Matlab代码的分析优化和加速.docVIP

Matlab代码的分析、优化和加速 /yilinghl Profile(分析） 在加速你的matlab程序之前，你需要知道你的代码哪一部分运行最慢。matlab提供个简单的机制，让你能够知道你的代码的某一部分运行所占用CPU时间。通过在代码段开始添加tic，及在结束添加toc；matlab就能计算出这一代码段的运行时间。 Tic和toc方法存在两个问题： （1）显示的时间是运行时间“wall clock”。这个时间受你在运行你的代码时，你的计算机是否同时运行其它别的程序。 （2）你需要不断地压缩计时范围来查找你代码运行最慢的位置。 一个最好的方法是利用matlab 内嵌的代码分析器。在你的程序前面通过添加命令profile on;及在程序结束添加profile viewer;并运行你的程序。当程序正常运行结束时，代码分析器窗口将弹出，并显示分析结果。它包含的信息有： Function Name :函数名； Calls :函数被调用次数； Total Time :执行该函数的CPU总用时，包含任何其它被它调用的函数的CPU时间。 Self Time :执行该函数的CUP总用时，不包含任何其它被它调用的函数的CUP时间。 Total Time Plot :时间用时的曲线图。 以上信息可进行各种排序和详细查看。 注意：当你完成你的代码分析后，请删除profile on和profile viewer，因为嵌入代码分析器会使用的程序运行变慢。 标准提示 有问题找帮助文档。学会使用帮助文档，学会针对待解决的问题检索文档资料。 性能 查看MATLAB-Programming-Improving Performace and Memory Usage;或MATLAB-Programming Fundamentals-Performace-Techniques for Improveing Performace。 多线程 如果你使用的是多核心的计算机，那么你就可以让Matlab同时运行多个线程，Matlab程序中一些底层的函数(Low-level function)就有可能采用并行计算的方法。打开多线程的方法：File-Preferences选择General-Multithreading。扣选Enable multihread computation box。如果不限制使用核心的数目，可以保留使用Automatic。 注意：Matlab R2008a之前的版本在AMD处理器上是不支持多线程的。 向量化循环 Matlab的运算是针对向量（矢量）和矩阵进行设计的，因此它在向量和矩阵上的运算速度比采用循环的方式更快。 例如： index=0; for time=0:0.001:60; index=index+1; waveForm(index)=cos(time); end; 采用以下代码可加快速度。 Time=0:0.01:60; waveForm=cos(time); 一些有用的，可用于代替循环的函数： any();size();find();cumsum();sum(); 向量预分配 Matlab采用内存中一块连续的空间来存储向量和矩阵数据，而不是用链表。这就意味着你每给向量或矩阵增加一元素，Matlab需要寻找一块足够大的内存区域来存储这个扩大后的向量或矩阵，然后复制现有的数据到新的内存区域。在循环中增加向量或矩阵元素的元数是允许的，但并不是明智之举，而应该是一次性分配向量或矩阵的大小，或一次性重定义尺寸。 Results=0; for index=2:1000; results(index)=results(index-1)+index; end 上述代码将比以下代码速度慢： results=zeros(1,1000); for index=2:1000; results(kindex)=results(kindex-1)+index; end; 注意：当你需要用zeros()来创建一个指定数据类型的向量或矩阵时，你可以使用创建参数来指定类型，而不是“重铸”。results=int8(zeros(1,1000));将创建一个有1000个元素的double型零向量，然后把它转换成int8类型。如果我们使用results=zeros(1,1000,int8); Matlab将支持建立1000个int8类型的向量，在创建可实现性及速度上将更具有优势。 不要改变数据类型 Matlab为了能够支持宽松的数据类型（例如一个变量能够存储不同类型的数据，而不是指定它为特定的数据类型），则Matlab除了存储单纯的数据之外，还需要伴随数据存储一定数量的头信息（header），这就意味着需要内存空间支存储数据类型，同时意味需要在数据类型转换上支付额外的计算机