离散化

关注

转载最新推荐文章于 2026-05-28 13:20:15 发布 547 阅读 AI 写同款· GEO 优化 ›

传递函数如何转化为差分方程前言：我们在Matlab/Simulink做实验仿真的对象一般习惯使用传递函数，但是真正转化到单片机中时，又无法识别传递函数，因此需要转化为差分方程来处理。最近遇到转化差分方程的问题，写一个博客记录。一、传递函数形式一阶惯性环节形如以下形式：如何将上式改写成差分方程，需要按照下述流程。S域传递函数——Z域离散函数——差分方程。第一步先将其离散化 二、离散化方法 1.一阶向前差分 2.一阶向后差分 3.双线性变换三、实例说明假设当前我们获得的传递函数模型如下：采用方法一：将模型中的s用阅读详情

若一些数据本身很大，无法作为下标储存，且数据的作用只和其相对大小有关时，可以将数据进行离散化。

举例说明：

12345 < 123456 < 1234567

离散化后变成： 1 < 2 < 3

代码：

// B为A的副本。
sort(B,B+n);
int size = unqiue(B,B+n) - B;   //size为离散化后元素的个数。
for(int i=0;i<n;i++)
    A[i] = lower_bound(B,B+size,A[i]) - B + 1;      // 离散化

unique 实现：

template <class ForwardIterator>
  ForwardIterator unique (ForwardIterator first, ForwardIterator last)
{
  if (first==last) return last;

  ForwardIterator result = first;
  while (++first != last)
  {
    if (!(*result == *first))  // or: if (!pred(*result,*first)) for version (2)
      *(++result)=*first;
  }
  return ++result;
}

可以看到最后返回的是去掉所用相同元素后最后一位的后面的地址.

Removes all but the first element from every consecutive group of equivalent elements in the range [first,last).

lower_bound实现：

template <class ForwardIterator, class T>
  ForwardIterator lower_bound (ForwardIterator first, ForwardIterator last, const T& val)
{
  ForwardIterator it;
  iterator_traits<ForwardIterator>::difference_type count, step;
  count = distance(first,last);
  while (count>0)
  {
    it = first; step=count/2; advance (it,step);
    if (*it<val) {                 // or: if (comp(*it,val)), for version (2)
      first=++it;
      count-=step+1;
    }
    else count=step;
  }
  return first;
}

Returns an iterator pointing to the first element in the range [first,last) which does not compare less than val.

收录于