如何在特征中创建复数矩阵

How do i create a matrix of complex numbers in Eigen

本文关键字：创建 特征      更新时间：2023-10-16

我有一个大小为 NxM 的矩阵，并希望创建一个大小为 N/2 x M 的复数矩阵，其中实数是矩阵的左侧，复数部分是右侧。

我想出了这个：

auto complexmatrix= Shapes.block(0,0,Shapes.rows(),data.cols()) * std::complex<float>(1,0) +
    Shapes.block(0,data.cols(),Shapes.rows(),data.cols())*std::complex<float>(0,1);
std::cout << complexmatrix<< std::endl;

是否可以对其进行优化，或者是否有更好的方法来创建复杂矩阵。

总而言之，代码的结局是这样的。感觉我错过了艾根的东西。目标是转换为复数表示法并从每行中减去逐行平均值。

//Complex notation and Substracting Mean.
Eigen::MatrixXcf X = Shapes.block(0,0,Shapes.rows(),data.cols()) * std::complex<float>(0,1) +
    Shapes.block(0,data.cols(),Shapes.rows(),data.cols())*std::complex<float>(1,0);
Eigen::VectorXcf Mean = X.rowwise().mean();
std::complex<float> *m_ptr = Mean.data();
for(n=0;n<Mean.rows();++n)
    X.row(n) = X.row(n).array() - *m_ptr++;

下面是一个更简单的代码版本，可以更好地使用特征：

int cols = 100;
int rows = 100;
MatrixXf Shapes(rows, 2*cols);
MatrixXcf X(rows, cols);
X.real() = Shapes.leftCols(cols);
X.imag() = Shapes.rightCols(cols);
X.array().colwise() -= X.rowwise().mean().array();
相关文章：