[学习]RTKLib详解:pntpos.c与postpos.c

文章目录

  • RTKLib详解:pntpos.c与postpos.c
  • Part A: `pntpos.c`
    • 一、概述
    • 二、整体工作流程
    • 三、主要函数说明
      • 1. `pntpos()`
      • 2. `satposs()`
      • 3. `estpos()`
      • 4. `rescode()`
      • 5. `prange()`
      • 6. `ionocorr()`
      • 7. `tropcorr()`
      • 8. `valsol()`
      • 9. `raim_fde()`
      • 10. `estvel()`
    • 四、函数调用关系图(Mermaid)
    • 五、数学推导补充
      • 1 伪距观测方程
      • 2 最小二乘解
  • Part B: `postpos.c`
    • 一、整体作用
    • 二、工作流程
    • 三、关键函数分析
      • 1. postpos
      • 2. execses_b
      • 3. execses_r
      • 4. execses
      • 5. procpos
      • 6. combres
      • 7. inputobs
      • 8. readobsnav
      • 9. antpos
      • 10. setpcv
    • 四、函数调用关系
    • 五、数学原理补充
      • 1. 坐标系转换
      • 2. 改正数组合
      • 3. 时间同步
      • 4. 野值剔除
    • 六、内存管理
    • 七、特殊处理机制

RTKLib详解:pntpos.c与postpos.c

本文是 RTKLlib详解 系列文章的一篇,目前该系列文章还在持续总结写作中,以发表的如下,有兴趣的可以翻阅。
[学习] RTKlib详解:功能、工具与源码结构解析
[学习]RTKLib详解:pntpos.c与postpos.c
[学习]RTKLib详解:rtkcmn.c与rtkpos.c
[学习]RTKLib详解:ppp.c与ppp_ar.c


Part A: pntpos.c

一、概述

pntpos.c 是 RTKLIB 中的一个核心模块,用于实现单点定位(Single Point Positioning, SPP)。其主要功能是根据 GNSS 观测数据(伪距和多普勒观测值)和导航星历数据,估计接收机的位置、速度和时钟偏差(PVT)。该模块实现了完整的单点定位功能,涵盖了从卫星轨道计算到接收机位置/速度估计的全过程。其核心是基于伪距观测和多普勒观测的最小二乘估计,并结合电离层、对流层延迟改正及RAIM机制提高解的精度和可靠性,支持多种卫星系统(GPS、GLONASS、Galileo、BeiDou、QZSS 和 SBAS),并实现了包括电离层改正、对流层改正、周跳检测、RAIM(Receiver Autonomous Integrity Monitoring)等功能。


二、整体工作流程

pntpos.c 的主函数是 pntpos(),它负责调用其他子函数完成整个定位过程。以下是整体的工作流程:

  1. 初始化参数
    • 设置处理选项(如是否使用广播电离层模型等)。
  2. 计算卫星位置、速度、钟差
    • 调用 satposs() 函数获取所有可见卫星的轨道信息。
  3. 估计接收机位置
    • 调用 estpos() 函数,通过最小二乘法迭代求解接收机坐标和钟差。
  4. 残差计算与设计矩阵构建
    • rescode() 函数中计算伪距残差,并构建观测方程的设计矩阵。
  5. 误差建模
    • 包括电离层延迟 (ionocorr())、对流层延迟 (tropcorr())、伪距测量噪声 (varerr()) 等。
  6. 质量控制与验证
    • 使用 valsol() 进行解的质量检验(GDOP、残差卡方检验)。
  7. RAIM(接收机自主完好性监测)
    • 如果启用 RAIM-FDE(Failure Detection and Exclusion),则调用 raim_fde() 排除异常卫星。
  8. 估计接收机速度
    • 利用多普勒观测值,在 estvel() 中进行速度估计。

三、主要函数说明

1. pntpos()

  • 功能:主函数,协调整个定位流程。
  • 输入参数
    • obs: 观测数据数组
    • n: 观测数据数量
    • nav: 导航数据结构
    • opt: 处理选项结构体
  • 输出参数
    • sol: 解算结果(位置、速度、时间)
    • azel: 卫星方位角和仰角
    • ssat: 卫星状态信息
    • msg: 错误信息
  • 调用关系
    • satposs()
    • estpos()
    • raim_fde()
    • estvel()

