皮皮网

1.����Ϊ����Դ��
2.怎样将电网频率用于多媒体取证？面向音频取证的电流电网频率检测与增强有源码
3.一行代码不写，直接点亮LED灯—零基础了解+上手CubeIDE
4.干货|开源MIT Min cheetah机械狗设计(二十三)运动控制器源码解析---控制和优化思想

����Ϊ����Դ��

       制作了一个成本仅元的可编程电流表，不仅成功夺得了元奖金，码漩还充分展示了电路设计的流产高精度与多功能性。本文详细记录了该电流表的电流制作过程与电路原理。

       这款电流表为TYPE-A转TYPE-A设计，为漩涡源涡电升级维护页面源码具备以下功能：可编程电流范围为mA至3A，码漩具备连续调整及触发周期调整能力；小幅度波动容忍度可调；支持5至V的流产快速充电供电，可用作快速充电中间件；大电流快速响应，电流一旦瞬时电流超过设定值的为漩涡源涡电1.2倍，会立即断开后级电路；实时显示限流值情况，码漩同时监控供电电压及电流状态；提供源代码，流产便于优化与改进。电流

       设计原理主要基于实现一个可编程电流表的为漩涡源涡电需求。考虑到用作充电器中间件可能遇到的码漩高电压情况，选择了支持宽电压供电的DC-DC降压电路，供电电压范围达到5至V。电路采用二级稳压设计，首先将输入电压降压至5V，再通过LDO将电压进一步稳压至3.3V，以确保稳定供电和ADC采样稳定性。

       电路主要分为7个部分：供电电路、输出控制及电流采样电路、USB电压采样、工具类源码显示电路、按键电路、无源蜂鸣器驱动电路以及主控电路。供电电路使用DC-DC降压芯片“JWA”将电压降压至5V，再通过LDO SK稳压至3.3V，配置可恢复保险丝和ESD保护。输出控制及电流采样电路采用微硕的PMOS WSDLDN，实现电流控制和采样。USB电压采样尽量使用高精度电阻以提高精度。显示电路使用LCD STS 1.寸屏，支持背光PWM控制。按键电路使用软硅胶按键和拨轮编码器，加入防抖电容以提高稳定性。无源蜂鸣器驱动电路采用无源设计，配合PWM驱动。主控电路选用国民技术的NGC8L7微控制器。

       软件开发环境为Keil 5.，使用NGC8L7 SDK版本1.1.0。ADC采样采用DMA方式，提高了采样速度和效率。采样通道包括多个关键参数，通过倍过采样减小了漂移，提高了精度，mybatis insert源码但延长了采样时间。毫秒定时器参与了程序设计中的多个关键功能，包括时间计数、空闲中断实现、蜂鸣器自动停止以及限流保护处理，提高了程序的高效性和实用性。

       项目遵循GPL 3.0开源协议，成本仅为元，奖金为税后元。为原创项目，未在其他比赛中获奖。参考资源包括作者YuToo的《可编程电流表》文档。通过本文，读者可以深入了解电路设计与软件编程的复杂性，以及低成本高精度电流表的实现细节。

怎样将电网频率用于多媒体取证？面向音频取证的电网频率检测与增强有源码

       多媒体来源取证与真伪取证的方法有很多种，其中一种有趣的取证方法是通过分析音频中的电网频率（俗称电流声）在音频中留下的痕迹，可以有效地检测音视频文件的产生时间，并进行各种取证。该方法由武汉大学的华光等老师提出，文末有源代码，供感兴趣的老师和同学参考。

       电网频率（electric network frequency，源码需要授权ENF）是指交流电网的传输频率，我国标称值为 Hz（其他国家也有 Hz），是被动多媒体取证的重要判据。它之所以能够成为取证判据，主要有三个原因：首先，交流电和用电器的活动会产生以标称频率为基波的声学震动以及照明设备的灯光闪烁，这些不易被人感知的振动和闪烁可以被音视频录制设备捕捉，形成一种“被动不可见水印”；其次，电网频率在标称值附近随机小范围波动，赋予了电网频率轨迹的独特性；第三，电网频率波动模式在同一电网内部所有位置保持一致，赋予了电网频率波动的一致性。经过多年的发展，电网频率判据已可用于音视频文件产生时间溯源、篡改检测与定位、地理位置溯源、重放攻击检测等取证任务。目前，电网频率分析是录音文件产生时间被动溯源的唯一有效方法。

       然而，基于电网频率判据的数字取证研究仍面临一些困难。首先，并不是导出PDF源码任意设备在任意条件下都能成功捕捉电网频率；其次，电网频率相对于录音内容和环境噪声十分微弱，在无法控制录音条件的实际取证任务中难以进行有效提取和分析。针对这两个问题，本项工作分别提出了录音文件中电网频率的检测和增强算法，并建立并开源了目前最大的“电网频率-武汉大学”（ENF-WHU）真实世界录音文件数据集，用于对相关算法进行全面评估。

       为确认待验录音文件中是否存在电网频率以保证后续取证分析有效，本工作从信号检测理论出发，逐步放宽对信号模型的假设，推导出电网频率的一系列理论和实际检测器。其中，只有本工作提出的TF-detector为恒虚警率（CFAR）检测器。

