通信系统仿真

崔春雷

目录

  • 1 第一单元: MATLAB基础
    • 1.1 课程说明与资料
      • 1.1.1 作业参考答案
      • 1.1.2 移动22级作业答案
    • 1.2 MATLAB安装与运行环境
      • 1.2.1 MATLAB介绍
    • 1.3 基本数据类型:数值类型
    • 1.4 基本数据类型:字符类型
    • 1.5 数据类型转换与输出
    • 1.6 数组与矩阵基础
      • 1.6.1 矩阵运算进阶
    • 1.7 数组与矩阵常用函数
    • 1.8 matlab中的逻辑运算
    • 1.9 实验: MATLAB常用数学函数
      • 1.9.1 实验 作业答案
    • 1.10 元胞数组
    • 1.11 结构体数组
      • 1.11.1 结构体进阶
      • 1.11.2 元胞数组与结构体数组对比
      • 1.11.3 map 容器
    • 1.12 附录:MATLAB常用基础命令
    • 1.13 拓展内容:实时脚本
      • 1.13.1 实时脚本示例
    • 1.14 课程作业与答案
      • 1.14.1 《通信系统仿真》期末考试
  • 2 第二单元:Matlab 程序设计
    • 2.1 顺序结构程序
    • 2.2 分支结构—— if语句
    • 2.3 分支结构—— switch语句
    • 2.4 循环结构—— while语句
    • 2.5 循环结构—— for语句
    • 2.6 图像处理基础
    • 2.7 Matlab的函数
      • 2.7.1 函数内容的课外扩展
    • 2.8 本章实验:for循环的应用
      • 2.8.1 素数问题
        • 2.8.1.1 素数的螺旋线排列
      • 2.8.2 3X+1猜想
      • 2.8.3 7 行代码计算 π
    • 2.9 排序算法
      • 2.9.1 冒泡排序
      • 2.9.2 选择排序
      • 2.9.3 插入排序
      • 2.9.4 快速排序
      • 2.9.5 基数排序
      • 2.9.6 计数排序
      • 2.9.7 堆排序
    • 2.10 动态规划算法
      • 2.10.1 动态规划编程实例
      • 2.10.2 动态规划:01背包问题
      • 2.10.3 动态规划常见题目分析
      • 2.10.4 动态规划题目分析2
    • 2.11 常用算法简介
      • 2.11.1 剪枝算法
      • 2.11.2 二分查找
      • 2.11.3 递归算法
      • 2.11.4 回溯算法
        • 2.11.4.1 Leetcode回溯题目合集
        • 2.11.4.2 回溯算法总结
        • 2.11.4.3 回溯法解数独问题
        • 2.11.4.4 DFS与BFS
          • 2.11.4.4.1 DFS/BFS原理
          • 2.11.4.4.2 BFS的应用:Dijkstra算法
      • 2.11.5 n 皇后问题专题
      • 2.11.6 双指针算法
      • 2.11.7 数组模拟链表(约瑟夫环)
      • 2.11.8 Hash(哈希表)
      • 2.11.9 图论与路径规划
        • 2.11.9.1 迪杰斯特拉算法
        • 2.11.9.2 A*算法
          • 2.11.9.2.1 A*算法的MATLAB实现
        • 2.11.9.3 RRT路径规划算法
          • 2.11.9.3.1 RRT算法 MATLAB代码
          • 2.11.9.3.2 参考资料
      • 2.11.10 数据结构
        • 2.11.10.1 数据结构例题
      • 2.11.11 前缀和 差分 双指针
      • 2.11.12 位运算
      • 2.11.13 常用算法代码模板
    • 2.12 练习题库
    • 2.13 code
      • 2.13.1 简易计算器gui代码
      • 2.13.2 五子棋
      • 2.13.3 连连看小游戏
      • 2.13.4 递归算法与汉诺塔
      • 2.13.5 有理数的小数循环节
    • 2.14 MATLAB编程风格
      • 2.14.1 向量化编程专题
  • 3 第三单元:Matlab 图形图像处理
    • 3.1 二维图形绘图基础
    • 3.2 二维图形绘图进阶
    • 3.3 三维图形绘图
      • 3.3.1 MATLAB绘图小结
        • 3.3.1.1 用matlab绘制好看图像
    • 3.4 MATLAB高级绘图
    • 3.5 文件操作
    • 3.6 Matlab图像处理进阶
      • 3.6.1 补充:Matlab图像处理常用函数
      • 3.6.2 RGB/HSV/HSI颜色模型
      • 3.6.3 图片切换动画效果
      • 3.6.4 图像连通域标记
      • 3.6.5 图像旋转与插值
      • 3.6.6 图像的形态学