2. satposs()

  • 功能:计算卫星在地心坐标系中的位置、速度、钟差。
  • 数学原理
    • 根据星历数据(广播星历或精密星历)和当前时间,利用开普勒轨道模型或数值积分方法计算卫星轨道。
  • 调用关系
    • 内部调用 ephpos()peph2pos() 等函数。

3. estpos()

  • 功能:估计接收机位置和钟差,采用迭代最小二乘法。
  • 数学原理
    • 建立伪距观测方程:
      P i = ρ i + c ( δ t r − δ t s ) + I i + T i + ε i P_i = \rho_i + c(\delta t_r - \delta t^s) + I_i + T_i + \varepsilon_i Pi=ρi+c(δtrδts)+Ii+Ti+εi
      其中:
      • $ \rho_i $: 几何距离
      • $ c $: 光速
      • $ \delta t_r, \delta t^s $: 接收机和卫星钟差
      • $ I_i, T_i $: 电离层和对流层延迟
      • $ \varepsilon_i $: 测量误差
  • 调用关系
    • rescode()
    • lsq() (最小二乘求解)
    • valsol() (解质量评估)

4. rescode()

  • 功能:计算伪距残差及其对应的观测矩阵。
  • 关键步骤
    • 计算几何距离、方位角、仰角
    • 电离层改正 (ionocorr())
    • 对流层改正 (tropcorr())
    • 构建观测方程设计矩阵
  • 输出
    • v: 残差向量
    • H: 设计矩阵
    • var: 每个观测的方差

5. prange()

  • 功能:计算经过码偏差修正后的伪距值。
  • 关键步骤
    • 双频数据:电离层自由组合(IFLC)
    • 单频数据:使用广播电离层模型或TGD改正
  • 调用关系
    • testsnr() (信噪比掩码检查)
    • gettgd() (获取TGD参数)

6. ionocorr()

  • 功能:计算电离层延迟(L1频率上的值)。
  • 支持模型
    • 广播模型 (IONOOPT_BRDC)
    • SBAS模型 (IONOOPT_SBAS)
    • IONEX TEC模型 (IONOOPT_TEC)
  • 输出
    • ion: L1上的电离层延迟
    • var: 方差

7. tropcorr()

  • 功能:计算对流层延迟。
  • 支持模型
    • Saastamoinen模型 (TROPOPT_SAAS)
    • SBAS模型 (TROPOPT_SBAS)
  • 输出
    • trp: 对流层延迟
    • var: 方差

8. valsol()

  • 功能:解的质量评估。
  • 评估内容
    • GDOP(几何精度因子)是否过大
    • 残差平方和是否符合卡方分布
  • 输出
    • msg: 错误信息

9. raim_fde()

  • 功能:RAIM(接收机自主完好性监测)的FDE算法,用于排除故障卫星。
  • 逻辑
    • 逐颗剔除一颗卫星,重新解算位置
    • 比较不同剔除情况下的RMS残差
    • 选择RMS最小的情况作为最终解
  • 调用关系
    • estpos() (多次调用以剔除不同卫星)

10. estvel()

  • 功能:利用多普勒观测值估计接收机速度。
  • 数学原理
    • 多普勒观测方程:
      f D = − 1 λ ( v ⃗ s − v ⃗ r ) ⋅ e ⃗ f_D = -\frac{1}{\lambda} (\vec{v}_s - \vec{v}_r) \cdot \vec{e} fD=λ1(v sv r)e
      其中:
      • $ f_D $: 多普勒频移
      • $ \lambda $: 波长
      • $ \vec{v}_s, \vec{v}_r $: 卫星和接收机速度
      • $ \vec{e} $: 卫星到接收机的视线方向单位向量
  • 调用关系
    • resdop() (计算多普勒残差)

四、函数调用关系图(Mermaid)

pntpos
satposs
estpos
rescode
ionocorr
tropcorr
varerr
valsol
raim_fde
estpos
estvel
resdop

五、数学推导补充

1 伪距观测方程

伪距观测值 $ P_i $ 可表示为:

P i = ρ i + c ( δ t r − δ t s ) + I i + T i + ε i P_i = \rho_i + c(\delta t_r - \delta t^s) + I_i + T_i + \varepsilon_i Pi=ρi+c(δtrδts)+Ii+Ti+εi

