2021-01-24(数构2)

本文深入探讨了三种重要的数据结构算法:单调栈用于处理数组中的最大值或最小值问题,单调队列在滑动窗口中寻找最大值或最小值,而KMP模式匹配算法则用于字符串匹配。通过实例代码详细解释了每种算法的工作原理和实现过程,帮助读者理解并掌握这些核心算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基本数据结构(二)

单调栈

int a[N], n;
stack<int> stk;

int main() {
    int n; cin >> n;
    for (int i = 0; i < n; i ++ ) cin >> a[i];
    for (int i = 0; i < n; i ++ ) {
        // 先入栈的不小于当前值的元素在之后一定不会被访问到,至少只会访问较小的当前元素
        while (stk.size() && stk.top() >= a[i]) stk.pop();
        if (stk.empty()) cout << -1 << ' ';
        else cout << stk.top() << ' ';
        stk.push(a[i]);
    }
    return 0;
}

单调队列

// 滑动窗口
for (int i = 0; i < n; i ++ ) {
    if (q.size() && i - q.front() >= k) q.pop_front(); // 若超出窗口范围则出队
    while (q.size() && a[q.back()] > a[i]) q.pop_back(); // 先入队的较大的元素之后一定不会被访问
    q.push_back(i);
    if (i >= k - 1) cout << a[q.front()] << ' ';
}

模式匹配KMP算法

// 模式串s,长度为m;模板串p,长度为n,下标均从1开始
char p[N], s[M];
int n, m, ne[N];

void kmp() {
    // 构造ne数组
    // ne[i] = j 表示 p[1:j] == p[i - j:i]
    for (int i = 2, j = 0; i <= n; i ++ ) {
        while (j && p[i] != p[j + 1]) j = ne[j];
        if (p[i] == p[j + 1]) j ++ ;
        ne[i] = j;
    }

    for (int i = 1, j = 0; i <= m; i ++ ) {
        while (j && s[i] != p[j + 1]) j = ne[j];
        if (s[i] == p[j + 1]) j ++ ;
        if (j == n) {
            // p到头了,匹配成功
        }
    }
}
分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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