，它不仅可以拍摄美丽的照片、播放音频和视频流文件，而且还提供各种各样的服务：现在还逐渐成为我们的私人教练。

06

估计理论（Estimation theory）

估计理论是对收信端接收到的混有噪声的信号，用统计学方法估计出信号的参量或状态的理论。估计分为参量估计和状态估计两类。参量和状态的区别是：前者随着时间保持不变或只缓慢变化；后者则随着时间连续变化。

02

一文搞懂 "星座图" 原理！

在模拟调制中，载波参量的改变是按连续的模拟信息。在数字调制中，这些载波参数（幅度，频率和相位）的变化由离散的数字信号决定。从这个意义上讲，数字调制和模拟调制并无本质区别。数字调制信号只须表示离散的调制状态，这些离散状态在矢量图上称为符号点 (symbol point)，符号点的组合称为星座图(constellation)。

01

【STM32F407的DSP教程】第27章 FFT的示波器应用

完整版教程下载地址：http://www.armbbs.cn/forum.php?mod=viewthread&tid=94547 第27章 FFT的示波器应用特别声明：本章节内容整理自

03

信号上升边与系统带宽

电磁干扰无处不在，每个设计人员又必须面对。为了有效抑制，通常要从解决信号完整性问题入手。本内容摘录自《信号完整性与电源完整性分析》，从时域由浅入深的过渡到频域，并从此角度阐述了信号上升边与系统带宽的内在联系。紫色文字是超链接，点击自动跳转至相关博文。

01

距离和相似性度量在机器学习中的使用统计

作者：daniel-D 来源：http://www.cnblogs.com/daniel-D/p/3244718.html 在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则： 1) d(x,x) = 0

03

【安富莱二代示波器教程】第1章示波器基础知识

本章的内容整理自网络，主要讲解示波器的基础知识。如果初学的话非常有必要对这部分知识有一个了解。因为示波器是硬件调试必不可少的设备。

05

【STM32F429的DSP教程】第24章 DSP变换运算-傅里叶变换

完整版教程下载地址：http://www.armbbs.cn/forum.php?mod=viewthread&tid=94547 第24章 DSP变换运算-傅里叶变换本章节开始进入此教

03

【STM32F407的DSP教程】第24章 DSP变换运算-傅里叶变换

完整版教程下载地址：http://www.armbbs.cn/forum.php?mod=viewthread&tid=94547 第24章 DSP变换运算-傅里叶变换本章节开始进入此教

01

【STM32H7的DSP教程】第24章 DSP变换运算-傅里叶变换

完整版教程下载地址：http://www.armbbs.cn/forum.php?mod=viewthread&tid=94547 第24章 DSP变换运算-傅里叶变换本章节开始进入此教

01

Nature Reviews Neuroscience：迈向一个有生物学注解的大脑连接体

大脑是一个交错的神经回路网络。在现代连接组学中，大脑连接通常被编码为节点和边的网络，抽象出局部神经元群的丰富生物细节。然而，网络节点的生物学注释——如基因表达、细胞结构、神经递质受体或内在动力学——可以很容易地测量并覆盖在网络模型上。在这里，我们回顾了如何将连接体表示为注释网络并进行分析。带注释的连接体使我们能够重新定义网络的结构特征，并将大脑区域的连接模式与其潜在的生物学联系起来。新出现的研究表明，带注释的连接体有助于建立更真实的大脑网络形成、神经动力学和疾病传播模型。最后，注释可用于推断全新的区域间关系，并构建补充现有连接体表示的新型网络。总之，生物学注释的连接体提供了一种令人信服的方法来研究与局部生物学特征相一致的神经连接。