      • 3.6.7 空间滤波
        • 3.6.7.1 图像中常见的噪声类型与滤波方法
        • 3.6.7.2 matlab中的滤波函数
        • 3.6.7.3 BM3D 去噪算法
        • 3.6.7.4 双边滤波
      • 3.6.8 图像的频域处理
    • 3.7 本章总结
    • 3.8 实验 : matlab 绘图练习1
    • 3.9 实验: matlab 绘图练习2
    • 3.10 实验 :数学函数图像绘制
    • 3.11 实验:绘图综合练习
    • 3.12 实验:曲线拟合
    • 3.13 实验:牛顿法求解方程的根
    • 3.14 实验:信号的傅里叶变换
      • 3.14.1 傅里叶变换、小波变换、希尔伯特变换
      • 3.14.2 新建目录
    • 3.15 课外补充:图像处理基础1
    • 3.16 课外补充:图像处理基础2
    • 3.17 课外补充:图像处理基础3
    • 3.18 课外补充:PYTHON基础
  • 4 第五单元:MATLAB通信仿真
    • 4.1 现代通信系统的介绍
    • 4.2 模拟通信系统的仿真原理
    • 4.3 HDB3编解码的仿真实现
    • 4.4 SIMULINK和其模块简介
    • 4.5 数字通信系统的仿真原理
    • 4.6 模拟通信系统Simulink仿真
    • 4.7 数字通信系统Simulink仿真
    • 4.8 音频信号测处理与仿真
    • 4.9 图像数字水印技术
      • 4.9.1 三角函数到傅里叶变换再到语音识别与数字水印
    • 4.10 信息系统与算法
      • 4.10.1 递归算法
        • 4.10.1.1 递归与堆栈的关系
      • 4.10.2 哈希表
      • 4.10.3 双指针算法
        • 4.10.3.1 双指针算法实战
        • 4.10.3.2 双指针进阶:滑动窗口算法
      • 4.10.4 字符串匹配 KMP算法
        • 4.10.4.1 字符串匹配B-M算法
      • 4.10.5 快速傅里叶变换
      • 4.10.6 回溯算法
      • 4.10.7 动态规划
      • 4.10.8 分治算法
      • 4.10.9 Dijkstra算法
  • 5 第六单元: systemview通信仿真
    • 5.1 SystemView概述
    • 5.2 模拟通信系统 数字系统的仿真分析
    • 5.3 SystemView通信系统仿真进阶
    • 5.4 新建课程目录
  • 6 第四单元:MATLAB高级应用
    • 6.1 符号运算基础
      • 6.1.1 利用Matlab自动推导公式
    • 6.2 Matlab中的数值计算
      • 6.2.1 积分的计算
      • 6.2.2 龙格库塔:常微分方程的数值解法
      • 6.2.3 fmincon函数与非线性方程最小值
    • 6.3 统计、拟合、插值
      • 6.3.1 协方差与相关系数
    • 6.4 GUI设计初步
    • 6.5 matlab GUI界面编程
      • 6.5.1 gui实例
      • 6.5.2 gui编程中常用函数
      • 6.5.3 App Designer入门
    • 6.6 实验:GUI设计图像空间变换系统
    • 6.7 作业:利用GUI设计 计算器、信号发生器等
    • 6.8 MTALB数据导入方法
    • 6.9 课外补充:MATLAB的App会取代GUI吗?
    • 6.10 模拟退火算法matlab实现
    • 6.11 遗传算法的Matlab实现
      • 6.11.1 进化算法(Evolutionary Algorithm)及相关函数介绍
    • 6.12 粒子群算法 matlab实现
      • 6.12.1 粒子群算法及MATLAB实例仿真
    • 6.13 BP网络的应用
    • 6.14 matlab 结构体
    • 6.15 群智能算法合集
  • 7 拓展知识
    • 7.1 什么是算法的时间复杂度?
    • 7.2 Notepad++使用教程
    • 7.3 MATLAB常用函数总结
    • 7.4 MATLAB常用知识点总结
    • 7.5 MATLAB命令大全
    • 7.6 视频:MATLAB官方基础教程
    • 7.7 经典书籍:Matlab2012经典超强教程
    • 7.8 经典书籍:MATLAB揭秘(自学宝典)
    • 7.9 经典资料:MATLAB N个实用技巧
    • 7.10 Matlab编程小技巧
    • 7.11 寻优算法
      • 7.11.1 Dijkstra算法python实现
    • 7.12 PYTHON基础教程
      • 7.12.1 Python进阶
      • 7.12.2 Python小技巧
      • 7.12.3 Python总结
        • 7.12.3.1 Python循环语句总结
        • 7.12.3.2 24个顶级Python库
        • 7.12.3.3 魔法函数