其中:

  • $ \rho_i $: 卫星与接收机之间的几何距离
  • $ c $: 光速
  • $ \delta t_r $: 接收机钟差
  • $ \delta t^s $: 卫星钟差
  • $ I_i $: 电离层延迟
  • $ T_i $: 对流层延迟
  • $ \varepsilon_i $: 测量噪声

2 最小二乘解

定义残差向量 $ \mathbf{v} $ 和设计矩阵 $ \mathbf{H} $,最小二乘解为:

x ^ = ( H T W H ) − 1 H T W v \hat{\mathbf{x}} = (\mathbf{H}^T \mathbf{W} \mathbf{H})^{-1} \mathbf{H}^T \mathbf{W} \mathbf{v} x^=(HTWH)1HTWv

其中 $ \mathbf{W} $ 是权矩阵(由各观测的方差决定)。


Part B: postpos.c

一、整体作用

postpos.c 是 RTKLIB 的后处理定位核心模块,实现多模式 GNSS 数据后处理定位功能,支持以下特性:

  • 支持单点定位(SPP)、差分定位(DGPS)、实时动态定位(RTK)、精密单点定位(PPP)等多种定位模式
  • 支持前向/反向/组合处理模式
  • 支持多频多系统观测数据处理
  • 集成SBAS/PPP-RTK/SSR等增强系统改正数处理
  • 提供多种坐标格式输出

注意
该模块通过模块化设计实现了复杂GNSS数据处理功能,但全局变量的使用可能影响多线程处理能力。

二、工作流程

单时段处理
多时段处理
单向处理
双向处理
postpos入口
时间范围判断
execses_b
时段分割
reppaths文件扩展
execses_b
定位模式
procpos
双向procpos
combres组合解算
输出结果
更多时段?
结束

三、关键函数分析

1. postpos

功能: 主处理函数,协调整个后处理流程
输入参数:

  • ts/te: 处理起止时间
  • ti/tu: 时间间隔和单位
  • popt/sopt/fopt: 各类处理选项
  • infile/n: 输入文件列表及数量
  • rov/base: 流动站/基准站列表
    输出参数: 处理状态码

2. execses_b

功能: 基准站循环处理入口
输入参数:

  • ts/te: 当前时段起止时间
  • popt/sopt/fopt: 处理选项
  • flag: 控制标志
  • infile/index/n: 文件信息
  • rov/base: 站点列表
    输出参数: 处理状态码

3. execses_r

功能: 流动站循环处理入口
输入参数:

  • ts/te: 当前时段起止时间
  • popt/sopt/fopt: 处理选项
  • flag: 控制标志
  • infile/index/n: 文件信息
  • outfile: 输出文件
    输出参数: 处理状态码

4. execses

功能: 核心处理会话执行
关键处理步骤:

  1. 初始化观测/导航数据
  2. 设置天线参数
  3. 读取潮汐参数
  4. 定位解算
  5. 结果输出

5. procpos

功能: 单次定位解算核心
数学原理:

  • 使用RTK滤波算法进行状态估计
  • 支持前向/反向处理模式
  • 动态模式下实时更新SBAS/LEX/RTCM改正数

6. combres

功能: 组合解算结果
数学原理:

  • 卡尔曼平滑器组合正反向解
  • 质量检验公式:
    d r [ i ] 2 ≤ 16 × ( var f [ i ] + var b [ i ] ) dr[i]^2 \leq 16 \times (\text{var}_f[i] + \text{var}_b[i]) dr[i]216×(varf[i]+varb[i])
    其中 d r [ i ] dr[i] dr[i] 为位置差, var f [ i ] \text{var}_f[i] varf[i] var b [ i ] \text{var}_b[i] varb[i] 为前向/反向解的方差。

7. inputobs

功能: 输入观测数据及改正数
关键处理:

  • 双站观测数据同步
  • SBAS/LEX/RTCM改正数更新
  • 支持前向/反向数据处理模式

8. readobsnav

功能: 读取观测和导航数据
处理流程:

  1. 解析RINEX文件
  2. 排序观测数据
  3. 去除重复星历
  4. 设置时间窗口

9. antpos

功能: 天线位置计算
坐标转换公式:
Δ r = R ( ϕ , λ ) ⋅ δ \Delta \mathbf{r} = \mathbf{R}(\phi, \lambda) \cdot \delta Δr=R(ϕ,λ)δ
其中:

  • R ( ϕ , λ ) \mathbf{R}(\phi, \lambda) R(ϕ,λ) 为坐标旋转矩阵
  • ϕ , λ \phi, \lambda ϕ,λ 为地理经纬度
  • δ \delta δ 为局部ENU偏移

10. setpcv

功能: 设置天线相位中心参数
处理流程:

  1. 加载卫星天线参数
  2. 计算接收机天线相位中心修正
  3. 更新处理选项中的天线参数

四、函数调用关系

postpos
openses
execses_b
execses_r
execses
readobsnav
setpcv
procpos
inputobs
rtkpos
combres
valcomb
outhead
freeobsnav
freepreceph
closeses

五、数学原理补充

1. 坐标系转换

  • ECEF到LLH转换迭代算法
    a = semi-major axis e 2 = 1 − ( b a ) 2 V = a 1 − e 2 sin ⁡ 2 ϕ \begin{aligned} a &= \text{semi-major axis} \\ e^2 &= 1 - \left(\frac{b}{a}\right)^2 \\ V &= \frac{a}{\sqrt{1 - e^2 \sin^2 \phi}} \end{aligned} ae2V=semi-major axis=1(ab)2=1e2sin2ϕ a
  • ENU坐标计算
    R = [ − sin ⁡ ϕ cos ⁡ λ − sin ⁡ λ cos ⁡ ϕ cos ⁡ λ − sin ⁡ ϕ sin ⁡ λ cos ⁡ λ cos ⁡ ϕ sin ⁡ λ cos ⁡ ϕ 0 sin ⁡ ϕ ] \mathbf{R} = \begin{bmatrix} -\sin\phi\cos\lambda & -\sin\lambda & \cos\phi\cos\lambda \\ -\sin\phi\sin\lambda & \cos\lambda & \cos\phi\sin\lambda \\ \cos\phi & 0 & \sin\phi \end{bmatrix} R= sinϕcosλsinϕsinλcosϕsinλcosλ0cosϕcosλcosϕsinλsinϕ

2. 改正数组合

组合解算使用加权最小二乘:
x ^ = ( P f − 1 + P b − 1 ) − 1 ( P f − 1 x f + P b − 1 x b ) P ^ = ( P f − 1 + P b − 1 ) − 1 \begin{aligned} \hat{\mathbf{x}} &= (\mathbf{P}_f^{-1} + \mathbf{P}_b^{-1})^{-1} (\mathbf{P}_f^{-1} \mathbf{x}_f + \mathbf{P}_b^{-1} \mathbf{x}_b) \\ \hat{\mathbf{P}} &= (\mathbf{P}_f^{-1} + \mathbf{P}_b^{-1})^{-1} \end{aligned} x^P^=(Pf1+Pb1)1(Pf1xf+Pb1xb)=(Pf1+Pb1)1

3. 时间同步

采用GPST时间系统,时间转换关系:
GPST = UTC + leap_seconds UTC = GPST − leap_seconds \begin{aligned} \text{GPST} &= \text{UTC} + \text{leap\_seconds} \\ \text{UTC} &= \text{GPST} - \text{leap\_seconds} \end{aligned} GPSTUTC=UTC+leap_seconds=GPSTleap_seconds

4. 野值剔除

通过QF值质量检验:
QF = 残差 2 方差阈值 \text{QF} = \frac{\text{残差}^2}{\text{方差阈值}} QF=方差阈值残差2

六、内存管理

  • 观测数据使用动态数组管理
  • 解算结果采用双缓冲技术
  • 注意全局变量(obss, navs等)的生命周期控制

七、特殊处理机制

  1. 野值剔除: 通过QF值质量检验
  2. 多路径抑制: 使用历元间差分检测
  3. 周跳修复: 在rtkpos中实现LAMBDA方法
  4. 电离层延迟: 双频组合消除一阶项

研究学习不易,点赞易。
工作生活不易,收藏易,点收藏不迷茫 :)


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/904439.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【科研绘图系列】R语言绘制世界地图(map plot)

