调试Linux程序的时候，出现Segmentation Fault是最郁闷的事情了，程序代码量很大的时候，可能花很多时间都找不到出错原因。
这里介绍一种对你调试Segmentation Fault很有帮助的方法，可能能迅速帮助你找到出错的代码行。
[原创]在CHtmlView中，判断一个页面加载完成的准确方法
凌晨了，但是关于这个问题一定要记录下来，要不然以后不记得了，还得走弯路。
在做一个测试的时候，为了便于自动操作，用VC写了个软件来代替人工操作。简单地说，功能就是：不断地刷某URL，服务器那一端的程序会返回另一个URL，要看服务器端程序会不会出问题，同时要记录一些信息。
两年多以来一直用VC开发，但是从未开发过浏览器相关的程序，这次我只能仓促上阵：用CHtmlView来实现一个超简浏览器，然后判断页面是否加载完成，在页面加载完成后再做后续处理。
给工具栏上的按钮添加文字（VC）
详见：MSDN里的CToolBar::SetSizes函数中的示例，摘抄如下：
// 这个例子演示了如何将文字添加到工具栏按钮上
int CMainFrame::OnCreate(LPCREATESTRUCT lpCreateStruct)
{
if (CMDIFrameWnd::OnCreate(lpCreateStruct) == -1)
return -1;
不要指望用同步方式同时收、发串口数据
很久以前记下的一条血的教训，当时折腾了很长时间，才从书上看到这个结论。串口通信时，如果你希望数据到达能监听到，那你可能会为了简单，而使用同步方式来实现数据的收发，用SetCommEvent来设置数据到达事件提醒，在监听线程中使用WaitCommEvent来等待数据的到达，数据一直没来，这时你又想要发送数据，于是用WriteFile来写，但此时你会发现，程序会锁死，为什么？如何解决？
[原创] AT+CNMI个别参数的含义
注意：下面的英文部分是从西门子MC35i的AT命令手册中摘下来的，中文是我自己翻译的，可能有不准确的地方，但大概还是说明白了含义的，仅供参考。
AT+CNMI=<mode>,<mt>,<bm>,<ds>,<bfr>
后面跟5个需要设置的参数：
[原创] 关于PDU模式接收短信，千万可别被误导（2）
发送短信的时候，我们是确切地知道何时发送的；而接收数据的时候， 我们则不知道何时数据会到来，因此，在短信到达时，我们需要一种方式来获知它的到来并将其读出来。有两种方式：一是查询，二是触发事件。前一种方式我们不会用的，后一种方式是上选。我们可以预先对GSM模块设置一些参数，那么当它收到短信的时候，就会自动将数据送到串口上，我们就可以接着控制我们的程序去读取它了。
利用串口调试工具来调试GSM/GPRS模块时，几个注意事项
推荐“串口调试助手” ，调试起来非常方便。
（1）关于波特率：对有些模块，用超级终端进行配置的时候，波特率是要设置为57600的，而用串口调试工具进行调试的时候，波特率应设置为你的系统中用到的实际通信速率（例如我用的是9600），这两个波特率的概念是不一样的，前者只是用超级终端配置时的波特率。
[原创] 关于PDU模式发送短信，千万可别被误导（1）
最近在做GSM短信发送模块的软件，走了不少弯路，准备分几次一点点地写出来，仅供参考。
曾被网上的一些文章所误导，尤其是几篇非常流行点击率相当高的文章，可怜的我原来并不了解相关技术，后来才发现自己用GSM模块很多东西都与文中说的不一样，因此走了不少弯路，真是郁闷死。
关于PDU模式发送短信：
CTrueColorToolBar的使用
这是一个真彩工具条类。使用步骤：
（1） 在MainFrm.h中加入：
#define TOOLBAR_DRAW_BUTTON_WIDTH 32 //定义真彩工具条宽度
#include ”.UITrueColorToolBar.h” //真彩工具条支持类
[原创] LM(Levenberg-Marquard)算法的实现
LM算法，全称为Levenberg-Marquard算法，它可用于解决非线性最小二乘问题，多用于曲线拟合等场合。
LM算法的实现并不算难，它的关键是用模型函数 
对待估参数向量 
在其邻域内做线性近似，忽略掉二阶以上的导数项，从而转化为线性最小二乘问题，它具有收敛速度快等优点。LM算法属于一种“信赖域法”——所谓的信赖域法，此处稍微解释一下：在最优化算法中，都是要求一个函数的极小值，每一步迭代中，都要求目标函数值是下降的，而信赖域法，顾名思义，就是从初始点开始，先假设一个可以信赖的最大位移 
，然后在以当前点为中心，以 为半径的区域内，通过寻找目标函数的一个近似函数（二次的）的最优点，来求解得到真正的位移。在得到了位移之后，再计算目标函数值，如果其使目标函数值的下降满足了一定条件，那么就说明这个位移是可靠的，则继续按此规则迭代计算下去；如果其不能使目标函数值的下降满足一定的条件，则应减小信赖域的范围，再重新求解。
事实上，你从所有可以找到的资料里看到的LM算法的说明，都可以找到类似于“如果目标函数值增大，则调整某系数再继续求解；如果目标函数值减小，则调整某系数再继续求解”的迭代过程，这种过程与上面所说的信赖域法是非常相似的，所以说LM算法是一种信赖域法。