      • 7.12.4 廖雪峰python
      • 7.12.5 正则表达式基础
      • 7.12.6 numpy
        • 7.12.6.1 101道Numpy习题
        • 7.12.6.2 Numpy简要语法教程
        • 7.12.6.3 Numpy实现全连接神经网络 (手写数字识别)
        • 7.12.6.4 图解NumPy
      • 7.12.7 matplotlib
        • 7.12.7.1 matplotlib练习50题
        • 7.12.7.2 Matplotlib速查表
        • 7.12.7.3 Matplotlib 实操指南
      • 7.12.8 Python3 模块 import
      • 7.12.9 Python 小项目
    • 7.13 参考资源:数据结构与算法
      • 7.13.1 十大经典排序算法总结
    • 7.14 机器学习概述
      • 7.14.1 反向传播算法
        • 7.14.1.1 反向传播的数学原理
      • 7.14.2 极大似然估计
        • 7.14.2.1 极大似然估计与最小二乘法
      • 7.14.3 Batch Normalization
        • 7.14.3.1 Batch Normalization&Dropout浅析
        • 7.14.3.2 ​BN层的梯度反向传播计算
        • 7.14.3.3 Batch Size的大小与神经网络的性能
        • 7.14.3.4 标准化和归一化
      • 7.14.4 主成分分析PCA与SVD奇异值分解
        • 7.14.4.1 岭回归 与 PCA
        • 7.14.4.2 PCA原理推导
        • 7.14.4.3 PCA原理新解
        • 7.14.4.4 svd
        • 7.14.4.5 PCA数学原理
      • 7.14.5 正则化
        • 7.14.5.1 L1、L2正则化和过拟合 总结
        • 7.14.5.2 L1 和 L2 正则化的直观解释
      • 7.14.6 SVM
        • 7.14.6.1 从零推导支持向量机(SVM)
        • 7.14.6.2 支持向量机(SVM)介绍
        • 7.14.6.3 SVM推导与实战
        • 7.14.6.4 支持向量机的直观理解
        • 7.14.6.5 浅显易懂的支持向量机SVM
      • 7.14.7 线性回归
      • 7.14.8 逻辑回归
      • 7.14.9 BP算法
        • 7.14.9.1 万能逼近——神经网络拟合任意函数原理
      • 7.14.10 激活与池化
        • 7.14.10.1 激活函数与损失函数 小结
      • 7.14.11 深度学习简述
        • 7.14.11.1 MATLAB2020深度学习实例
      • 7.14.12 损失函数与误差反向传播
        • 7.14.12.1 梯度下降与损失函数
      • 7.14.13 深度学习优化问题
      • 7.14.14 梯度下降法
        • 7.14.14.1 各类梯度下降算法的Python实现
        • 7.14.14.2 梯度下降的直观理解
        • 7.14.14.3 动量、RMSProp、Adam
      • 7.14.15 卷积的概念
        • 7.14.15.1 卷积的矩阵化算法
      • 7.14.16 局部连接
      • 7.14.17 RNN
      • 7.14.18 LSTM
      • 7.14.19 CNN-四大经典CNN技术浅析
      • 7.14.20 熵(Entropy)与交叉熵
      • 7.14.21 softmax函数详解
      • 7.14.22 自编码算法详细理解与代码实现
      • 7.14.23 pytorch
        • 7.14.23.1 ​PyTorch简介
          • 7.14.23.1.1 Pytorch快速入门资料
        • 7.14.23.2 CNN的PyTorch实现
        • 7.14.23.3 pytorch总结
        • 7.14.23.4 PyTorch trick 集锦
        • 7.14.23.5 在PyTorch上加载自定义数据集
        • 7.14.23.6 实战:Pytorch识别验证码
        • 7.14.23.7 实战:Transformer的最简洁pytorch实现
        • 7.14.23.8 使用PyTorch实现神经网络分类
      • 7.14.24 卷积神经网络CNN概述
        • 7.14.24.1 CNN 简易原理
        • 7.14.24.2 卷积神经网络CNN原理详解
        • 7.14.24.3 自己手写一个卷积神经网络
        • 7.14.24.4 CNN反向传播算法
        • 7.14.24.5 卷积计算、作用与思想
