CORDIC avec Scipy

Il est possible de calculer une fonction triangulaire uniquement en ajoutant, en soustrayant et en décalant. Pour plus de détails, cette page était très facile à comprendre. Le code que j'ai réellement écrit est calculé avec des nombres à virgule flottante, donc j'utilise la multiplication au lieu de l'opération de décalage. Même ainsi, je propose souvent un tel algorithme.

Vous trouverez ci-dessous le code et les résultats de l'exécution.

cordic.py


#!/usr/bin/env python
from __future__ import division
import scipy as sp
import numpy as np
import matplotlib.pyplot as plt
import math

term_num = 17
thetas =  map( lambda x : math.atan( 1.0 / math.pow( 2.0,x ) ) , range( term_num  + 1) )
hypot_length =  1.0 / reduce( lambda x,y:  x * ( 1.0 / math.cos(y) ) ,thetas,1.0 )

def cos_cordic( angle ):
        x,y = (1.0,1.0)
        acc_theta = thetas[0]
        scale_ratio = 1.0
        for i,theta in enumerate( thetas[1:] ):
                x1,y1 = x,y
                scale_ratio *= 0.5
                if acc_theta < angle :
                        acc_theta += theta
                        x -= scale_ratio * y1
                        y += scale_ratio * x1
                else:
                        acc_theta -= theta
                        x += scale_ratio * y1
                        y -= scale_ratio * x1
        return ( x * hypot_length )


if __name__ == '__main__':
        t = [ x * ( math.pi / 200.0 ) for x in range( 100 ) ]
        result = map( cos_cordic,t )

        plt.plot( result )
        plt.show()

cordic.png

Recommended Posts

CORDIC avec Scipy
LPC avec Scipy
ICA avec Scipy
Normariser les données avec Scipy
Utilisez OpenBLAS avec numpy, scipy
Extraire la valeur de crête avec scipy
Moyenne harmonique par Python (en utilisant SciPy)
Calculer la distribution de l'échantillon avec Scipy (distribution discrète)
Générer une distribution normale avec SciPy
scipy Voronoi
Installez Scipy
Utilisez BLAS / LAPACK multi-thread avec numpy / scipy
Utilisation d'Intel MKL avec NumPy / SciPy (version de novembre 2019)
Créer un diagramme de dispersion 3D avec SciPy + matplotlib (Python)