Red de conocimiento informático - Material del sitio web - ¿Cómo recuperar fotos borradas del teléfono vivo?

¿Cómo recuperar fotos borradas del teléfono vivo?

Busque "Software de recuperación de datos de teléfonos móviles Hudun" en el navegador de su computadora, active el modo de depuración del teléfono Android que borró accidentalmente las imágenes y conéctelo a la computadora. Ejecute el software de recuperación. Hay seis opciones de recuperación en la interfaz. Aquí puede seleccionar "Recuperación de la tarjeta de la cámara del teléfono del disco U" según la situación real.

Los pasos específicos son los siguientes:

1. Conecte el teléfono vivo que necesita restaurarse a la computadora, ingrese a la configuración del teléfono, active la depuración USB y compruebe que el El teléfono está conectado correctamente a la computadora.

2. Los teléfonos móviles Vivo generalmente tienen dos espacios de almacenamiento. Si almacena fotos en la tarjeta SD, puede sacar la tarjeta SD y conectarla al teléfono móvil. Si las fotos están almacenadas en la carpeta del sistema del teléfono vivo (memoria local), necesitamos obtener permisos de root antes de responder.

3. Ejecute el software y el software se conectará automáticamente al dispositivo móvil Android. Después de seleccionar el teléfono móvil, haga clic en el botón "Siguiente".

4. Podemos elegir dos métodos de escaneo diferentes, divididos en "Escaneo Rápido" y "Escaneo Profundo". Haga clic en el dispositivo que desea restaurar y luego haga clic en "Siguiente".

5. Cuando se completa el escaneo de archivos, podemos ver contactos, registros de llamadas, mensajes de texto, imágenes, etc. en el lado izquierdo del software. En este momento, seleccionamos "Imágenes" y. Luego podremos ver el teléfono vivo. Encuentra las fotos que necesitas recuperar.

6. Puede seleccionar varias imágenes y hacer clic en "Restaurar archivos seleccionados" para restaurar las fotos especificadas del teléfono móvil. Si hace clic en "Restaurar todos los archivos", puede restaurar todas las fotos del teléfono móvil. ¿No es muy sencillo?

