2.3 数据结构-数据类型

# coding=utf-8

__author__ = 'liuyb'


#########
# tuple #
#########

# 元组
def fuc_tuple():
    # 元组定义
    t = 12345, 54321, "hello"
    print t
    # 元组是可嵌套的
    u = t, (1, 2, 3, 4, 5)
    print u
    # 元组是不可变的
    # t[0] = 888

    # 单元元组可以包含可变对象
    v = ([1, 2, 3], [3, 2, 1])
    print v
    print v[0]
    # 元组的长度
    print len(t)
    # listtuple区别
    t = "hello"
    t1 = "hello",
    print t
    print t1
    # 定义
    x, y, z = t


########
# sets #
########

# 集,无序,无重复
# sets 标准操作
def fuc_sets_stander():
    a = set('abracadabra')
    b = set('alacazam')
    print a
    print b
    # 求差集
    print a - b
    # 并集
    print a | b
    # 交集
    print a & b
    # 对称差集(元素在ab中,但不会同时出现在二者之间)
    print a ^ b


def fuc_sets_operate():
    a = set('abracadabra')
    b = set('alacazam')

    a.add("x")
    print a
    a.update(["1", "2", "3"])
    print a
    a.remove("1")
    print a
    print "len of a is :", len(a)
    print "'3' in a is:", "3" in a


########
# 字典 #
########
def fuc_dict_stander():
    person = {"name":"pony", "sex":"man"}
    person["age"] = "20"
    print person
    print person["name"]

    del person["sex"]
    print person

    print person.keys()

    print "name" in person


# list转字典
def fuc_dict_list():
    return dict([("name","bob"), ("sex", "man")])


# tuple转字典
def fuc_dict_tuple():
    return dict(sape = 1234, guido = 2345, jack = 3456)


# 字典解析
def fuc_dict_for():
    return {x : x**2 for x in range(2, 7, 2)}



###########
# 循环技术 #
###########

# enumerate() 获取索引和对应的值
def fuc_enumerate():
    for k , v in enumerate(["tic", "tac", "tbc"]):
        print k , v



# iteritems() 获取字典的索引和对应的值
def fuc_iteritems():
    knights = {'gallahad': 'the pure', 'robin': 'the brave'}
    for k, v in knights.iteritems():
        print k, v



# zip() 同事遍历两个或以上的参数列表
def fuc_zip():
    questions = ['name', 'quest', 'favorite color']
    answers = ['TOM', 'the holy grail', 'blue']
    for q, a in zip(questions, answers):
        print "what is your {0}? It is {1}." .format(q, a)



# reversed() 取相反的序列
def fuc_reversed():
    for i in reversed(xrange(1, 10 , 2)):
        print i


# sorted() 序列排序,从小到大
def fuc_sorted():
    basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']
    for f in sorted(set(basket)):
        print f



# sortedreverse = True) 顺序排列,从大到小
def fuc_sorted_reverse():
    basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']
    for f in sorted(set(basket),reverse=True):
        print f

if __name__=="__main__":
    print fuc_iteritems()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值