CMake

移植了最新版本的LVGL进行功能模块演示，实现基于i2c驱动的oled显示GIF，实现基于spi驱动的w25q64模块的读写flash。实现基本串口通信，实现文件浏览器，实现相机画面显示与拍照。

该方案针对使用低版本mysql数据库需要对表文件进行加密的用户，部署时做到轻量化，不替换原有的mysql文件。 该方案中利用mysql的plugin功能，而加密相关的功能单独编译为动态库。 部署前先通过获取符号变的工具获取相关api的符号表，使用plugin命令加载加密代码编译的库文件，利用gcc提供的接口替换掉原有的符号表。 该方案可以根据用户使用的mysql版本单独提供加密库文件，能够解决低版本mysql机密问题。

该项目主要完成saas环境审计系统下，统计并记录多用户流量用于计费。 用户流量按流量采集客户端地址来区分存储，存储服务为mysql数据库， 审计节点本地使用原子操作记录流量值并周期同步到mysql存储服务(使用lock锁表)，同时落地到文件， 出现存储服务出现异常并回复后，根据流量记录时间及更新时间恢复流量表数据； 存储服务中的相关表设置触发器禁止删除及清理； 通过该方案在saas环境下能准确记录用户流量并在表文件损坏时能及时恢复数据

1、CS架构低延迟系统，服务端用C++开发，基于TCP的消息队列通信。 2、Server对接了迅投miniQMT、顶点HTS、期货CTP等同用接口，以及中泰、华泰、中金、华鑫等极速柜台或外围三方系统。 3、无UI，提供C++/Python API，客户端可用于报撤单、查询资金/持仓/委托/成交、接收委托/成交回报。

通过自定义协议，完成网管（设备管理系统的总成）对通信设备（节点设备）的控制，包括参数配置，比如频点，功率，ssid等控制，同时实现设备的展示，升级，告警提示，日志的存储和显示，流量统计和展示，网络地址的配置和显示，在线时长显示等等；另外，还能实现对设备的认证，密钥的更新和分发，安全算法的修改和配置；实现用户管理，用户密钥管理，用户角色的切换与管理，用户权限的分配和管理；对系统运行日志进行分类，检索，存储；完善的管理控制协议，支持对AP/STA，Probe的分类协议；

高精度大语言模型推理模拟平台，精度达到行业领先水平，运行速度极快。 1. 模拟平台在各项模拟上运行效率都远优于同类型开源项目，相较于LLMCompass，平均实现了超过85%的性能提升。 2. 该模拟平台具有高可扩展性，可以很容易集成新型算法和新加速器架构。 3. 模拟平台精度高，与实际误差不超过4%。

该项目是一个2个充电枪的充电桩项目，主要负责通过websocket实现与充电控制系统的对接。 1.通过QT实现了人机交互界面，基于客户的UI设计需求实现。 2.主要有登录界面，界面超时待机功能。 3.界面与控制系统两个充电枪的工作状态信息同步。 4.充电刷卡和二维码扫码鉴权处理流程，包括鉴权异常超时等各种异常处理逻辑。 5.充电状态的信息同步刷新，包括充电价格和充电时间短的费用显示。 6.提供了系统配置界面，用于对接充电控制的地址变更配置。 7.提供了界面中英文的切换显示。 8.同时提供了客户二次开发的说明。

本项目针对集成电路先进工艺节点下，高精度参数电容提取耗时且困难的行业痛点，提出并实现了一种创新解决方案。核心技术融合了神经网络（NN） 构建高效的电容预测代理模型，利用有限元方法（FEM） 生成高精度训练数据并进行关键区域验证，以及采用多线程框架OMP 等算法优化数据采样与模型训练过程。该方案显著提升了提取效率，在保持与商业工具可比拟的精度的同时，大幅缩短了计算时间。项目成果有效解决了企业的实际工程难题，其性能和可靠性已获得合作企业的正式认可，成功应用于其实际芯片设计流程中，为复杂互连结构的快速精准建模提供了有力工具。