上篇: ¿Cuáles son los contenidos del examen escrito de MBA de la Universidad de Fudan? 下篇: Cuáles son las ventajas de generar ruido blanco gaussiano basado en FPGAEl ruido térmico y el ruido de dispersión son ruido blanco gaussiano: si es un tipo de ruido, su distribución de amplitud obedece a la distribución gaussiana. La densidad espectral de potencia se distribuye uniformemente, se llama ruido blanco gaussiano. El llamado ruido blanco gaussiano en el llamado ruido blanco gaussiano significa que la distribución de probabilidad es una función normal, el ruido blanco significa que su momento de segundo orden no está correlacionado y el momento de primer orden es constante, lo que se refiere a la correlación de señales continuas en el tiempo. . Estos son dos aspectos diferentes de la señal. Los canales de onda corta tienen fenómenos complejos como el retardo por trayectos múltiples, el desplazamiento y la diferencia de frecuencia Doppler y la interferencia de ruido blanco gaussiano. Para probar el rendimiento de los equipos de comunicación de onda corta, normalmente se requieren extensos experimentos de campo. Por el contrario, los simuladores de canales pueden realizar pruebas de rendimiento similares en un entorno de laboratorio con bajos costos de prueba y buena repetibilidad, lo que puede acortar el ciclo de desarrollo del dispositivo. Por tanto, es necesario desarrollar un simulador de canales propio. El simulador de canal puede utilizar el modelo de canal representativo de Watson (es decir, el modelo de línea de retardo con ganancia de dispersión gaussiana). Una parte importante es generar rápidamente una secuencia de ruido blanco gaussiano, lo que facilita la adición de dispersión Doppler y ruido blanco gaussiano durante el uso. efecto. Los generadores de ruido blanco gaussiano tradicionales se implementan en microprocesadores y sistemas DSP, y su velocidad de simulación es mucho más lenta que la de los emuladores de hardware. Por lo tanto, elegir hardware FPGA para diseñar un generador de ruido blanco gaussiano puede lograr un procesamiento digital completo, al mismo tiempo que tiene un bajo costo de prueba, una gran repetibilidad, un buen rendimiento en tiempo real y una velocidad rápida, lo que puede satisfacer mejor las necesidades experimentales. Este artículo propone un esquema de generación rápida de secuencias de ruido blanco gaussiano basado en FPGA. De acuerdo con la relación de mapeo entre la distribución uniforme y la distribución gaussiana, esta solución utiliza el método de aproximación de polilínea, que es adecuado para su implementación en FPGA. Este método es simple, rápido, consume menos recursos de hardware, está escrito en lenguaje VHDL, tiene una gran portabilidad y se puede integrar de manera flexible en el módem. 1 Generación de números aleatorios distribuidos uniformemente Generador de secuencia de 1,1 m El ruido pseudoaleatorio tiene ciertas propiedades estadísticas similares al ruido aleatorio y es fácil de generar y procesar repetidamente, por lo que se ha utilizado ampliamente. La secuencia m es una secuencia pseudoaleatoria de uso común, también conocida como la secuencia de cambio de retroalimentación lineal más larga. La secuencia m es la secuencia con el período más largo producido por el registro de desplazamiento de retroalimentación lineal. Si se utiliza un registro de desplazamiento de retroalimentación lineal de n etapas, el período de la secuencia m es (2n-1). Para la secuencia m, si el estado del registro de desplazamiento de retroalimentación lineal de n etapas se considera como un entero sin signo, el rango de estados es de 1 a (2n-1), y cada estado del registro de desplazamiento aparece una vez en un ciclo del m secuencia y aparece sólo una vez. Sin embargo, cabe señalar que el estado inicial del registro de desplazamiento de retroalimentación lineal se establece en un valor distinto de cero, y el período de la secuencia m es constante para cualquier estado inicial distinto de cero. Obviamente, el valor de estado del registro de desplazamiento es un número aleatorio distribuido uniformemente. Cuando se crea el generador de secuencia m, las conexiones de la línea de retroalimentación del registro de desplazamiento de retroalimentación lineal se pueden obtener buscando el polinomio característico (un coeficiente de 1 significa que el bit correspondiente está conectado a la línea de retroalimentación y un coeficiente de 0 significa que el bit correspondiente no esté conectado a la línea de realimentación). Por lo tanto, el número de líneas de retroalimentación de un registro de desplazamiento de retroalimentación lineal y el número de sumadores de módulo 2 dependen directamente del número de términos del polinomio primitivo. Para minimizar el consumo de recursos de hardware, puede elegir el polinomio original con un número menor de términos. Para que el período de la secuencia pseudoaleatoria sea lo suficientemente largo para cumplir con los requisitos de diseño, el polinomio original es x18+x7+1, es decir, se puede usar un registro de desplazamiento de retroalimentación lineal de 18 etapas para generar una secuencia m con un período de (218-1). Las conexiones se muestran en la Figura 1. 1.2 Módulo de reducción de correlación La señal de ruido blanco gaussiano es un proceso aleatorio. Cada punto de muestreo es una variable gaussiana y su densidad espectral de potencia bilateral es una constante N0/2. Es decir, se puede ver en (2) que los valores. muestreadas en dos momentos diferentes, las señales de ruido blanco gaussiano son estadísticamente independientes. Sin embargo, se puede ver en el proceso de generación de la secuencia m que en cada ciclo de reloj, el registro de desplazamiento de retroalimentación lineal solo desplaza el bit más alto y retroalimenta un valor al bit más bajo, por lo que los estados adyacentes no son completamente independientes. Esto inevitablemente afectará la independencia de las señales muestreadas en dos momentos diferentes del ruido blanco gaussiano. Por lo tanto, se deben realizar operaciones no relacionadas. Para minimizar la correlación, un enfoque común es generar una secuencia gaussiana y luego conectar un entrelazador para mezclar el orden en que aparece la secuencia gaussiana. Sin embargo, la construcción de un entrelazador consume recursos de hardware FPGA, por lo que no utilizamos un entrelazador en este diseño.