微机原理和接口技术笔记 (I)

发表于2026-09-08|更新于2026-09-14

|浏览量:

微机系统概论

课程主要涉及 x86 系统。

bit 和 byte：1bit = 1/8 byte，1byte = 8bit.

K, M, G, T, P： $2^{10}$ , $2^{20}$ , $2^{30}$ , $2^{40}$ , $2^{50}$ .

字长：CPU 一次能处理的二进制位数。8086: 16b，8088：准 16b，80386SX：准 32b.

主频：时钟频率，单位 MHz/GHz.

微机的历史…

冯诺依曼结构：计算机由五个部分组成：运算器、控制器、存储器、输入设备和输出设备。

CPU出来的总线：地址总线 AB、数据总线 DB、控制总线 CB。

指令寄存器 IR、指令译码器 ID、可编程逻辑阵列 PLA。

文章作者: qwq 自动机

文章链接: https://qwqautomaton.netlify.app/2026/09/08/MP-IT-0908/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源再来一次！

学习笔记微机原理和接口技术

相关推荐

模式识别笔记（3）：Bayes 分类器

Bayes 分类器本质上是对样本在每个类内的分布做了假设。下面不妨假设：二分类 ω1,ω2\omega_1,\omega_2ω1,ω2; 两类类内均满足正态分布，即 x∣ω1∼N1(μ1,σ1),x∣ω2∼N2(μ2,σ2)x|\omega_1\sim N_1(\mu_1, \sigma_1), x|\omega_2\sim N_2(\mu_2, \sigma_2)x∣ω1∼N1(μ1,σ1),x∣ω2∼N2(μ2,σ2). 可以理解为确定下图中的分界线 x0x_0x0. 根据假设，我们可以立刻确定，某个样本 xxx 在类内的概率 P(x∣ω1),P(x∣ω2)P(x|\omega_1),P(x|\omega_2)P(x∣ω1),P(x∣ω2) 是正态的（参数后面才确定）。进一步，如果训练集已知（这个总不能未知吧…），还可以求出两类分别的均值和方差（作为上面正态分布的参数），以及样本空间中两类的概率 P(ω1),P(ω2)P(\omega_1),P(\omega_2)P(ω1),P(ω2)（通过训练集中的频率确定）。最小错误率很...

数学分析学习笔记 (I)

不可以摸鱼了！于是开始看一点数分然后乱口胡 qwq

等离子体动力学笔记 (I)

等离子体和等离子体动力学等离子体：装置和应用带电运动粒子的运动特性和行为 →\to→ 开发利用等离子体能量和力传递特性的装置。 Plasma: 血浆 or 等离子体 Langmuir 发明了用于诊断等离子体电子温度、浓度、空间电位的静电探针：Langmuir 探针。等离子体：准中性。宏观上不带电，但微观上可能带电。因此它是电中性的电离气体，但是同时也受到电磁力的支配。因此等离子体的动力学需要同时求解 Navier-Stokes 方程（流体）和 Maxwell 方程组（电磁）。定义：是部分电离的气体。如何制造？加热，让原子分裂，分成离子和电子。太阳等离子体：核心处 1033p/m3,107K10^{33} p/m^3, 10^7K1033p/m3,107K，极光区 109p/m3,105K10^9 p/m^3, 10^5K109p/m3,105K. 应用：太阳风；聚变；光刻/等离子体蚀刻；电推；… 等离子体推进：VASIMR！等离子体产生方法：直流放电：辉光；空心阴极；电弧；直流脉冲交流放点：电容电感耦合等等离子体的基本性质德拜屏蔽：λD=ϵ0kTee2Ne...

数字图像处理笔记 (I)

数字图像处理 (I)：绪论主楼 D717 课程学习传统 DIP 方法。深度学习内容较小。课程目的与要求；掌握 DIP 基本概念、原理、方法初步运用所学知识解决实际问题为 IP 相关领域打下基础：模式识别、CV 教材：Gonzalez DIP 第四版上机：D305 理论部分： DIP基础灰度变换和空间滤波图像变换和频域滤波图像压缩形态学处理 DIP 是什么？图像：是一个二维函数 f(x,y)f(x, y)f(x,y). （模拟）灰度图：f:R2→R2f:\mathbb R^2\to \mathbb R^2f:R2→R2；彩色图：f:R2→R3f:\mathbb R^2\to \mathbb R^3f:R2→R3。数字图像是模拟图像的离散化：f(u,v):{(nΔx,mΔy)∣n,m∈N}→{kΔL∣k∈N}f(u, v) : \{(n\Delta x, m\Delta y)\mid n, m \in \mathbb N\}\to\{k\Delta L\mid k \in \mathbb N\}f(u,v):{(nΔx,mΔy)∣n,m∈N}→{kΔL...

模式识别笔记（1）：绪论

绪论人类太强大了。因此模仿人类识别的过程。概念模式（Pattern）：人类将客观事物分成相似又不相同的个体组成的集合或类别的过程中，这些个体客观事物称为模式。即被分类的对象。分类（Classification）：将模式划分到几个指定类别之一的过程。模式识别（Pattern Recognition）：对模式进行描述、分类、解释的过程。本质上分类就是模式识别。应当用计算机进行识别。效率高、速度快、可量化。模式识别和模式识别的关系：模式识别是 AI 的理论基础；是 AI 的一个重要分支。主要研究方向基础理论：模式表示与分类、机器学习等。视觉信息处理：图像处理和 CV. 语音语言信息处理：语音识别、NLP、机器翻译等。各种数据分析优化：飞行器要测信号分析、结构设计优化、工况环境感知等。模式识别系统基本框架系统框架包括训练过程和识别过程。训练过程：已知样本 -> 特征提取和选择 -> 分类器设计识别过程：未知样本 -> 特征计算 -> 分类决策 -> 分类结果。样本和样本集：被分类的模式及其总体。类别：样本空间上定义的子集（...

模式识别笔记（2）：线性分类器

线性分类器线性判别函数一般形式： g(x)=∑wixi+w0=wTx+w0g(x) = \sum w_i x_i + w_0 = \mathbf{w}^T\mathbf{x} + w_0 g(x)=∑wixi+w0=wTx+w0 wiw_iwi 为加权因子，w0w_0w0 为阈值权。常用 g=wTx+w0g=\mathbf{w}^T\mathbf{x}+w_0g=wTx+w0 简化表示。二分类中用线性判别函数 ggg，规则为： g<0→ω1g<0\to\omega_1g<0→ω1. g>0→ω2g>0\to\omega_2g>0→ω2. 则判别平面即 g=0g=0g=0. 或采用增广矩阵：y=⟨1∣x⟩\mathbf y=\lang 1\mid\mathbf x\rangy=⟨1∣x⟩，因此可以把它简化成 aTya^TyaTy. a=⟨w0∣w⟩a=\lang w_0\mid\mathbf{w}\ranga=⟨w0∣w⟩ 为增广权向量。在增广空间中 aTy=0a^Ty=0aTy=0 确定一个过原点的分类面...