对综合电子相关设备单元的控制、状态监测、指令注入等，需要控制OC、模拟量、温度量等多种IO信号，同时需要具备CAN总线通信、异步串口通信功能： 1、CAN通信 模拟BC端，测试卫星通信及方案设计； 2、模拟卫星与地面进行连接通信测试； 3、自动化测试； 4、异步和同步串口通信控制，对相关的设备进行控制采集输入输出等； 5、支持Windows7 64位操作系统以上

本项目脚手架快速搭建web服务。基于epoll/poll/select + c + cmake +react19 +vite 5 +antd。 本项目特点：基于epoll，轻量级，资源消耗少，跨平台（linux/windows）。 分前后端项目代码，源代码少，vite和cmake一条龙构建。 分前后端项目代码，源代码少，vite和cmake一条龙构建。 分前后端项目代码，源代码少，vite和cmake一条龙构建。

失语症是一种因神经中枢病损、大脑皮质语言功能区病变导致的言语交流能力障碍疾病。患者在神志清楚、意识正常、发音和构音没有障碍的情况下，出现语言表达或理解障碍。 该项目旨在为失语症患者提供康复训练工具，涵盖语音识别、语言恢复训练、互动式沟通等功能，帮助患者逐步恢复语言能力。

核心功能实现: 实现基础指令集, 构建 x1 - x31 寄存器, 同时对 flash 存储器和 RAM 存储器等外设进行模拟。 镜像编译与指令模拟: 使用 MounRiver Studio 进行 elf 镜像编译。运用 C 语言编写指令解析器, 将编译好的镜像成功导入到模拟的 flash 存储器中。模拟器能够流畅执行镜像中的程序, 实现各种运算、跳转等操作, 完整模拟了 RISCV 架构的运行流程。 调试功能集成：为了提升开发效率, 方便对程序进行调试和优化, 为模拟器集成了 GDB Server。

设计驱动： 导入包含文件系统的测试镜像以模拟硬盘环境, 为后续开发和测试提供真实的应用场景。 分区&FAT解析：识别和提取分区的关键信息, 为后续文件系统的操作提供依据。 文件 & 文件夹操作：涵盖目录和文件/文件夹的创建、删除以及修改操作。 分区挂载：完成分区挂载操作。 分区格式化：开发分区格式化功能, 能够对存储设备进行初始化处理。

设计Boot 程序、Loader 程序，读取并解析操作系统内核 同步与互斥机制构建，通过实现信号量与锁机制, 确保进程在访问共享资源时能够有序进行, 避免资源竞争和数据冲突。 实现分页机制，将进程加载到虚拟地址空间, 使得各个进程之间相互隔离, 运行时互不干扰。 搭建了 TTY（终端设备）与文件系统, 为系统提供了标准的输入输出支持 实现Shell 程序, 解析并执行命令行

对图像进行识别并评估图像识别的准确率 1) 对推理的数据集进行分割； 2) 网络分配已分割的数据集； 3) 远程控制推理； a. 初始化推理设备 b. 加载推理模型 c. 数据推理前处理 d. 数据推理 4) 返回推理后的推理结果； 5) 对推理结果进行处理获得FPS值（加速卡每秒钟推理的图片数量，其中推理包括推理前处理、推理及推理后处理三个部分）及推理的精度值；

1. 本方案主要面向智能交通系统，采用先进的V2X通信技术，完成短距离无线通信设备路侧单元。 2. 相比于市场上的常规方案，本方案具有以下特点： 高效性：通过优化的编解码算法和数据传输协议，本方案能够实现更快的数据传输速度和更低的延迟。 可靠性：采用多线程处理和定时控制机制，确保了数据传输的稳定性和准确性。 3. 本方案采用了以下关键技术： V2X通信协议：实现了DSMP网络协议栈，支持V2X无线数据的高效收发。 多线程处理：通过dispatcher、collector和timer线程，实现了设备上下行消息的路由转发和定时控制。 编解码技术：利用protobuf和ASN.1编码解码技术，实现了V2X消息层数据的高效处理。