        • 7.14.24.6 用卷积神经网络CNN识别手写数字集
        • 7.14.24.7 卷积 池化 参数的计算
        • 7.14.24.8 im2col方法实现卷积算法
        • 7.14.24.9 卷积核的梯度计算
        • 7.14.24.10 卷积层反向传播推导及实现
        • 7.14.24.11 反向传输算法
          • 7.14.24.11.1 resnet残差网络
        • 7.14.24.12 CNN反向传播的MATLAB实现
      • 7.14.25 神经网络的调参技巧
      • 7.14.26 BP神经网络
        • 7.14.26.1 零开始搭建bp神经网络
        • 7.14.26.2 MATLAB自带的bp工具箱
        • 7.14.26.3 神经网络中偏置(bias)的作用
      • 7.14.27 聚类分析 k-means
        • 7.14.27.1 matlab做聚类分析(k-means)
        • 7.14.27.2 聚类模型探讨综述
        • 7.14.27.3 5种经典聚类算法
      • 7.14.28 深度学习的一些概念
      • 7.14.29 人工智能简述:AI的过去和现在
      • 7.14.30 k-NN(k近邻算法)
      • 7.14.31 神经网络中的优化器:BGD、SGD、MBGD、Momentum
      • 7.14.32 卷积神经网络的经典网络总结
        • 7.14.32.1 卷积神经网络中十大拍案叫绝的操作
      • 7.14.33 GAN 对抗样本攻击
      • 7.14.34 蒙特卡洛模拟
      • 7.14.35 dropout与随机部分连接
      • 7.14.36 Jupyter 等 IDE概览
      • 7.14.37 分类算法常用评价指标
      • 7.14.38 Inception 网络与不变性
      • 7.14.39 卷积神经网络的可视化
      • 7.14.40 隐马尔可夫模型HMM
        • 7.14.40.1 马尔科夫链
    • 7.15 MATLAB音频处理
      • 7.15.1 python处理音频信号
    • 7.16 图像处理
      • 7.16.1 图像处理中的指标
    • 7.17 代码集
    • 7.18 论文写作与阅读方法
      • 7.18.1 期刊投稿攻略
      • 7.18.2 论文排版教程
      • 7.18.3 SCI-HUB论文下载技巧
      • 7.18.4 几种论文写作神器,提高写作效率
      • 7.18.5 latex入门
      • 7.18.6 LaTeX教程
    • 7.19 机器学习常用的网站以及资源
      • 7.19.1 很详细的ML&DL学习博客
    • 7.20 SymPy 符号计算基本教程
  • 8 程序设计数学基础
    • 8.1 编程数学基础
      • 8.1.1 概率的历史
      • 8.1.2 概率
        • 8.1.2.1 常见概率分布
          • 8.1.2.1.1 二维正态分布
        • 8.1.2.2 蒙特卡罗方法
        • 8.1.2.3 置信区间
        • 8.1.2.4 协方差与相关系数
      • 8.1.3 矩阵 向量求导法则
      • 8.1.4 雅可比矩阵 海森矩阵
      • 8.1.5 矩阵的几种分解方式
      • 8.1.6 行列式和代数余子式
      • 8.1.7 向量
      • 8.1.8 矩阵的基本运算
      • 8.1.9 矩阵分析
      • 8.1.10 矩阵的LU分解
      • 8.1.11 矩阵奇异值分解(SVD)
        • 8.1.11.1 SVD分解2
        • 8.1.11.2 SVD分解逐步推导
        • 8.1.11.3 奇异值与特征值的意义
      • 8.1.12 随机向量
        • 8.1.12.1 随机过程简述
      • 8.1.13 投影矩阵和最小二乘
      • 8.1.14 知乎数学精选集
        • 8.1.14.1 高数问题集
      • 8.1.15 小波变换
      • 8.1.16 程序设计数学基础1:高等数学
      • 8.1.17 程序设计数学基础2:线性代数
      • 8.1.18 程序设计数学基础3:概率论和数理统计
      • 8.1.19 向量的距离与相似度计算
      • 8.1.20 复数
      • 8.1.21 高等数学——幂级数
      • 8.1.22 无穷小的本质
      • 8.1.23 数列极限和收敛性
      • 8.1.24 不定积分技巧总结
    • 8.2 有趣的数学题目
    • 8.3 高等数学
      • 8.3.1 泰勒级数
  • 9 路径规划与智能算法
    • 9.1 常见路径规划算法简介
    • 9.2 Dijkstra算法详细
  • 10 教学文档
    • 10.1 授课计划
    • 10.2 课程标准
课外补充:MATLAB的App会取代GUI吗?