01

模拟IC设计简介

集成电路（IC）自 1950 年代后期推出以来一直统治着电子行业。所有迹象都表明，这些小黑匣子将继续主导市场，尤其是模拟IC设计，多年来变得越来越重要。

01

5000字示波器基础 | 如何理解示波器的采样率和存储深度？

输入的电压信号经耦合电路后送至前端放大器，前端放大器将信号放大，以提高示波器的灵敏度和动态范围。放大器输出的信号由取样/保持电路进行取样，并由 A/D 转换器数字化，经过 A/D 转换后，信号变成了数字形式存入存储器中，微处理器对存储器中的数字化信号波形进行相应的处理，并显示在显示屏上。这就是数字存储示波器的工作过程。

02

FPGA零基础学习：理解数字信号和模拟信号

大侠好，欢迎来到FPGA技术江湖。本次带来FPGA系统性学习系列，将带来FPGA的系统性学习，从最基本的数字电路基础开始，最详细操作步骤，最直白的言语描述，手把手的“傻瓜式”讲解，让电子、信息、通信类专业学生、初入职场小白及打算进阶提升的职业开发者都可以有系统性学习的机会。

00

FPGA零基础学习：理解数字信号和模拟信号

大侠好，欢迎来到FPGA技术江湖。本次带来FPGA系统性学习系列，将带来FPGA的系统性学习，从最基本的数字电路基础开始，最详细操作步骤，最直白的言语描述，手把手的“傻瓜式”讲解，让电子、信息、通信类专业学生、初入职场小白及打算进阶提升的职业开发者都可以有系统性学习的机会。

01

[物联网] 3.4 采集信息--传感器

传感器是什么传感器是一种装置，它的用途在于检测周边环境的物理变化，将感受到的信息转换成电子信号的形式输出。人类用五种感官来感知环境的变化，设备则用传感器来感知。如表 3.4 所示，传感器有很多种类。每种传感器都包含各种各样的应用方式，“用哪个传感器”对所有从事设备开发的人来说都是一件令他们头疼的事。虽然没有绝对正确的方法，但是如果不了解传感器的机制和特性，就不可能做出设备。感测技术在日益进化。不少新设备的创意都是从“能用这个方法测量这种东西了”这样的一步步的技术革新中诞生出来的。这里非常重要的一点是，传感器的知识不仅对技术人员而言很重要，从产品设计和经营战略的角度上来看，学习传感器知识也是非常重要的。接下来就让我们一边了解传感器最普遍且最基本的测算手法，一边来加深对传感器的理解。表 3.4 具有代表性的传感器

01

频率计数器、高精度频率计、时间间隔测量仪

数字式频率计也称为数字频率表或电子计数器。它不仅是电子测量和仪器仪表专业领域中测量频率与周期、测量频率比和进行计数、测时的重要仪器，而且比示波器测频更方便、经济得多，特别是现代电子计数器产品与足见和具有多种测量功能的数字式频率计，已广泛应用于计算机系统、通讯广播设备、生产过程自动化测控装置、带有 LED、LCD数字显示单元的多种仪器仪表以及诸多的可许技术领域。可以说，伴随着数字化技术的发展，电子计算机、通讯设备、音频和视频技术进入科研、生产、军事技术和经济生活领域，直至家庭和个人，使得电子计数器和测频手段与上述电子设备耦连为形影不离的技术。数字频率计是一种用十进制数字显示被测信号频率的数字测量仪器。它的基本功能是测量正弦信号 .方波信号 ,尖脉冲信号及其他各种单位时间内变化的物理量，频率计的基本原理是用一个频率稳定度高的频率源作为基准时钟，对比测量其他信号的频率。通常情况下计算每秒内待测信号的脉冲个数，此时我们称闸门时间为 1 秒。闸门时间也可以大于或小于一秒。

01

Python数据预处理概述

对于数据分析而言，数据是显而易见的核心。但是并不是所有的数据都是有用的，大多数数据参差不齐，层次概念不清淅，数量级不同，这会给后期的数据分析和数据挖掘带来很大的麻烦，所以有必要进行数据预处理。

