LeetCode 362. 敲击计数器

362. 敲击计数器

设计一个敲击计数器,使它可以统计在过去 5 分钟内被敲击次数。(即过去 300 秒)

您的系统应该接受一个时间戳参数 timestamp (单位为  ),并且您可以假定对系统的调用是按时间顺序进行的(即 timestamp 是单调递增的)。几次撞击可能同时发生。

实现 HitCounter 类:

  • HitCounter() 初始化命中计数器系统。
  • void hit(int timestamp) 记录在 timestamp ( 单位为秒 )发生的一次命中。在同一个 timestamp 中可能会出现几个点击。
  • int getHits(int timestamp) 返回 timestamp 在过去 5 分钟内(即过去 300 秒)的命中次数。

示例 1:

输入:
["HitCounter", "hit", "hit", "hit", "getHits", "hit", "getHits", "getHits"]
[[], [1], [2], [3], [4], [300], [300], [301]]
输出:
[null, null, null, null, 3, null, 4, 3]

解释:
HitCounter counter = new HitCounter();
counter.hit(1);// 在时刻 1 敲击一次。
counter.hit(2);// 在时刻 2 敲击一次。
counter.hit(3);// 在时刻 3 敲击一次。
counter.getHits(4);// 在时刻 4 统计过去 5 分钟内的敲击次数, 函数返回 3 。
counter.hit(300);// 在时刻 300 敲击一次。
counter.getHits(300); // 在时刻 300 统计过去 5 分钟内的敲击次数,函数返回 4 。
counter.getHits(301); // 在时刻 301 统计过去 5 分钟内的敲击次数,函数返回 3 。

提示:

  • 1 <= timestamp <= 2 * 10^9
  • 所有对系统的调用都是按时间顺序进行的(即 timestamp 是单调递增的)
  • hit and getHits 最多被调用 300 次

进阶: 如果每秒的敲击次数是一个很大的数字,你的计数器可以应对吗?

解法1:队列

Java版:

class HitCounter {
    Queue<Integer> queue;

    public HitCounter() {
        queue = new ArrayDeque<>();
    }
    
    public void hit(int timestamp) {
        queue.offer(timestamp);
    }
    
    public int getHits(int timestamp) {
        while (!queue.isEmpty() && queue.peek() <= timestamp - 300) {
            queue.poll();
        }
        return queue.size();
    }
}

/**
 * Your HitCounter object will be instantiated and called as such:
 * HitCounter obj = new HitCounter();
 * obj.hit(timestamp);
 * int param_2 = obj.getHits(timestamp);
 */

Python3版:

class HitCounter:

    def __init__(self):
        self.queue = deque()

    def hit(self, timestamp: int) -> None:
        self.queue.append(timestamp)

    def getHits(self, timestamp: int) -> int:
        while self.queue and self.queue[0] <= timestamp - 300:
            self.queue.popleft()
        return len(self.queue)


# Your HitCounter object will be instantiated and called as such:
# obj = HitCounter()
# obj.hit(timestamp)
# param_2 = obj.getHits(timestamp)
### 敲击信号识别技术及处理算法 敲击信号的识别技术主要依赖于对信号特征的提取与分析。以下从信号特征提取、常见算法以及实现方法等方面进行详细介绍。 #### 1. 特征提取 敲击信号的特征提取是识别技术的核心,常见的特征包括短时能量、过零率和归一化幅值等[^2]。这些特征能够有效描述信号的时间域和频率域特性。 - **短时能量**:用于衡量信号在某一时间段内的能量分布情况。不同敲击信号的能量分布可能具有显著差异,因此可以作为区分不同信号的重要依据。 - **过零率**:表示信号在单位时间内穿越零点的次数。对于敲击信号而言,过零率的变化能够反映信号的瞬态特性。 - **归一化幅值**:通过对信号幅值进行归一化处理,可以消除信号强度差异带来的影响,从而更准确地比较不同信号的特性。 #### 2. 常见算法 针对敲击信号的识别,常用的算法包括但不限于以下几种: - **自适应滤波算法**:如LMS(最小均方误差)、RLS(递归最小二乘法)等。这些算法可以通过不断调整滤波器系数来优化信号处理效果[^1]。 - **时频分析**:利用傅里叶变换或小波变换将信号从时域转换到频域,进而分析其频率成分。这种方法特别适用于非平稳信号的处理。 - **机器学习方法**:通过训练分类模型(如支持向量机、神经网络等),可以实现对敲击信号的自动分类。输入模型的特征通常为上述提到的短时能量、过零率等[^2]。 #### 3. 实现方法 以下是基于MATLAB的一个简单示例代码,展示如何计算信噪比以评估信号质量[^3]: ```matlab function snr = SNR_singlech(I, In) % 计算信噪比函数 % I : original signal % In: noisy signal (original signal + noise signal) Ps = sum(sum((I - mean(mean(I))).^2)); % Signal power Pn = sum(sum((I - In).^2)); % Noise power snr = 10 * log10(Ps / Pn); % Calculate SNR in dB end ``` 此外,还可以结合麦克风阵列技术采集多通道信号,进一步提升敲击信号的识别精度。 ###
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