卷积编码(编码信息率怎么算)

1. 卷积编码，编码信息率怎么算？

编码率是数据流中有用部分（非冗余）的比例。也就是说，如果编码率是k/n，则对每k位有用信息，编码器总共产生n位的数据，其中n-k是多余的。

例如：卷积码的典型编码率可以为1/2、2/3、3/4等，对应每一个、二个、三个等比特后插入一个冗余比特。里德-所罗门分组码（RS(204,188)）的编码率为188/204，对应每块188字节的有用信息中加入了204-188=16个冗余字节。

在数字信号处理的过程中，往往需要对模拟信号进行抽样、量化、编码最终转化为数字信号再由计算机进行计算处理。编码率，则是在对模拟信号采样、量化、编码完成后，数据流中有用信息部分所占的比例。

编码速率越大，效率越高。当信道质量比较差的时候，需要增加更多的冗余信息来保证接收端能够正确解调信号，更多的冗余信息意味着低的编码速率，最低编码速率是一个码需要增加3个冗余码，即1/4编码。

当信道质量好的时候，需要很少的冗余校验位就能解调，就可以提高编码速率。系统可以根据信道的变化选择合适的编码速率，这样可以使得信道质量好的用户获得更高的速率，提高平均吞吐率。

卷积编码(编码信息率怎么算)

2. 交织和信道编码的顺序？

交织和信道编码是数字通信中常用的两种技术，它们的顺序通常是先进行信道编码，然后再进行交织。

信道编码是指将原始数据进行编码，从而增加冗余度，以提高在信道传输中的纠错能力。通常使用一些编码技术，如卷积编码、Turbo编码、LDPC编码等。

接着，交织是指将编码后的数据按照一定的规则进行排列，从而改变原始数据的时序，以避免在信道传输中产生连续的错误。通常使用一些交织技术，如块交织、行列交织等。

因此，信道编码和交织的顺序是先进行信道编码，然后再进行交织。在数字通信系统中，信道编码和交织是常用的技术手段，可以有效地提高系统的可靠性和抗干扰性。

3. 27岁学python来得及吗？

谢邀，作为985院校计算机专业的本硕毕业生和BAT的Java开发工程师来回答这个问题。

没有计算机基础

BAT里很多人都不是计算机专业出身，我的两个技术mentor是通信出身，我们的女经理是光电出身，我们有个PM还是历史专业出身，可以说，专业背景不是限制你能否找到好工作的瓶颈。

而且可以说，我见到的这些人都是转行后在互联网领域做得非常优秀的人，我本科时候有个导师，他本科是学玻璃的，硕士去了清华，博士去了哈佛读计算机，他说很多转行来IT的人都是因为真的有兴趣，所以表现得比很多专业出身的人都出色。

因此，没有计算机基础并不是很大的困扰，能够意识到自己的志向之后开始学习，才是最重要的。

学习Python

鉴于现在Python如火如荼的气势，学Python的话，真的是一个非常明智的选择，而且看题主的描述，对自己的职业规划还是很清晰的，因此无需我再和你说选择Python是多么正确，Python是多么容易入门，对新手是多么友好，即便你现在30岁，想要入门Python也是非常快的。接下来，我就简单介绍如何自学Python好了。

网络

由于我有一定的Java基础，因此我是直接通过网站来学习Python的，而不是通过书籍。首先推荐两个免费的，功能相似的网站，新手可以在这里学习Python基本概念，分别是Python菜鸟教程以及w3cschool Python，大家可以自行到搜索引擎中去搜索，教学内容都有中文版，因此阅读起来也没有困难。由于二者功能相似，因此找一个学就够了。这两个网站不仅有基本知识，还有网络编程，数据库开发等，可以说是相当为读者的多样性需求考虑了。

书籍

如果你觉得使用网站学习不适应，那么我推荐一本Python书籍《Python编程从入门到实践》，这是由美国作者为所有Python初学者编写的，这里除了基本的Python概念，如字典，用户输入与white循环，if语句，函数，类，文件，测试等等，还有专门的模块教你实战，包括编写武装飞船，外星人等小游戏；数据可视化实战；还有Python web框架以及使用，可以说是一本非常全面的功能性书籍了。基本上涵盖了国内Python使用的方方面面。这本书是我在网络上基本看懂了Python基本数据结构后买的，其实有点后悔，觉得应该早点买的。