02

FNIRS研究：额颞叶-顶叶系统在真实情景下目光接触中的脑内和脑间同步

来自耶鲁大学医学院的JoyHirsch等人在NeuroImage杂志上发文，他们使用两台近红外设备同步采集了双人目光接触时的脑活动信号，数据分析表明目光接触时双人脑内/脑间存在同步，该过程涉及了左前额、颞-顶叶等脑区。关键字：超扫描近红外目光接触岛津今天和大家分享的是一篇耶鲁大学医学院的研究人员发表在NeuroImage上的双人近红外研究。人类的目光接触是社交线索和沟通的主要来源。尽管这种人际互动具有生物学意义，我们对其基本的神经过程尚不清楚。这一知识空白在一定程度上反映了传统的神经影像学方法的

07

使用方向变换（directional transform）图像分块压缩感知

论文的思路是先介绍分块压缩感知BCS，然后介绍使用投影和硬阈值方法的迭代投影方法PL，接着将PL与维纳滤波器结合形成SPL（平滑PL），并且介绍了稀疏表示的几种基，提出了两种效果较好的稀疏基：CT与D

斯坦福华人教授：声波、光波，其实都是RNN！机器学习模型对应物理系统

近来，物理、数学与机器学习领域之间相互交叉，促进了使用机器学习框架来优化物理模型，并进一步促进研究人员开发了许多令人兴奋的新机器学习模型（例如神经ODE，哈密顿神经网络等），它们借鉴了物理学的概念。

01

缺氧协调胶质母细胞瘤内髓系细胞的空间分布

通过测量每个population的聚类系数，研究了髓系细胞在空间上与同类细胞的关联趋势。聚类系数是一种描述网络特性的统计数据，高值表明population形成了紧密相连的cluster，低值表明该群体的细胞在TME中连接弱，聚类更松散。在这一初步分析中，所有的髓系群体都表现出相似的聚类倾向，核心的TAM-Cd68和TAM-Int群体的聚类性明显更高。这些聚类值表明，大多数髓系population在TME中形成小的、弱连接的cluster。由于更丰富的population可能纯粹是偶然聚集在一起，随后修正了区域间population丰度差异的聚类系数。这表明，几乎所有的细胞群都表现出比偶然预期更多的聚集性。值得注意的是，TAM-Supp细胞在边缘显示出明显更密集的聚集。在边缘和核心区之间，聚类模式是保守的。测量分类性(网络中种群与不同种群的同类种群相连接的趋势的描述性统计数据)同样表明，细胞对与同类种群的细胞相连接表现出微弱但积极的偏好，这在边缘和核心区域之间是相似的。总的来说，这些数据表明，不同的髓系细胞群在TME中分离并形成松散的同型cluster，这种分离的生物学驱动因素大多独立于肿瘤边缘或核心的更广泛位置。

00

STM32—PID控制在直流电机中的应用「建议收藏」

在过程控制中，我们经常使用的一种算法就是PID算法了，所谓PID控制算法就是对偏差进行比例、积分、微分控制，来使偏差趋于某一固定的值，PID核心由三个单元组成：比例单元（P）、积分单元（I）、微分单元（D），PID实际上就是误差控制。

02

行为科学统计第一章知识点总结

1、什么是总体？什么是样本？总体是一个研究的所有研究对象的个体的集合。样本是被选择出来的参与研究的特定的个体集合。样本被期望能够代表总体。

01

电赛专题 |国一作品_线路负载及故障检测装置

有幸邀请到了在2019大学生电子设计大赛的获奖优秀队员为本公众号投稿，将分几次推文为大家介绍几只优秀队伍的作品。

03

ADC介绍

模数转换器(analog to Digital Converter，简称ADC)是一种数据转换器，它通过将模拟信号编码为二进制代码，使数字电路能够与现实世界进行接口。