MATLAB App会取代GUI吗?






类似的留言还有很多,今天就来聊聊MATLAB的App是否会取代GUI的问题。


01. 选App还是GUI,这不是一个问题


在对比App和GUI之前,我想先聊一下App和GUI的本质。

无论是App还是GUI,他们的本质都是一样的,都是UI(User Interface用户界面)的一种。

我们日常生活中还有很多UI的例子,像电脑桌面,手机,微信小程序等等,获取信息,调用资源,控制运作的一个可视化操作界面。

关于UI设计,很多人会把UI的职能分成3类,包括界面设计,交互设计,以及用户测试。

不过在MATLAB App/GUI的开发过程中,不会分这么细,只包括界面设计和交互设计,因为用户群体有限,基本上是只是自己使用或者项目组里使用。

之所以介绍这个,是希望能够淡化大家对GUI与App转化这件事的忧虑。

GUI和App的本质是一样的,在GUI转App这件事上,大部分的交互设计是保持不变的,也就是主要功能的callback函数都是沿用的,像数据的导入导出,数据的计算处理,数据的可视化等等。

唯一的不同是在界面设计上。虽然界面设计不同,但原理总是相通的,基本的控件也都是类似的,无非就是按钮,编辑框,文本框,列表等等。

所以,如果你打算把GUI迁移到App上,不要觉得这是件难度堪比登天的事,App Designer有提供GUI转App的工具,然后在转成之后的App略微调整,差不多就能用了。


02. MathWorks为什么要开发App Designer

既然GUI和App的本质是一样的,为什么MathWorks要开发一个全新的应用程序构建平台App Designer?

对于这个问题,我引用一下MATLAB图形和应用程序构建的开发经理Chris Portal的回答:

“GUIDE和App Designer之间的主要区别在于所使用的技术。GUIDE的基础是Java Swing,甲骨文已经不再对其投入开发。虽然这个平台可以获得一些短期的胜利,但是从长远来看,不会得到新的扩展,也不允许我们为用户提供基于网络的工作流。

App Designer建立在现代的基于web的技术上,比如JavaScript、HTML和CSS,它给我们提供了一个平台,可以灵活地跟上用户的需求,并允许应用程序在web上运行。用户可以保持他们现有的基于Java的应用程序运行,并在合适的时候选择新的平台。”

摘自Loren Shure博客: blogs.mathworks.com/lor

其中有一个非常有意思的信息是,基于网络的工作流,MATLAB App可以在web上运行。

如果你真的非要说服我说MATLAB App才是未来的趋势,更多的控件选择说服不了我,更精致的控件设计说服不了我,更便捷的界面设计流程说服不了我,而唯独能让我心动的是,App支持web上运行,这背后的想象空间实在是太大了。


03. MATLAB App有哪些优点

前面其实已经陆陆续续聊到了App Designer的一些优点了,除了能够支持web端的运行之外,还有非常多的优点。

我很喜欢的是App Designer的启动界面,一个非常有现代感的界面设计,相比之下,GUIDE的启动界面更有些Windows98的味道。

当然一个界面的好坏不能单纯的只靠视觉感受来判断,如果仔细去看其中的内容,就会发现里面有不少现成的例子。





这哪还需要什么教程什么培训班啊,随便挑一个例子,拿去玩玩,调一调参数,看看都会有哪些变化,很容易就上手了。

第二个我非常喜欢的是,在这个启动界面的最上方,会有一些帖子推荐,就拿这个上面这个图来说,推荐了一篇帖子是关于HTML UI component的,当我第一次看到的时候,非常惊喜,因为那段时间我正在制作我的小程序,所以读这篇帖子的时候,是真的很兴奋。

App Designer是这几年的一个新产品,每年都在更新改善,它更像是一个藏满似曾熟悉却未知的魔术盒,每当我看到一个新的功能,不由得会感叹,卧槽,还能这么操作!

