"la_solve"를 사용할 때 샘플 수의 제한 때문에 Malloc 오류가 발생합니다. "la_solve"가 처리 할 수 있습니다.큐빅 스플라인 보간 알고리즘을 더 빠르게 만드는 방법은 무엇입니까?
약 900 개의 샘플을 사용하면 프로그램이 잘 실행되는 것으로 나타났습니다.
따라서, 나는 샘플> (901)
그러나, 차라리 순진 기술을 사용이보다 효율적이고 강력한 만들 수 있습니다 확신 경우 901 개 샘플의 연속 덩어리로 전체 데이터를보고 내 코드를 수정 : (1) 샘플이 < 인 경우 덩어리가되지 않는 조건이 필요합니다. (2) 청크 데이터를 추가 할 때 x 및 y 값의 반복을 처리합니다. (3) 알고리즘을보다 효율적이고, 빠르며, 견고하게 만드십시오.
나는 대부분 코드의 끝
감사의 절 "//이 다시 샘플러 함수를 호출"의 도움이 필요합니다! 이진 검색을 사용하여 모든ind
찾고 있습니다
import UIKit
import Accelerate.vecLib.LinearAlgebra
public class Resample {
public class func resample(xi: [Double], xii: [Double], a: [Double]) ->[Double]
{
// xi - original time stamps (original x)
// xii - desired time stamps (desired x)
// a - orignal y values
// ->[Double] - interpolated y values
let ni = xii.count // Desired x count
let n = xi.count // Actual x count
var h: [Double] = Array(repeating:0, count:n-1)
for j in 0..<n-1 {
h[j] = (xi[j+1] - xi[j])
}
var A: [Double] = Array(repeating:0, count:(n)*(n))
A[0] = 1.0
A[(n*n)-1] = 1.0
for i in 1..<(n-1) {
A[(n+1)*i-1] = h[i-1]
A[(n+1)*i] = 2*(h[i-1] + h[i])
A[(n+1)*i+1] = h[i]
}
var b: [Double] = Array(repeating:0, count:n)
for i in 1..<n-1 {
b[i] = (3/h[i])*(a[i+1]-a[i]) - (3/h[i-1])*(a[i]-a[i-1])
}
let matA = la_matrix_from_double_buffer(A, la_count_t(n), la_count_t(n), la_count_t(n), la_hint_t(LA_NO_HINT), la_attribute_t(LA_DEFAULT_ATTRIBUTES))
let vecB = la_matrix_from_double_buffer(b, la_count_t(n), 1, 1, la_hint_t(LA_NO_HINT), la_attribute_t(LA_DEFAULT_ATTRIBUTES))
let vecCj = la_solve(matA, vecB)
var cj: [Double] = Array(repeating: 0.0, count: n)
let status = la_matrix_to_double_buffer(&cj, 1, vecCj)
if status == la_status_t(LA_SUCCESS) {
//print(cj.count)
}
else {
print("Failure: \(status)")
}
var bj: [Double] = Array(repeating:0, count:n-1)
for i in 0..<n-1 {
bj[i] = (1/h[i])*(a[i+1]-a[i]) - (1/3*h[i])*(2*cj[i]+cj[i+1])
}
var dj: [Double] = Array(repeating:0, count:n-1)
for i in 0..<n-1 {
dj[i] = (1/(3*h[i])) * (cj[i+1]-cj[i])
}
var P: [Double] = Array(repeating: 0.0, count: (n-1)*4)
for i in 0..<n-1 {
P[(i*4)] = dj[i]
P[(i*4)+1] = cj[i]
P[(i*4)+2] = bj[i]
P[(i*4)+3] = a[i]
}
var ai: [Double] = Array(repeating: 0.0, count: ni)
var jl = Double(1)
for i in 0..<ni {
let inter = Double(xii[i])
while (inter > xi[Int(jl)] && (Int(jl) < n)) {
jl += 1
}
let ind = 4*Int(jl)-4
var pp = Array(P[ind...ind+3])
let xx = Double(xii[i]-xi[Int(jl)-1])
ai[i] = pp[0]*pow(xx, 3) + pp[1]*pow(xx, 2) + pp[2]*xx + pp[3]
}
return(ai)
}
}
// Calling the Re-sampler FUNCTION
let x = Array(stride(from: 0, through: 16649, by: 1.0)) // Orig X (Given, say)
let y = Array(stride(from: 0, through: 16649, by: 1.0)) // Orig Y (Given, say)
let f = 2.0 // Hz (Desired Sampling Freq., say)
let g = Array(stride(from: 0, through: x.count-1, by: 900))
// Helper array for chunking (901 samples each time, say)
var xxx = [Double]() // Results for appended chunks X
var yyy = [Double]() // Results for appended chunks Y
for i in 0..<g.count-1 { // loop through
let xc = Array(x[Int(g[i])...Int(g[i+1])]) // x chunk (count = 901)
let yc = Array(y[Int(g[i])...Int(g[i+1])]) // y chunk (count = 901)
let xci = Array(stride(from: xc[0], through: xc[xc.count-1], by: 1.0/f))
// Desired time stamps for chunk of 901 samples
let yci = Resample.resample(xi: xc, xii: xci, a: yc) // Interpolate chunk
xxx += xci // Append interpolation X
yyy += yci // Append interpolation X
}
if(Int(g[g.count-1])<x.count){
// If helper function last index < original no. of samples
let glb = (Int(g[g.count-1])) // last chunk begin index
let gle = (x.count) // last chunk end index
let xce = Array(x[glb...gle-1]) // last x chunk
let yce = Array(y[glb...gle-1]) // last y chunk
let xcei = Array(stride(from: xce[0], through: xce[xce.count-1], by: 1.0/f))
// Desired time stamps for last chunk of samples
let ycei = Resample.resample(xi: xce, xii: xcei, a: yce) // Interpolate last chunk
xxx += xcei // Append interpolation X for last chunk
yyy += ycei // Append interpolation X for last chunk
}
print(xxx) // would like to identify repeated x values and remove them
print(yyy) // remove y values corresponsding to repated x values (as found above)
// Calling the Re-sampler FUNCTION
의견을 보내 주셔서 감사합니다! while 루프가 지연을 일으키는 것을 이해합니다. 정확한 구문을 빨리 만들어야하는지 잘 모르겠습니다. 예, la_solve는 linear eqs의 시스템을 풀기위한 일반적인 방법입니다. 당신이 제안한대로 삼중 대각선 시스템을 검색하고 볼 것입니다. – Saif
의사 코드 MBo를 구현했습니다. 결과는 동일하고 프로그램은 그늘이 더 빨라졌지만 여전히 느립니다. Mac 시뮬레이터에서 결과를 제공하지만 내 iPhone에 설치/실행하려고하면 충돌이 발생합니다. 나는 그것을 정말로 빨리 만드는 방법을 찾고있다. 감사 !!!! – Saif
데이터 세트의 크기는 얼마나됩니까? 얼마나 자주 인터폴레이션을 작성해야합니까? 가장 느린 코드 부분을 측정/프로파일 링 했습니까? – MBo