01

音视频知识图谱 2022.09

前些时间，我在知识星球上创建了一个音视频技术社群：关键帧的音视频开发圈，在这里群友们会一起做一些打卡任务。比如：周期性地整理音视频相关的面试题，汇集一份音视频面试题集锦，你可以看看这个合集：音视频面试题集锦。再比如：循序渐进地归纳总结音视频技术知识，绘制一幅音视频知识图谱，你可以看看这个合集：音视频知识图谱。

03

NeuroImage：功能磁共振成像中自发、短暂脑网络相互作用的行为相关性

摘要：几十年来，不同脑区自发波动的功能磁共振成像（fMRI）信号与行为之间的关系一直处于探索阶段，这些信号间的相关性（即功能连接）可以在几分钟的数据中平均，为个体提供功能网络架构的稳定表征。然而，这些稳定表征和行为特征之间的联系已被证明是由解剖学上的个体差异所决定。这里，我们使用核学习方法，提出了评估和比较时变功能连接、时间平均功能连接、脑结构数据和非成像主体行为特征间关系的方法。我们将这些方法应用于Human Connectome Project（HCP）静息态功能磁共振（rsfMRI）数据中，发现在几秒钟的时间尺度上检测到的fMRI时变功能连接和一些与解剖学无关的行为特征有关。尽管时均功能连接在个体间的fMRI信号可变性中所占比例最大，但我们发现智力的某些方面只能用时变功能连接来解释。研究表明，时变fMRI功能连接与群体行为多变有着独特的关系，它可能反映了围绕稳定的神经结构波动的短暂神经元交流。

00

方差、协方差、标准差、均方差、均方根值、均方误差、均方根误差对比分析[通俗易懂]

本文由博主经过查阅网上资料整理总结后编写，如存在错误或不恰当之处请留言以便更正，内容仅供大家参考学习。

01

基于EEG信号的生物识别系统影响因素分析

摘要：由于指纹、语音或面部等传统特征极易被伪造，因此寻找新的生物特征成为当务之急。对生物电信号的研究也因此具有了开发新的生物识别系统的潜力。使用脑电信号是因为其因人而异，并且相比传统的生物识别技术更难复制。这项研究的目的是基于脑电信号分析影响生物识别系统性能的因素。此项研究使用了六个不同的分类器来对比研究离散小波变换的几种分解级别作为一种预处理技术，同时还探讨了记录时间的重要性。这些分类器是高斯朴素贝叶斯分类器，K近邻算法（KNN），随机森林，AdaBoost(AB)，支持向量机（SVM）和多层感知器。这项工作证明了分解程度对系统的整体结果没有很大的影响。另一方面，脑电图的记录时间对分类器的性能有较大影响。值得说的是这项研究使用了两组不同的数据集来验证结果。最后，我们的实验表明，SVM和AB是针对此特定问题的最佳分类器，它们分别实现了85.94±1.8，99.55±0.06，99.12±0.11和95.54±0.53，99.91±0.01和99.83±0.02的灵敏度、特异性和准确率。

02

关于振动的分析[通俗易懂]

1, 按频率范围分 , 可以分为低频振动 :f<10Hz 中频振动 :f=10~1000Hz 高频振动 :f>1000Hz

03

计算机控制技术课程配套教材习题解答（第4、5章）

pdf版下载地址：http://pan.baidu.com/s/1hrKoza8

04

【数字图像】数字图像傅立叶变换的奇妙之旅

数字图像处理是一门涉及获取、处理、分析和解释数字图像的科学与工程领域。这一领域的发展源于数字计算机技术的进步，使得对图像进行复杂的数学和计算处理变得可能。以下是数字图像处理技术的主要特征和关键概念：