在掌握了上述技能之后，就可以到网上找一些别人写的demo项目，然后用自己的方式去实现，再把自己的实现发到网上，通过与大家的讨论来倒逼自己进步，反复这段经历，你会发现自己的进步飞快。

以上是我的Python自学经验以及建议，如果对你有所帮助，欢迎点赞留言。

总之，对于没有基础的人来说，Python确实是一门入门简单，适用性广的语言，因此还是很建议有这方面打算的人尽快付诸实践，也祝大家早日实现梦想。

我是苏苏思量，来自BAT的Java开发工程师，如果上述内容对你有所帮助，欢迎点赞评论转发。我会每天分享科技类见闻，也欢迎关注我，与我共同进步。

4. 数字图像处理技术主要包括哪些内容？

图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。

图像处理的基础是数学，最主要任务就是各种算法的设计和实现。

目前，图像处理技术已经在很多方面有着广泛的应用。

如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。

根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。

③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。

③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。

以便于存储和传输。

④图像重建：主要是利用采集的数据来重建出图像。

图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。

⑤模式识别：识别是图像处理的主要目的。

如：指纹鉴别、人脸识别等是模式识别的内容。

当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。

⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。

5. 人工智能四小龙？

近日，以CV（计算机视觉）起家、随后晋身“中国AI四小龙”的云从科技IPO申请已通过科创板审核，若后续进展顺利，云从有望成为“AI第一股”。

实际上，同在四小龙队列的其他三家公司，在证券市场的表现一直不尽如意。旷视科技2019年曾经冲击港股上市，2020年赴港上市计划搁浅，后来又在2021年3月冲击科创板上市，目前仍在排队状态。而依图科技也曾经冲击科创板，后于2021年6月撤销上市申请。

作为四小龙领军者的商汤科技，虽然有关融资的声音传出不断，但依旧没有落实上市的具体细节。

当下真的是AI四小龙上市的最佳时机吗？

7月16日，国家网信办会同公安部、国家安全部、自然资源部、交通运输部、税务总局、市场监管总局等部门联合进驻滴滴出行科技有限公司，开展网络安全审查。

一时间，凡是涉及大数据的互联网行业企业，都有风雨欲来的感觉。

业内人士认为，以深度学习作为核心AI理论的AI四小龙，其实已经感受到了非常大的压力。

甚至有言论表示， AI四小龙现在要过数据安全关了。

01 绕不开的核心

现在说AI四小龙必须重视数据安全，跟他们所采取的AI核心理论有关。

经过多年发展，AI技术已经从2006年多伦多大学的杰弗里·辛顿教授对外发布自己的那三篇关于深度学习的论文开始，逐渐衍生出众多的流派。

现在主流的是三大技术领域，也就是深度学习、机器逻辑和人工大脑。

所谓机器逻辑是希望通过算法和数据的叠加，让计算机具备符合人类社会要求的逻辑和方法论，可以自主在某个领域判断并分析相应问题，并得出答案。

所谓人工大脑，实际上是通过对人类大脑组织的研究，利用计算机的性能模拟和算法组织，形成类人工大脑功能和工作机制的计算机集群。

以上两种人工智能理论，要么是从行为上希望能模拟人类的运作，要么是从大脑结构上希望对人类解析从而产生技术上的突破。问题是，这两个领域现在都是在探索阶段，离相应产品落地还有很长的距离。

当下AI技术落地最普遍的，还是深度学习。

深度学习技术意味着计算机要进入学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。

它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

在深度学习之前，哪怕是百度这样的AI巨头，都无一例外经历了穷举法的所谓“特征工程”阶段。例如最早的阿波罗自动驾驶平台，所有在AI中计算机应该对路上发生行为进行的反应，都是由线下的工作人员根据人工对此的反应进行的标注。

一方面，每个人对任何事项的判断和反应都有着不同，这些不同积累到一定程度就容易引发AI系统的结构化错误；另一方面，要想完成庞大的面向社会层面操作的AI系统，那这种数据标注的结构下，又要动用大量的人力和时间。