       由于信号模型和特性的巨大差异，现有语音（或其他信号）的增强的方法均无法有效增强电网频率信号。对于检测到电网频率的录音文件，为提升其可用性，本工作提出了一种适合电网频率随机小范围缓慢波动特性的鲁棒滤波算法（robust filtering algorithm，RFA），将观测到的带噪电网频率信号调制到正弦频率调频（SFM）解析信号的瞬时频率，并引入核函数，通过处理其产生的正弦时频分布，逐个恢复去噪后的电网频率观测样本，显著提升了电网频率轨迹的质量，为后续取证分析提供了可靠数据。

       以上工作为提升电网频率判据在实际取证中的可靠性，促进基于电网频率判据的录音文件取证从实验室走向实际应用提供了技术支撑。相关成果于和年分别发表在IEEE Transactions on Information Forensics and Security，作者为武汉大学华光、张海剑、廖晗、王清懿、叶登攀。

       ENF-WHU数据集和MATLAB程序已开源：

       github.com/ghuawhu/ENF-...

       Guang Hua and Haijian Zhang*, “ENF signal enhancement in audio recordings,” IEEE Transactions on Information Forensics and Security, vol. , pp. -, .

       Guang Hua, Han Liao, Qingyi Wang, Haijian Zhang*, and Dengpan Ye, “Detection of electric network frequency in audio recordings – from theory to practical detectors,” IEEE Transactions on Information Forensics and Security, vol. , pp. -, .

一行代码不写，直接点亮LED灯—零基础了解+上手CubeIDE

       本文旨在介绍如何使用零基础了解并上手CubeIDE，以实现直接点亮LED灯的目标。首先，我们需要理解IDE（集成开发环境）的作用，它集成了源代码编辑、自动完成、调试器和构建工具等功能，如Dev C++、VS、Keil、STMCubeMX等。

       在学习单片机时，我们通常使用像Keil这样的IDE。然而，CubeIDE的出现极大提高了编程效率，减少了不必要的开发时间。CubeIDE在STM中驱动LED灯时，甚至无需编写一行代码，这得益于STM官方逐渐更新的HAL库，使得CubeIDE成为了主流开发工具。

       文章将CubeIDE的发展历程分为三个阶段：Keil作为最初的IDE，随后ST公司推出了CubeMX，但由于缺少自己的IDE工具，于是出现了CubeMX与Keil的结合方式。年，ST公司推出了CubeIDE，形成STMCube生态系统。

       在使用CubeIDE时，首先需要安装并汉化软件。在实验证明，尽管CubeMX和CubeIDE在编译方面相似，但在烧录代码时，CubeIDE遇到了芯片锁住的问题。经排查发现，芯片并非官方正版，导致烧录失败。在更换官方正版芯片后，问题得以解决。

       以点亮LED灯为例，通过CubeIDE实现。在主函数中调用MX_GPIO_Init()函数进行GPIO初始化。GPIO，即通用输入输出口，用于控制端口输出高低电平，驱动LED灯亮起。GPIO引脚具有8种输入输出模式，支持从0V到3.3V的电平，部分引脚在5V输出模式下可驱动LED。

       进一步解释，当P-MOS管打开，N-MOS管关闭时，输出高电平；反之，输出低电平。浮空状态表示P-MOS管和N-MOS管都关闭，此时输出处于高阻态。若P-MOS管和N-MOS管同时打开，则输出状态将不确定，这取决于实际的电路设计。推挽输出强调电流的切换动作，开漏输出强调N-MOS管的关闭状态。

干货|开源MIT Min cheetah机械狗设计(二十三)运动控制器源码解析---控制和优化思想

       本文将深入探讨开源MIT Min Cheetah机械狗设计的控制与优化策略，重点关注MPC控制和QP优化。尽管WBC辅助MPC的内容在前文已有详述，这里主要聚焦控制理论的应用。

       控制的核心在于通过状态方程描述物体运动规律，如牛顿第二定律，将连续问题离散化以适应计算机处理。状态空间表达式，如[公式]，揭示了物理定律，如位移与速度的关系和电容与电流的关系。控制策略的优化在于选择最适合的路径，如LQR关注整个时间的最优，而MPC关注当前时刻对过去的影响。

       优化问题涉及代价函数和权重设置。LQR的代价函数[公式]，权重为[公式]，而MPC更复杂，如[公式]，可加入不等式约束。MPC通过QP求解器，如Matlab或C++，实现开环优化，允许灵活设置约束条件。

       与传统PID控制相比，现代控制理论如状态空间模型更精确，但在实际应用中，复杂项目如MIT机械狗，可能仍需依赖传统控制如PD，配合现代理论以提升性能。控制算法在无人机、机器人和汽车行业广泛应用，尤其在动力学模型成熟的情况下。

       机器学习和强化学习在参数辨识和环境适应方面提供了补充，但强化学习对于规则明确的环境表现较好，未来有望在机器人领域有更多发展。接下来，我们将转向机械狗的仿真实现，以及后续的扩展功能，如路径规划和激光雷达扫描。