heapSort


#include <stdio.h>
#include <vector>
#include <iostream>

using namespace std;

int parentIndex(int i)
{
    return i/2;
}

int leftChildIndex(int i)
{
    return 2*i;
}

int rightChildIndex(int i)
{
    return 2*i + 1;
}

int maxHeapify(vector<int> &A, int index, int heapSize)
{
    int leftIndex = leftChildIndex(index);
    int rightIndex  = rightChildIndex(index);
    int largest = index;

    if(leftIndex >=0 && leftIndex < heapSize && A[leftIndex] > A[largest])
    {
        largest = leftIndex;
    }
    if(rightIndex >=0 && rightIndex < heapSize && A[rightIndex] > A[largest])
    {
        largest = rightIndex;
    }

    if(largest != index)
    {
        int tmp = A[largest];
        A[largest] = A[index];
        A[index] = tmp;
        maxHeapify(A, largest, heapSize);
    }

    return 0;
}

int buildMaxHeap(vector<int> &A)
{
    int heapSize = A.size();

    for(int i = heapSize/2 - 1; i > 0; i--)
    {
        maxHeapify(A, i, A.size());
    }

    return 0;
}

int heapSort(vector<int> &A)
{
    buildMaxHeap(A);
    #if 1
    int heapSize = A.size();
    for(int i = heapSize - 1; i > 0; i--)
    {
        int tmp = A[0];
        A[0] = A[i];
        A[i] = tmp;
        heapSize -= 1;
        maxHeapify(A,0, heapSize);
    }
    #endif

    return 0;
}

int main()
{
    vector<int> A;
    A.resize(14);
    A ={27, 17, 3, 16, 13, 10, 1, 5, 7, 12, 4, 8, 9, 0};
    for(auto entry:A)
    {
        cout << entry<<endl;
    }
    printf("**************************\n");
    #if 0

    maxHeapify(A, 2, A.size());
    printf("**************************\n");
    for(auto entry:A)
    {
        cout << entry<<endl;
    }
    printf("**************************\n");
    buildMaxHeap(A);
    printf("**************************\n");
    for(auto entry:A)
    {
        cout << entry<<endl;
    }
    printf("**************************\n");
    #endif
    heapSort(A);
    for(auto entry:A)
    {
        cout << entry<<endl;
    }
    printf("**************************\n");

    return 0;
}

 

  • 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