本方案面向需要自研 LoRaWAN 物联网接入网关的客户，教程提供了基于树莓派的 LoRaWAN 网关部署教程，可快速形成原型样机做功能方案验证。 在实际量产是，以 MT76x8an 系列芯片作为主控，以 openwrt 作为基本操作系统，完成 LoRaWAN 网关的软硬件开发，从而达到压缩硬件成本的目的。

本项目使用luxkit框架，这是我们公司团队自主开发的框架。大概流程就是首先从web界面进行set 或者get数据，然后使用uhttp web服务器，使用ubus统一管理数据，走到luxslam层进行API和参数的定义。最后调用libsal层的最终实现。

焊接状态检测项目描述 本项目旨在开发一套基于英伟达Orin平台的焊接状态检测系统，利用CUDA加速和卷积神经网络（CNN）模型训练技术，实现对焊接过程的实时、高效监测与质量评估。 项目背景 焊接作为现代工业制造中的关键工艺，广泛应用于航空航天、船舶制造和核工业等领域。然而，焊接过程的复杂性以及高温、电磁干扰等因素，使得实时焊接质量检测面临挑战。随着信息技术的发展，基于视觉传感器的非接触式测量技术逐渐成为焊接质量监测的有效手段。近年来，深度学习技术，尤其是卷积神经网络（CNN），因其强大的特征提取能力，在焊接状态检测中得到了广泛应用。 技术框架 硬件平台 项目采用英伟达Orin平台作为核心计算单元。Orin平台以其高性能和低功耗的特点，能够满足焊接状态检测中对实时性和计算能力的高要求。结合CUDA加速技术，系统能够高效处理复杂的CNN模型计算任务，确保检测过程的流畅性。 模型训练与优化 项目基于CNN模型进行焊接状态检测。通过收集大量焊接过程中的图像数据（如熔池图像、焊缝表面图像）和相关特征（如弧光、声音信号），训练CNN模型以实现对焊接状态的精准分类。此外，项目引入了多模型集成学习方法，通过知识蒸馏技术将多个CNN模型的知识融合到一个轻量级模型中，既提高了预测精度，又降低了计算资源消耗。 实时监测与反馈 系统通过工业摄像头实时采集焊接过程中的图像数据，并利用训练好的CNN模型进行实时分析。检测结果将实时反馈给焊接操作人员或自动化控制系统，以便及时调整焊接参数，避免焊接缺陷的产生。 应用场景与优势 本项目适用于多种焊接工艺，包括脉冲气体钨极电弧焊（GTAW）、气体金属弧焊（GMAW）等。通过实时监测焊接状态，系统能够有效识别常见的焊接缺陷，如未焊透、烧穿、夹渣等，显著提高焊接质量和生产效率。此外，基于深度学习的检测方法能够自动学习焊接过程中的复杂特征，具有较强的泛化能力和适应性。 结论 本项目通过结合英伟达Orin平台、CUDA加速技术和CNN模型训练，开发了一套高效、可靠的焊接状态检测系统。该系统不仅能够实时监测焊接过程，还能通过深度学习模型对焊接质量进行精准评估，为现代工业制造中的焊接质量控制提供了有力的技术支持。

项目主要针对跨平台多端应用的智慧办公平台开发，用到了前端技术界面开发、c++PC客户端功能开发，安卓苹果移动端开发，后端用到java业务服务器、mysql数据库、ceph+nginx+lua实现云存储； 本人C++负责部分： 1、整个客户端代码框架采用以cmake与gn相结合的方式为主，不同系统其他脚本方式为辅，进行构建； 2、开发完成了slackware及微软操作系统下基于谷歌内核实现的桌面软件基础版本，谷歌浏览器内核主要用到views模块对UI控件实现自定义开发、用到browser与render模块之间的IPC进程间通信实现前端JavaScript与C++之间的互调； 3、文件上传下载模块开发，采用curl开源库实现底层http(s)传输，业务层用到任务队列、多线程+锁的线程池技术； 4、本地消息中心采用socket、websocket实现网络通信； 5、利用win32窗口api以及微软系统api，注册表修改等技术实现自定义锁屏功能；