利用DirectX写的二个常用函数

1:求两个平面相交所形成的直线:

bool GetIntersectionLine (D3DXPLANE& plane01,D3DXPLANE& plane02,CRayLine& line)

{

       D3DXPlaneNormalize(&plane01,&plane01);

       D3DXPlaneNormalize(&plane02,&plane02);

       D3DXVECTOR3 plane01Normal=-D3DXVECTOR3(plane01.a,plane01.b,plane01.c);

       D3DXVECTOR3 plane02Normal=-D3DXVECTOR3(plane02.a,plane02.b,plane02.c);

       D3DXVECTOR3 tempD;

       D3DXVec3Cross(&tempD,&plane01Normal,&plane02Normal);

       if (D3DXVec3Length(&tempD)<0.0001)return false;

       line.setDirection(tempD);

       float s1,s2,a,b;

       s1=plane01.d;s2=plane02.d;

       float n1n2dot=D3DXVec3Dot(&plane01Normal,&plane02Normal);

       float n1normsqr=D3DXVec3Dot(&plane01Normal,&plane01Normal);

       float n2normsqr=D3DXVec3Dot(&plane02Normal,&plane02Normal);

       a=(s2*n1n2dot-s1*n2normsqr)/(n1n2dot*n1n2dot-n1normsqr*n2normsqr);

       b=(s1*n1n2dot-s2*n2normsqr)/(n1n2dot*n1n2dot-n1normsqr*n2normsqr);

       line.setOrigin(a*plane01Normal+b*plane02Normal);

       return true;

}

2:求直线与平面的交点

bool Tool::LineIntersectPlane(const CRayLine& line,const D3DXPLANE& plane,float& t,D3DXVECTOR3& intersection)

{

       float s1=D3DXVec3Dot(&line.getDirection(),&D3DXVECTOR3(plane.a,plane.b,plane.c));

       float s2=line.getOrigin().x*plane.a +line.getOrigin().y*plane.b+line.getOrigin().z*plane.c +plane.d;

       if(abs(s1)<0.00001)

       {

              if(abs(s2)<0.00001)

              {

                     t=0;

                     return true;

              }

              else

              {return false;}

       }

 

       t=-s2;

       t=t/s1;

       intersection=line.getOrigin()+t*line.getDirection();

       return true;

}

1:求两个平面相交所形成的直线:

bool GetIntersectionLine (D3DXPLANE& plane01,D3DXPLANE& plane02,CRayLine& line)

{

       D3DXPlaneNormalize(&plane01,&plane01);

       D3DXPlaneNormalize(&plane02,&plane02);

       D3DXVECTOR3 plane01Normal=-D3DXVECTOR3(plane01.a,plane01.b,plane01.c);

       D3DXVECTOR3 plane02Normal=-D3DXVECTOR3(plane02.a,plane02.b,plane02.c);

       D3DXVECTOR3 tempD;

       D3DXVec3Cross(&tempD,&plane01Normal,&plane02Normal);

       if (D3DXVec3Length(&tempD)<0.0001)return false;

       line.setDirection(tempD);

       float s1,s2,a,b;

       s1=plane01.d;s2=plane02.d;

       float n1n2dot=D3DXVec3Dot(&plane01Normal,&plane02Normal);

       float n1normsqr=D3DXVec3Dot(&plane01Normal,&plane01Normal);

       float n2normsqr=D3DXVec3Dot(&plane02Normal,&plane02Normal);

       a=(s2*n1n2dot-s1*n2normsqr)/(n1n2dot*n1n2dot-n1normsqr*n2normsqr);

       b=(s1*n1n2dot-s2*n2normsqr)/(n1n2dot*n1n2dot-n1normsqr*n2normsqr);

       line.setOrigin(a*plane01Normal+b*plane02Normal);

       return true;

}

2:求直线与平面的交点

bool Tool::LineIntersectPlane(const CRayLine& line,const D3DXPLANE& plane,float& t,D3DXVECTOR3& intersection)

{

       float s1=D3DXVec3Dot(&line.getDirection(),&D3DXVECTOR3(plane.a,plane.b,plane.c));

       float s2=line.getOrigin().x*plane.a +line.getOrigin().y*plane.b+line.getOrigin().z*plane.c +plane.d;

       if(abs(s1)<0.00001)

       {

              if(abs(s2)<0.00001)

              {

                     t=0;

                     return true;

              }

              else

              {return false;}

       }

 

       t=-s2;

       t=t/s1;

       intersection=line.getOrigin()+t*line.getDirection();

       return true;

}

  • 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