禁止商业或二改转载,仅供自学使用,侵权必究,如需截取部分内容请后台联系作者! 文章目录 介绍加载R包数据下载导入数据数据预处理画图输出图片系统信息介绍 【科研绘图系列】R语言绘制世界地图(map plot) 加载R包 library(ggmap) library(RColorBrewer) library(pals) …

在pycharm profession 2020.3上安装使用xlwings

之前写了一篇文章在win7和python3.8上安装xlwings-CSDN博客 今天安装了pycharm profession 2020.3,自带Terminal,所以试一下安装xlwings。 一、新建一个python项目 二、安装xlwings 三、输入安装命令 pip3.exe install -i https://pypi.tuna.tsinghu…

【PostgreSQL数据分析实战:从数据清洗到可视化全流程】4.3 数据脱敏与安全(模糊处理/掩码技术)

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路 文章大纲 PostgreSQL数据脱敏实战:从模糊处理到动态掩码的全流程解析4.3 数据脱敏与安全:模糊处理与掩码技术深度实践4.3.1 数据脱敏的核心技术体系4.3.1.1 技…

坚鹏:平安保险集团《保险行业发展趋势与AI应用方法及案例》培训

坚鹏:平安保险集团《保险行业发展趋势与AI应用方法及案例》培训圆满成功 中国平安保险(集团)股份有限公司是全球领先的综合金融生活服务集团,2024年位列《财富》世界500强第16位,连续多年蝉联全球保险品牌价值榜首。截…

NetSuite 2025.1 学习笔记

目录 领域、新功能统计表 值得注意功能摘要 最有价值功能详解 1. 领域、新功能统计表 2. 值得注意功能 3. 最有价值功能 3.1 Customer 360 目前的Customer 360在加入了几个新的控件后,变得完整了,相比较过去,真正有了实用感。 3.2 CSV Im…

Messenger.Default.Send 所有重载参数说明

Messenger.Default.Send 是 MVVM 框架中实现消息传递的核心方法,其重载参数主要用于控制消息的发送范围和接收条件。以下是其所有重载形式及参数说明: ‌1. 基本消息发送‌ Send<TMessage>(TMessage message) ‌参数说明‌: TMessage:消息类型(泛型参数),可以是任…

代码异味(Code Smell)识别与重构指南

1、引言:什么是“代码异味”? 在软件开发中,“代码异味(Code Smell)”是指那些虽然不会导致程序编译失败或运行错误,但暗示着潜在设计缺陷或可维护性问题的代码结构。它们是代码演进过程中的“信号灯”,提示我们某段代码可能需要优化。 1.1 ✅ 为什么关注代码异味? 预…

K8S有状态服务部署(MySQL、Redis、ES、RabbitMQ、Nacos、ZipKin、Sentinel)

K8S部署MySQL ①、创建配置 ②、创建存储卷 ③、创建服务 指定配置文件 指定存储卷 ④、同样的方式创建mysql-slaver服务&#xff08;配置文件和mysql-master不同&#xff09; ⑤、进行主从同步关联 进入master服务中 进入从库的终端 K8S部署Redis…

正则表达式与文本三剑客grep、sed、awk

目录 一、正则表达式 1.1、字符匹配 1.2、次数匹配 1.3、位置锚定 1.4、分组或其他 二、扩展正则表达式 三、grep 四、awk 4.1、常用命令选项 4.2、工作原理 4.3、基础用法 4.4、内置变量 4.5、模式 4.6、条件判断 4.7、awk中的循环语句 4.8、数组 4.9、脚本 …

Matlab/Simulink的一些功能用法笔记(4)

水一篇帖子 01--MATLAB工作区的保护眼睛颜色设置 默认的工作区颜色为白色 在网上可以搜索一些保护眼睛的RGB颜色参数设置 在MATLAB中按如下设置&#xff1a; ①点击预设 ②点击颜色&#xff0c;点击背景色的三角标符号 ③点击更多颜色&#xff0c;找到RGB选项 ④填写颜色参数…

Qt国际化实战--精通Qt Linguist工具链

概述 在全球化的今天,软件产品需要支持多种语言和地区,以满足来自世界各地用户的需求。Qt框架提供了一套完整的工具集来帮助开发者实现应用程序的国际化(i18n)和本地化(l10n),其中最核心的就是Qt Linguist工具链 关于国际化与本地化 国际化(i18n): 指的是设计和开发…