01

Parrot Anafi AI无人机介绍.上

法国无人机厂商Parrot将在下半年发布全新无人机“Anafi AI",快来看看吧！

02

PMBOK第六版工具与技术:数据收集数据分析数据表现

数据收集技术： 1.头脑风暴：收集关于项目方法的创意和解决方案。 2.焦点小组：召集预定的相关方和主题专家，了解他们对所讨论的产品服务或成果的期望和态度。主持人引导大家互动式讨论。 3.访谈：通过与相关方直接面谈，来获取信息的正式或非正式的方法。 4.标杆对照：将实际与计划的产品过程和实践，与其他可比组织的实践进行比较，以便识别最佳实践。 5.问卷调查：设计一系列书面问题，向众多受访者快速收集信息。地理位置分散，受众多样化，适合开展统计分析的调查。也可用来收集客户满意度。 6.检查表：又称计数表，用于合理排列各种事项，以便有效地收集关于潜在质量问题的有用数据。用核查表收集属性数据就特别方便。 7.统计抽样：从目标总体中选取部分样本用于检查。 8.核对单：需要考虑项目，行动或要点的清单。它常被用作提醒。应该不时地审查核对单，增加新信息，删除或存档过时的信息。 9.市场调研：考察行业情况和具体卖方的能力。在规划采购管理中使用。

03

【涨姿势】统计名词和数据挖掘术语大盘点

一、数据挖掘术语【算法】指的是用于实现某一数据挖掘技术－如分类树、辨识分析等等的特定程序。【属性】也被称为“特性”、“变量”、或者从数据库的观点，是一个“域” 。【个体】是关于一个单元的测量值的集合――例如一个人的身高、体重、年龄等等；它也被称作“记录”、或者“行”（每一行通常代表一个记录，每一列代表一个变量）。【置信度】在形如“如果买了A和B，就要买C”的关联法则里有特定的含义。置信度是已经买了A和B，还要买C的条件概率。【因变量】在有约束学习里是那个被预测的变量；也

06

Anesthesiology：儿童神经生理复杂性随发育年龄增加而增加但全身麻醉可降低

背景：大脑皮层的神经生理学复杂性已经被证明反映了成人意识水平的变化，但在发育中的大脑中仍然不完全了解。本研究旨在探讨与年龄和麻醉状态转变相关的皮质复杂性变化。本研究验证了以下假设：皮质复杂性(1)随着发育年龄的增加而增加，(2)在全身麻醉时降低。

02

【陆勤践行】机器学习中距离和相似性度量方法

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则： d(x,x) = 0 // 到自己的距离为0 d(x,y) >= 0 // 距离非负 d(x,y) = d(y,x) // 对称性: 如果 A 到 B 距离是 a，那么 B 到 A 的距离也应该

08

不一样的「注意力」：人机交互注意力的测量指标与利用

本文我们关注注意力（Attention）问题。在这里，我们谈到的注意力与大家非常熟悉的机器学习中的注意力模型（Attention Model，AM）不同，本文讨论的是人机交互中的注意力问题。

03

Biological Psychiatry：精神病学中神经成像的时空精确度

在精神疾病中观察到的异常认知、感知和行为模式被认为是由快速进化的神经过程的复杂相互作用驱动。目前神经成像技术固有的空间和时间分辨率之间的权衡阻碍了对人类体内这些动态过程的理解。最近精神病学研究的一个趋势是使用高时间分辨率成像，特别是脑磁图，通常与复杂的机器学习解码技术相结合。这方面的发展有望对认知现象的时空动力学提供新的见解，包括与精神疾病相关的领域，如奖励和回避学习、记忆和计划。本综述回顾了利用这种提高的时空精度所取得的最新进展，并特别提到了寻求推动对精神病理学的机制理解和实现临床前转化的应用。

01

频率计和通用计数器的区别？

电子计数器按功能可分4类，1通用计数器：可测频率、周期、相位、时间间隔、频率比、占空比和累计等。2频率计数器：专门用于测量高频和微波频率的计数器。3计算计数器：具有计算功能的计数器，可进行数学运算，可用程道序控制进行测量计算和专显示等全部工作过程。4微波计数器：是以通用计数器和频率计数器为主配以测频扩展器而组成的微波频率计。它的测频上限已进入毫米波段，有手动、半自动、全自动3类。

04

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