工厂模式


上次谈到“建造者模式”,本次探讨一下“工厂模式”在Android API中的应用。

工厂模式:定义一个创建产品对象的工厂接口,让子类决定实例化哪一种实例对象,也就是将创建实例对象的工作推迟到子类当中,核心工厂类不再负责具体产品的创建。
存在这样几个角色:
1、抽象工厂
2、抽象产品
3、具体工厂
4、具体产品


Android中的应用:创建位图
例如
Bitmap bitmap=BitmapFactory.decodeResource(getResources(), R.drawable.ic_action_search);

这条语句相信我们经常用到,BitmapFactory顾名思义,就是位图工厂,专门用来将制定的图片转化为指定的位图Bitmap。
因为图片来源的不同可能导致图片大小,格式类型等的多种多样,这样就导致了生成目标对象的复杂度,因此通过工厂统一的加工成同样大小,类型的“标准件”
大大简化了代码的复杂度与工作量。
-----------------------------------------------------------------------------------------------------------
下面举例剖析一下,BitmapFactory的用例过程:
需要生成四个对象:
工厂接口:   IFactory
工厂实体类:Factory
抽象产品:   AbstructBitmap
实体产品:   Bitmap

结构如图:

------------------------------------------------------------------------------------------------------------
第一步:抽象产品类 AbstructBitmap

public abstract class AbstructBitmap {
String name;
public AbstructBitmap() {
}
public String getName() {
        return name;
}

public void setName(String name) {
        this.name = name;
}


第二步:实体产品Bitmap

public class Bimap extends AbstructBitmap {
     public Bimap(String name) {
             this.setName(name);
        }
}

第三步:核心工厂接口IFactory

public interface IFactory {
  public AbstructBitmap decodeResource(String name); //注意:返回的是位图抽象类
}


第四步:具体工厂Factory

public class Factory implements IFactory{
        @Override
        public AbstructBitmap decodeResource(String name) {
               
                return new Bimap(name);
        }
}


----------------------------------------------------------------------------------------------------------------
应用:
IFactory factory=new Factory();
AbstructBitmap product= factory.decodeResource(" I'm Bitmap !");
System.out.println("--------------------"+product.getName());

至此结束!
其实过程也没什么复杂的,关键还是思想!

**********************************************************************************
工厂模式的设计原则:
1、开闭原则:对扩展开放,对修改关闭。即使某个功能模块在不被修改的前提下被扩展
2、依赖倒置原则:不论工厂还是产品都应该依赖于抽象,而不是具体实现类

使用场合:
1、当子类型可能会有很多,以后需要不断增添不同的子类实现时;
2、当一个系统会有尚在框架设计阶段,还不知道将来需要实例化哪些具体类时;
3、系统设计之初不需要具体对象的概念(或者说是没有具体对象的概念);
  • 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