hdu 1007 Quoit Design

#include <iostream>
#include <vector>
#include <iomanip>
#include <cmath>
#include <limits>
#include <algorithm>

using namespace std;

struct Point
{
	double x;
	double y;
};

vector<Point> point;

bool compareX(const Point& x, const Point& y)
{
	return (x.x < y.x || (x.x == y.x && x.y < y.y));
}

bool compareY(const int& x, const int& y)
{
	return point[x].y < point[y].y;
}

class QuoitDesign
{
public:
	void initialize();
	void readCase(int& n);
	void compute();
	void output();
private:
	double distance(const int& x, const int& y)
	{
		return sqrt((point[x].x - point[y].x) * (point[x].x - point[y].x) + (point[x].y - point[y].y) * (point[x].y - point[y].y));
	}
	double findShort(const int& left, const int& right);
private:
	double radius;
};

void QuoitDesign::initialize()
{
	point.clear();
}

void QuoitDesign::readCase(int& n)
{
	while(n--)
	{
		Point p;
		cin >> p.x >> p.y;
		point.push_back(p);
	}
}

void QuoitDesign::compute()
{
	sort(point.begin(), point.end(), compareX);// 根据点的y值和x值排序
	radius = this->findShort(0, point.size()) / 2;
}

double QuoitDesign::findShort(const int& left, const int& right)
{
	double minLine = numeric_limits<double>::max();
	if(left == right)
	{
		return minLine;
	}
	if(left + 1 == right)
	{
		return this->distance(left, right);
	}
	int middle = (left + right) >> 1;// 找出中线
	double leftLine = this->findShort(left, middle);
	double rightLine = this->findShort(middle + 1, right);
	minLine = min(leftLine, rightLine);
	vector<int> temp;
	temp.clear();
	for(int i = left; i < right; ++i)
	{
		if((point[middle].x - point[i].x <= minLine && point[middle].x - point[i].x >= -minLine))// 分离范围不然会超时
		{
			temp.push_back(i);
		}
	}
	sort(temp.begin(), temp.end(), compareY);
	for(int i = 0; i < temp.size(); ++i)
	{
		for(int j = i + 1; j < temp.size() && point[temp[j]].y - point[temp[i]].y <= minLine; ++j)
		{
			double r = this->distance(temp[i], temp[j]);
			if(minLine > r)
			{
				minLine = r;
			}
		}
	}
	return minLine;
}

void QuoitDesign::output()
{
	cout << setprecision(2) << setiosflags(ios::showpoint) << setiosflags(ios::fixed) << radius << endl;
}

int main()
{
	QuoitDesign quoitDesign;
	int n;
	while(cin >> n && n != 0)
	{
		quoitDesign.initialize();
		quoitDesign.readCase(n);
		quoitDesign.compute();
		quoitDesign.output();
	}
	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