这种数据标注的“特征工程”方式实际上是一种“伪”AI，人类训练计算机只是进行一种简单的因果关系，而并没有掌握事情的本质。

近年来，研究人员逐渐将“特征学习”和“规律发现”等AI方法结合起来，对原本已有督学习为基础的卷积神经网络，结合自编码神经网络进行无监督的预训练，进而利用鉴别信息微调网络参数形成的卷积深度置信网络。

与传统的学习方法相比，深度学习方法预设了更多的模型参数，因此模型训练难度更大，根据统计学习的一般规律来看，模型参数越多，需要参与训练的数据量也越大。

而随着计算机技术的进步以及分布化网络的形成，越来越多的算力，可以通过网络协调提供，这也就给人类AI技术的发展提供了一个新的基础。

可以说，深度学习逐渐成为AI的主流。另外，由于大量数据的引用和积累，深度学习跟数据安全之间，也产生了必要的联系。

02 深度学习的痛点

实际上，在数据安全方面，深度学习有着自己基本无法解决的痛点。

由于深度学习是建立在大量数据的应用与计算机训练基础上实现，基础数据的获得，对于深度学习技术的落地非常重要。

比如特斯拉被人诟病的摄像头自动驾驶技术。马斯克一直不愿意采用激光雷达作为关键性地标数据的测定工具，坚持使用摄像头来采集道路信息，基于庞大的已有汽车上路数据的训练，特斯拉本身汽车的自动驾驶技术稳定性相对来说很强。

AI四小龙也是如此，这两年的发展都跟大量基础数据的积累有关。

媒体报道显示，依图在“AI+医疗影像分析”方面所有突破，背后是海量的医疗影像图片的分析；云从在金融领域的AI学习和数据分析方面领先，不完全统计其服务的金融公司就超过50家，日常AI系统处理的数据也是一个无法想象的数量；而旷视科技围绕AI核心的行业物联解决方案是优势，成百上千万的物联网数据交换过程是旷视科技最核心的技术基础；另外，商汤在监控分析和城市管理等方面与政府和企业达成了不少合作，这也需要大量数据进行底层支持。

另外这4家也陆陆续续发布了一些新的技术服务，而这些新的技术无一例外都跟大数据的获取和分析一脉相承。

比如商汤科技在上海车展期间发布了自己的座舱AI数据化解决方案，功能直逼华为数字座舱，与特斯拉的一系列操控系统和自动驾驶功能类似，当然这也需要海量数据对系统进行驯化，才能产生更加准确的结果。

如今国家对数据安全的重视程度越来越高，这也就意味着以前利用客户数据大量积累，调试系统的时代一去不复返。

毕竟根据刚刚公布的征求意见稿，相应用户在应用中的数据企业如果想要采用，必须事先得到用户本身的许可。

这从一个角度无形中提升了深度学习的难度，并让四小龙现有技术的进一步拓展和新技术的落地产生了一些问题。

03 私有云的无奈

所有的AI企业在遇到数据安全的时候，都会有一系列的预案。其中只为客户提供技术，而数据训练和学习的过程留在客户自身系统中完成，已经成为不少国内外AI巨头，在遭到数据安全阻击的时候采用的重要产品策略。

根据市场一般的操作方式， AI企业只负责制作算法和系统封装之后的系统提供给用户，并帮助用户建立自己的私有云和数据空间，然后由用户根据相应的格式上传历史数据，让系统自我进行深度学习，最终完成用户在 AI领域功能的定制。

这种私有云的部署方式，看似完美解决了AI企业技术研发和用户数据安全之间的矛盾，然而，这样的情况背后还存在着一个无法解决的问题。

实际上所有这4家企业做的技术都是基于深度学习而深入学习，即使出来一个可以安排客户私有部署的AI系统或者平台，它一定会对某一个行业的数据进行过总结，也一定会有基础数据进行训练才行。