0基础 | STM32 | STM32F103C8T6开发板 | 项目开发

注&#xff1a;本专题系列基于该开发板进行&#xff0c;会分享源代码 F103C8T6核心板链接&#xff1a; https://pan.baidu.com/s/1EJOlrTcProNQQhdTT_ayUQ 提取码&#xff1a;8c1w 图 STM32F103C8T6开发板 1、黑色制版工艺、漂亮、高品质 2、入门级配置STM32芯片(SEM32F103…

【SF顺丰】顺丰开放平台API对接(注册、API测试篇)

1.注册开发者账号 注册地址&#xff1a;顺丰企业账户中心 2.登录开发平台 登录地址&#xff1a;顺丰开放平台 3.开发者对接 点击开发者对接 4.创建开发对接应用 开发者应用中“新建应用”创建应用&#xff0c;最多创建应用限制数量5个 注意&#xff1a;需要先复制保存生产校验…

AI Agent开发第48课-DIFY中利用AI动态判断下一步流程-DIFY调用API、REDIS、LLM

开篇 之前我们在《AI Agent开发第47课-DIFY处理多步流程慢?你确认用对了?》中讲述了DIFY的设计中在整合多步LLM时如避免过多调用LLM的良好设计,并给出了AI工作流的相应设计手法。今天我们要在上一篇的基础上把“上门维修预约”这个流程进一步按照实际业务需求加入用户在整个…

剥开 MP4 的 千层 “数字洋葱”:从外到内拆解通用媒体容器的核心

在当今数字化时代&#xff0c;MP4 格式随处可见&#xff0c;无论是在线视频、手机拍摄的短片&#xff0c;还是从各种渠道获取的音频视频文件&#xff0c;MP4 都占据着主流地位。它就像一个万能的 “数字媒体集装箱”&#xff0c;高效地整合和传输着各种视听内容。接下来&#x…

JavaScript性能优化实战:深入探讨性能瓶颈与优化技巧

JavaScript性能优化实战:深入探讨性能瓶颈与优化技巧 引言 在当今快速发展的Web世界中,性能已经成为衡量应用质量的关键指标。随着Web应用复杂度的不断提升,JavaScript作为前端开发的核心语言,其性能优化变得尤为重要。本文旨在全面深入地探讨JavaScript性能优化的各个方…

无忧AI综合插件,可实现图色识别、机器视觉、图像编辑等多种功能

说明: 无忧AI综合插件(vu.dll)是一款功能强大的AI脚本插件&#xff0c;主要用于按键精灵、易语言、Python、C/C等辅助制作工具&#xff0c;具有图像识别、文本识别、键盘鼠标、内存操作、AI视觉等多种功能。 其官网地址 无忧 - AI图色综合插件 http:www.voouer.com/Plugin 功…

数据中台产品功能介绍

在数字化转型浪潮中&#xff0c;数据中台作为企业数据管理与价值挖掘的核心枢纽&#xff0c;整合分散数据资源&#xff0c;构建统一的数据管理与服务体系。本数据中台产品涵盖数据可视化、数据建设、数据治理、数据采集开发和系统管理五大平台&#xff0c;以丰富且强大的功能模…

opencv之图像亮度变换和形态学变换(八)

opencv之图像亮度变换和形态学变换&#xff08;八&#xff09; 文章目录 opencv之图像亮度变换和形态学变换&#xff08;八&#xff09;一、图像亮度变换1.1 亮度变换1.2 线性变换1.3 直接像素值修改案例 二、形态学变换2.1 核**2.2 腐蚀&#xff08;Erosion&#xff09;****2.…

【初阶数据结构】树——二叉树——堆(中)

文章目录 前言 一、堆的概念与结构 二、堆的实现 堆的定义 1.初始化堆 2.堆的销毁 3.堆的插入 3.1向上调整算法 4.堆的判空 5.求有效个数 6.删除堆顶数据 6.1向下调整算法 7.获取栈顶数据 三、完整源码 总结 前言 上篇了解树和二叉树相关的概念&#xff0c;这篇学习一种特殊的…