第三个非常喜欢的是,App Designer里的控件选择实在是太多了,有日期选择框,色彩选择框,HTML,树状结构,还有一些带有工业设计元素的控件,比如旋钮,指示表等。

老实说,这些控件在GUI上并不是不能实现,都是有曲线救国的办法,但还是得花些力气去实现。相比之下,App Designer里的选择就多了不少,想要实现的功能可以更多,也更便捷。





而且控件设计也非常有讲究,我对控件里的那些圆角设计毫无抵抗力,实在是太喜欢了。





至于参数设计方面,我就做不评论了,因为对于这种控件拖拽的制作方式,我向来不太喜欢,这些年一直是用纯脚本形式制作GUI的。

App Designer的参数设置感受如何,只能请大家自己去体会了。

不过恰恰是因为我的这个习惯,非常让我意外与惊喜的是,App的保存形式,除了mlapp之外,还可以导出为m脚本,而这个功能是GUIDE所没有的。

这个功能的出现,对于习惯通过编程制作应用的朋友来说,是非常有帮助的。可以通过拖拽控件快速搭建应用的界面框架,然后在导出m文件之后,在m文件的基础上继续优化界面的设计。

App的好处就暂时先介绍到这里,里面还有很多非常酷炫非常人性化的设计,大家可以多花些时间去体验一下。


04. MATLAB App能否取代GUI

关于取代,随着AppDesigner越来越完善,确实会有取代的情况出现,不过不是App取代GUI。

谈到这个话题之前,我希望大家清楚几个概念。

GUI是一个UI,用户交互界面,可以理解成一个产品,一个工具。

制作GUI的方式有两种,一种是大家比较熟悉的GUIDE,这种方式和App Designer很相似,是GUI的制作环境,通过将基础控件拖入到界面中实现GUI的界面设计,右键实现callback函数的定义。





另一种方式是,通过编程的方式,定义figure窗口,在窗口中定义控件,包括控件的位置,名称,颜色,调用函数等等。





回到取代这个问题上来,其实不是App取代GUI,而是App Designer取代GUIDE,是制作方式上的取代,这样的取代才有可比性,因为两种的制作方式非常相似,而APP Designer确实要比GUIDE要便捷很多。

GUIDE的界面中,MathWorks官方也是这么提醒用户的。





如果说App Designer取代GUIDE,我双手赞成,因为几年前,我早就用编程式GUI把GUIDE取代了。

不过如果你要说App要取代GUI,从目前来看,暂时还不太可能,举一个简单的例子。

几个月前,我想把自己之前做的一个GUI工具HaoTdms改写成App。





界面的改写过程十分顺利,不过我使用的不是类,而是直接把figure改为uifigure,GUI中的按钮,编辑框,列表等等,全都替换成App中对应的控件。

当我要迁移两个小功能的时候,碰到了问题。

一个是,我在列表里选择任意一个信号之后,输入回车键,可以生成信号的图。在GUI中只需要在列表控件上定义KeyPressFcn即可。

不过在App中,列表控件是不支持KeyPressFcn的,只有整体窗口支持KeyPressFcn。

这导致的问题是,我在搜索框中输入字符之后然后回车,整个过程一直在调用整体窗口的KeyPressFcn,而回车让列表中的信号错误显示。

另一个是,GUI的Edit编辑框可以实现的一个效果是,设置Enable为inactive,然后通过ButtonDownFcn实现对编辑框的点击事件处理。

这个功能同样在App中是无法实现的。

这类的小细节问题,其实在App中还不少,好在这些细节对整体功能的影响并不严重,只是在用户友好度上会稍有影响。

也正是因为这些细节上的问题,目前我还不太愿意把GUI完全迁移到App上。

还有一个我比较介意的问题是,App在使用过程中是会有响应迟钝,大家可以对比下App和GUI在启动过程中的响应速度。





这个问题在使用过程中同样也存在,比如大家可以试一下用uisetcolor打开调色板,这个控件就是App Designer中的一个,也是肉眼可见的卡顿。


05. App和GUI,选哪个?

从我个人的观点是:

- 如果你刚开始接触工具的制作,推荐使用App Designer

- 如果你比较喜欢用控件拖拽的方式制作工具,推荐使用App Designer

- 如果你的工具复杂度不太高,使用过程中只需要基础的点击操作,推荐使用App Designer

- 如果你计划长期制作并维护这个工具,推荐使用App Designer

- 如果你需要短期内制作一个复杂度高,成熟度高的工具,推荐使用编程式GUI,目前网上的资料与问答会比App多

- 如果你对工具的用户友好度方面要求比较高,推荐使用编程式GUI,控件可操作空间更大

- 如果你手头已经有一个项目上的祖传GUI,那就继续用GUI,不一定非要迁移到App上,并不能实现100%的迁移,而且目前GUI和App使用效果都不错