隔壁小王已经讲了TDR的原理以及如何确定TDR的分辨率.那么,我们要正确测量PCB板上的线路阻抗,还有哪些需要注意的地方呢? 1. 阻抗测试的行业标准 之前贴过好多张阻抗测试的图片,重新再贴一张给大家看看.阻抗并不是想象中稳定的直线,而是波澜起伏.在前端和后端会受到探头或者开路的影响,中间由于生产制程的关系,也会有波动. 那么,我们怎么判断测试结果呢?怎么确定生产的PCB阻抗是否满足要求呢?首先来看看IPC规范,IPC2557A建议的测量区间是DUT的30%~70%区间. 再来看看Intel以及

pytest-xdist分布式测试的原理 前言 xdist的分布式类似于一主多从的结构,master机负责下发命令,控制slave机:slave机根据master机的命令执行特定测试任务 在xdist中,主是master,从是workers 大致原理 xdist会产生一个或多个workers,workers都通过master来控制 每个worker负责执行完整的测试用例集,然后按照master的要求运行测试,而master机不执行测试任务 pytest-xdist分布式测试的流程 第一步:创建w

TDR也就是时域反射(Time-domain reflectometer),它可以通过观察导线中反射回来的电信号波形对导线长度进行测量,或者对传输导线的阻抗特性进行分析评估. 我们经常会碰到的TDR的典型应用一种是检测地下铺设的电缆的故障点位置,还有就是PCB高速信号走线的阻抗匹配分析.我们使用LOTO示波器的OSCH02型号,利用一些简单的随手可以找到的材料,测试一下电线的长度,演示一下TDR的原理和实测效果,以便大家直观理解. 就像一条水渠,如果充足的一股水流突然从水渠的入口涌进来,水波沿着

简介 示例测试相对于单元测试和性能测试来说,其实现机制比较简单.它没有复杂的数据结构,也不需要额外的流程控制,其核心工作原理在于收集测试过程中的打印日志,然后与期望字符串做比较,最后得出是否一致的报告. 数据结构 每个测试经过编译后都有一个数据结构来承载,这个数据结构即InternalExample: type InternalExample struct { Name string // 测试名称 F func() // 测试函数 Output string // 期望字符串 Unordere

QTP是基于GUI界面的自动化测试工具,用于系统的功能测试.   QTP录制的是鼠标和键盘的消息.QTP录制回放时基于windows操作系统的消息机制.QTP在录制时监听应用程序的消息,监听到之后把消息放到容器里,而另外的监听程序则从容器中取出容器中的消息,并调用对用的API处理函数.QTP截取的是用户对应用程序的操作,即录制的是消息.对于C/S应用程序,在回放时QTP根据对象的句柄(handle)和脚本内容,调用API函数:对于B/S应用程序,在回放时基于DOM(documentobject

首先是用c#中的WebBrowser控件打开登录网页,很简单,拖拽WebBrowser到Form上,然后给它的Url属性赋值.WebBrowser就会自动navigate to 这个网页. WebBrowser1.Url= new Uri("小米登录地址") HtmlElement usrname=WebBrowser1.Document.GetElementById("ID值"), 这条语句可获得用户名输入框元素.ID值可以通过查看HTML源文件得到.还有很多方法

[施工编辑中...] 1. 什么是TDR? TDR = Time Domain Reflectometry 时域反射计TDR用来测量信号在通过某类传输环境传导时引起的反射,如电路板轨迹.电缆.连接器等等. 2. TDR测试原理 2.1 传统时域反射计工作原理          图1是传统时域反射计的工作原理图.由三部分组成: 快沿信号发生器.典型发射信号的特征是: 幅度200mV, 上升时间35ps, 频率250KHz的方波. 采样示波器. 探头系统. 图1 - 传统时域反射计工作原理图    

{  第三部分  }  DDR总线的设计.调试和验证  在计算机架构中,DDR作为程序运算的动态存储器,面对如高性能计算.图形计算.移动计算.工业应用等领域的要求,发展出DDR4,以及用于图形计算的GDDR5, HBM2,面向移动计算的低功耗LPDDR4等标准. 处理器的运算速度越来越快,DDR的性能也要求越来越高,明显的趋势是DDR总线工作频率持续提升, DDR4 达到3.2GT/s, 用于智能手机等低功耗场合的LPDDR4速率甚至超越了DDR4,最高达到4.2GT/s,JEDEC在年中的论坛

在日常的生活工作中,有很多测试测量的工具,比如测量长度的尺子,计量时间的钟表等等,谈到测试测量工具的时候,分辨率是关键指标之一,比如尺子的 分辨率是1mm,时钟的分辨率是秒.所谓分辨率就是测试测量工具能测量的最小单位.尺子和钟表很容易得知分辨率大小,那TDR的分辨率怎样来确定呢? TDR 产生一个快速脉冲边沿,入射到待测器件中,通过采样反射波来测量特征阻抗,而产生的快速脉冲边沿本身有一个上升时间,上升时间在待测器件上对应的电气长度 对于TDR来说是一个模糊区域,该区域内,TDR仪器不能准确测出待

Azure的云存储一直是Azure比较自豪的东西,想到AWS的LSA后面有若干个9,搞得大家都以为它的存储最优秀,其实不然,Azure存储到现在没有丢过客户1bit的数据,但是Azure不会去说我们的LSA是100%,因为是自找麻烦,但是实际上无论从performance还是可靠性,Azure的普通存储或者SSD都是很优越的,口说无凭,必须让事实来说话,就是这么自信,好了,不废话了,直接进入主题. 本次测试中,笔者特地去GitHub上搜索了一下,排名第一的是cxcv/iops,所以本次测试我们选