不然这个系统如何能在特定行业具备大范围的方法论，或者计算机的分析逻辑。

当下的AI技术并没有进化到系统可以自主学习，并树立独立人格和思维方式的时代，所有的系统都必须有一个知识边界，这个知识边界是越画越小才能越来越精确。

在这种情况下，AI四小龙推出的任何一款AI产品，事先都会经过哪怕是针对泛行业的数据调教和深度学习，形成一定的认知基础，才能作为针对特定行业的产品交付企业使用。

否则，AI公司只能是依据经验和猜测开发一套系统交给客户使用，还必须利用客户的数据对其进行调教和进化，而最终这套系统到底收不收客户的钱，就成了一个重要的问题。

这其实是数据安全背景下，倡导私有云模式解决问题的AI公司最大的无奈。

即使是已经具备完善深入学习解决方案，而且在其他企业都被训练过的AI系统，在交付新客户使用的时候，客户对自身数据的安全担忧会更加明显。

因为当下这个被AI公司推出的系统精确度非常高，就意味着他们使用了以往客户的数据，而新客户的数据是否被使用，就成了一个无法被保证的问题。

这种信用上的尴尬，有时候会引发行业客户订单的雪崩。

04 等待进化

业内人士认为，在国家注重数据安全的背景下，四小龙唯一可行解决的办法，就是将行业性普遍的AI系统转换成定制系统开发的产品。

因为不针对行业推出产品，而只为单独客户定制和开发AI系统，所有的数据安全则由客户本身承担，这样可以完美绕过国家对数据安全设下的防线。

但这5年的实际操作过程告诉我们， AI四小龙面前这条看似走得通的路，实际上是一条不归路。

因为每一个AI企业的下游都有不同的行业，以云从科技为例，金融、安防、交通等都有要服务的客户，应用的场景就更多了。而不同的场景适用的AI模型、底层算法都不同，如何让技术和操作系统最贴合某一个场景，需要不断地探索。

现在的人工智能处于发展初期，相关技术和应用场景的定制化解决方案迭代速度也比较快，以云从为例，其产品迭代周期一般只有2-6个月。不难看出，AI行业的研发是个持续时间长且投入高的过程。

这同样也是技术落地比较难的原因。再加上项目之间有明显的差异，定制化产品多于标准化产品，成本就会不可避免地往上走，看起来AI是高毛利率的行业，实际上血亏。

这也是为什么四小龙有三家正在上市，公布的财报中全是亏损，而且亏损的幅度在大额上升的重要原因。

况且，《中国成长性AI企业研究报告》指出，人工智能领域巨头盘踞，业界的龙头企业往往会向市场开放框架或者算法技术平台发展，为更多的企业提供基础支撑，而一些市场规模还不大的细化场景，巨头公司基本上不会涉足。

这意味行业不够大，企业自身的发展受限制，行业足够大，又容易引来巨头。

所以，数据安全被国家重视之后，AI四小龙的一切商业模式都等待着进化。

因为，不变就可能会“死”。

6. 内码和外码指什么？

在卫星通信中，内码和外码是两种不同的编码方式。内码是指在卫星传输过程中使用的编码方式，用于提高传输的可靠性和抗干扰能力。内码通常采用差分编码或者曼彻斯特编码等技术，将原始数据转换为一系列的信号变化，以便在传输过程中更好地识别和恢复数据。

而外码是指在卫星通信中使用的纠错编码方式，用于检测和纠正传输过程中的错误。外码通常采用海明码、RS码等技术，通过添加冗余信息来实现错误检测和纠正。外码能够提高数据传输的可靠性，保证数据在传输过程中的完整性和准确性。

通过使用内码和外码，卫星通信系统能够有效地提高数据传输的可靠性和抗干扰能力，确保数据能够在卫星传输过程中正确地传输和接收。

7. 开关量采集模块的通用性是什么？

一般模拟量是指现场的水井水位、水塔水位、泵出口压力和出口流量等模拟量,需要通过多路复用芯片完成多路数据的采集和模数转换器完成模拟量和数字量的转换,再将采集的数据给CPU处理。下面由广州莱安智能化系统开发有限公司来讲解一下：

模拟电子技术

模拟电子技术研究的是连续信号称为模拟量.数字电子技术研究的是断续信号称为数字量.根据这一点提出问题：大家非常熟悉也都会用的算盘它的数据是连续的还是断续的。

AD转换器

AD转换器(模数转换器)的作用是从信号加工放大器输入的0~5V的直流电信号通常称为模拟量,可用无限长的数字来表示,如4.8213.…(V),计算机处理这些模拟量,只能处理有限长度的量,我们称之为数字量。

量测压

量测值电压值、有功功率、无功功率、温度和变压器抽头位置等均用量测值表示与状态量（也称逻辑量）对照也称为模拟量。因日立仪器吸取试剂时并不是按参数设置的体积吸取,而是要多吸一部分(此部分称为模拟量),此种设计的目的是为了防止试剂被稀释。工作模式比较人们把连续变化的物理量称为模拟量.指针式万用表的指针偏转可随时间作连续变化,并与输入量保持一种对应关系,故称之为模拟式万用表(VOM)。

遥测

遥测——反映电力系统及设备的运行状态如有功功率、无功功率、电压、电流及频率等也称为模拟量.电量——这是功率对时间的积分量主要用于统计与记帐。

与数字量区别

数字量

在时间上和数量上都是离散的物理量称为数字量。把表示数字量的信号叫数字信号。把工作在数字信号下的电子电路叫数字电路。

例如：

用电子电路记录从自动生产线上输出的零件数目时，每送出一个零件便给电子电路一个信号，使之记1，而平时没有零件送出时加给电子电路的信号是0，所在为记数。可见，零件数目这个信号无论在时间上还是在数量上都是不连续的，因此他是一个数字信号。最小的数量单位就是1个。

模拟量

在时间上或数值上都是连续的物理量称为模拟量。把表示模拟量的信号叫模拟信号。把工作在模拟信号下的电子电路叫模拟电路。

例如：

热电偶在工作时输出的电压信号就属于模拟信号，因为在任何情况下被测温度都不可能发生突跳，所以测得的电压信号无论在时间上还是在数量上都是连续的。而且，这个电压信号在连续变化过程中的任何一个取值都是具体的物理意义，即表示一个相应的温度。

转换原理

1. 数模转换器是将数字信号转换为模拟信号的系统，一般用低通滤波即可以实现。数字信号先进行解码，即把数字码转换成与之对应的电平，形成阶梯状信号，然后进行低通滤波。

根据信号与系统的理论，数字阶梯状信号可以看作理想冲激采样信号和矩形脉冲信号的卷积，那么由卷积定理，数字信号的频谱就是冲激采样信号的频谱与矩形脉冲频谱（即Sa函数）的乘积。这样，用Sa函数的倒数作为频谱特性补偿，由数字信号便可恢复为采样信号。由采样定理，采样信号的频谱经理想低通滤波便得到原来模拟信号的频谱[1] 。

一般实现时，不是直接依据这些原理，因为尖锐的采样信号很难获得，因此，这两次滤波（Sa函数和理想低通）可以合并（级联），并且由于这各系统的滤波特性是物理不可实现的，所以在真实的系统中只能近似完成。

2.模数转换器是将模拟信号转换成数字信号的系统，是一个滤波、采样保持和编码的过程。模拟信号经带限滤波，采样保持电路，变为阶梯形状信号，然后通过编码器，使得阶梯状信号中的各个电平变为二进制码。

概述

模拟量采集模块采用RS485通讯网路，将分散的现场数据点的模拟量经AD变换传输到主机或由PC控制远程主站点。具有独特的双看门狗安全设计。模拟量采集模块具有计量数据采集、测量数据采集、设备开关状态采集和对外逻辑控制等多项功能，主要用作各种测控终端的数据采集、控制和显示设备，适用于各行业的自动化、信息化系统。

模拟量采集模块分为输入模块与输出模块。

模拟量采集模块，采用业界通用协议，美国ADI公司高性能模数转换芯片，日本NEC光电隔离器件，为用户提供多量程、高耐压隔离、远距离、低漂移、宽泛工作温度环境、高性价比、远超同类的智能测控解决方案。

模拟量输入模块主要是指将4-20mA电流环信号转换成RS-485信号，支持Modbus RTU协议，也能兼容。

功能

采集功能：采集压力、温度、位移等变送器的标准信号；采集流量计、脉冲表的流量数据；采集水泵或阀门运行状态、设备供电状态和箱门开关状态。

控制功能：支持自动控制、远程控制水泵、阀门等控制设备。

显示功能：数码管显示、液晶显示可选；支持外接显示屏幕。

远程管理功能：支持通过GPRS传输设备进行远程参数设置、程序升级。

报警功能：监测数据越限，立即上报告警信息。

存储功能：本机循环存储监测数据，掉电不丢失。

特点

可根据用户要求进行逻辑编程。