了解一些统计学知识对正确地进行 A/B 测试和研判试验结果是很有帮助的,本篇文章深入介绍了A/B 测试的原理和背后的统计学依据.完全理解本文中提到的数学计算需要你掌握概率方面的一点基础知识. 统计学在 A/B 测试中的作用 A/B 测试是一种对比试验(下文中对比试验特指 AppAdhoc 平台上的 A/B 测试),而试验就是从总体中抽取一些样本进行数据统计,进而得出对总体参数的一个评估.可以看出,做试验并从试验数据中得出有效结论的科学基础是统计学. 统计学的基本概念 总体:是客观存在的.具有某一

之前一直对于这个神奇的素性判定方法感到痴迷而又没有时间去了解.借着学习<信息安全数学基础>将素性这一判定方法学习一遍. 首先证明一下费马小定理. 若p为素数,且gcd(a, p)=1, 则有 a^(p-1) = 1 (mod p) 基于以下定理 若(a, p)=1,{x| (x, p)=1}为模p下的一个完全剩余系,则{ax| (x, p)=1}也为模p下的一个完全剩余系. 又{0, 1, 2, ... p-1}为模p下一个剩余系   因此有, {a*0, a*1, a*2, ... a*(p

http://kitebee.meibu.com/forum.php?mod=viewthread&tid=69654&extra=page%3D5 IC开短路测试(open_short_test)又叫continuity test 或contact test,它是一种非常快速发现芯片的各个引脚间的是否有短路,及在芯片封装时是否missing bond wires.通常都会被放测试程序的最前面.它还能发现测试时接触是否良好,探针卡或测试座是否有问题. 开短路测试的测试原理比较简单,分ope

1.相同点 不管是传统行业的web测试,还是新兴的手机APP测试,都离不开测试的基础知识,即是不管怎么变,测试的原理依然会融入在这两者当中. 1)设计测试用例时,依然都是依据边界值分析法.等价类划分等: 2)多数采用黑盒的测试方法,来验证业务功能是否得到正确的应用: 3)需要检查界面的布局.风格和按钮等是否简洁美观.是否统一等: 4)测试页面载入和翻页的速度.登录时长.内存是否溢出等: 5)测试应用系统的稳定性等. 2.不同点 相对于web测试,手机软件测试,除了要考虑基本的功能测试.性能等,还

在开发或者测试环境的数据库中,经常会发现有开发或者测试人员误删除表或者数据的情况,对于开发或者测试库,一般都没有安排定时的备份任务去备份数据库,一方面是由于存储资源有限,不太可能给开发或者测试环境准备大量的存储空间,二是必要性不是很强,开发或者测试库的数据库对象变化太多,通过还原备份的方式又有可能冲掉其最近新建的数据库对象.但是不得不面对的问题就是个别人在执行update或者delete操作的时候“忘了加where条件”这种事情的发生. 这是开发或者测试环境的一个痛点,相信多数人都经历过,当面对

Markdown版本笔记 我的GitHub首页 我的博客 我的微信 我的邮箱 MyAndroidBlogs baiqiantao baiqiantao bqt20094 baiqiantao@sina.com AutoRegister ASM AOP 字节码 案例 原理 目录 目录AutoRegister 自动注册插件简介使用案例配置测试一测试二原理前言准备工作实现过程构建插件工程添加类扫描相关的代码记录目标类所在的文件修改目标类的字节码接收并处理扩展参数 AutoRegister 自动注册插件

PICT工具就是在微软公司出品一款成对组合的命令行生成工具,现在已经对外提供,可以在互联网上下载到 .PICT 可以有效地按照两两测试的原理,进行测试用例设计.在使用PICT时,需要输入与测试用例相关的所有参数,以达到全面覆盖的效果. 我们知道成对组合覆盖这一概念是Mandl于1985年在测试Aad编译程序时提出来的.Cohen等人应用成对组合覆盖测试技术对Unix中的“Sort”命令进行测试.测试结果表明覆盖率高达90%以上.可见成对组合覆盖是一种非常有效的测试用例设计方法. 但是实际工作过程

Markdown版本笔记 我的GitHub首页 我的博客 我的微信 我的邮箱 MyAndroidBlogs baiqiantao baiqiantao bqt20094 baiqiantao@sina.com RxJava RxPermissions 动态权限 简介 原理 案例 MD GitHub Demo地址 目录 目录基本使用步骤注意事项和优点API测试案例原理构造方法request 方法申请权限的方法申请结果回调方法 基本使用步骤 RxPermissions是基于 RxJava 开发的用于

appscan:可以对网站等 Web 应用进行自动化的应用安全扫描和测试,也就是经常说的安全测试 工作原理:是通过对web应用进行安全攻击来检查网站是否存在漏洞. 初步了解到的 创建新的扫描->选择常规扫描 ->设置要扫描的的url地址,可在其他服务器或域下添加同在一段url地址里面的页面,配置好url后,点击下一步,保存后,会根据前面设置的扫描方式进行扫描 ,手动扫描,手动扫描后,录制脚本 ,启动在浏览器下操作你要检测的功能,操作完之后,关闭,会开始扫描,扫描成功后,点击报告,选择要模板,报

题目链接:http://poj.org/problem?id=1811 题目解析:2<=n<2^54,如果n是素数直接输出,否则求N的最小质因数. 求大整数最小质因数的算法没看懂,不打算看了,直接贴代码,以后当模版用. 数据比较大,只能先用Miller_Rabin算法进行素数判断. 在用Pollard_rho分解因子.   #include <iostream> #include <stdio.h> #include <string.h> #include