马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?我要加入
x
最近用Matlab做信号处理的仿真,下面是我做的一些学习总结,希望能够帮助大家共同提高,也请大牛们多多指教!
1.避免使用for循环:
在Matlab中,for循环运算效率非常低,因为Matlab是一种解释语言。像矩阵乘法的宏操作与诸如增加标号的微操作差不多一样快,因为代码解释的顶层都存在于这两个情形之中。for循环应该只用于做最后的手段,并且一般用于控制运算,而不是由于计算的原因。
一般的Matlab程序中,90%的for循环都可以用等效但更为快速的向量代码代替。(一般为寻找替代函数或使用技巧)例如,求和运算就可以使用sum函数,也可以通过将该向量乘以所有元素都为1的列向量来求得。
2.向量化
转换一个for循环矩阵向量的操作过程可以称为向量化。有时向量化看上去似乎十分低效,因为可能它做了比for循环更多的计算。然而,向量化后的程序运行速度要快得多,因为重复应用到这个向量的是一个简单运算。
1)重复行与列经常需要从头至尾重复一个或多个数值来构建矩阵。如果矩阵所有的数值都要相同,则可以使用像ones和zeros这样的函数。但是假设有一个行向量x,并且要产生一个10行的矩阵,其每一行都是x的复制。这里应避免使用循环,而是使用外积矩阵乘法操作。
X = ones(10,1)*x
2)向量逻辑操作
程序运行速率慢的一个地方是条件语句。表面上看,条件检验无法进行向量化,但实际上,在Matlab中,如大于、等于这些比较函数都能够在向量或矩阵上运算。这样,下面的Matlab代码
[1 2 3 4 5 6] < 4
将返回结果[1 1 1 0 0 0],其中0代表假,1代表真。由后面产生一个冲激信号向量的技巧给出另一个简单例子:
nn = [-20:80];
impulse = (nn==0);
stem(nn,impulse);
3)Clip函数向量化
Clip函数用来以给定的上限和下限剪切一个输入信号。用常用的语句编写的代码如下:
function y = clip(x,lo,hi)
%Clip --- threshold large and small elements in matrix x
%======>slowest possible version <=========
[M,N] = size(x);
for m = 1:M
for n = 1:N
if x(m,n) > hi
x(m,n) = hi;
elseif x(m,n) < lo
x(m,n) = lo;
end,end,end
y = x;
上面代码具有双重嵌套的for循环,用于经过矩阵所有的元素。为得到速度较快的版本,必须完全放弃该循环而利用逻辑操作的向量性质。进一步,我们可以利用:true和false具有1和0的数值作为屏蔽,例如上述代码可以改写如下:
function y = clip(x,lo,hi)
%=========>fast version<=========
%(uses matrix logicals to replace loops)
y = (x .* [x<=hi]) + (hi .* [x>hi]);
y = (y .* [x>=10]) + (lo .* [x<lo]);
如果使用上面的方法,算术运算的次数大于第一个版本。(可以使用etime和flops函数对这两个版本的函数进行计时)。即使是产生第二个版本需要进行10倍次数的大量计算的情形,第二个版本仍运行得比第一个版本快上10倍。
4)“:”算子
“:”符号可以通过给出起始序号、步长以及结尾序号来产生标号范围。因此,规则相间的整数(或实数)向量可经由下式得到
iii = start:skip:end
另外,“:”可以与矩阵结合起来操作,对矩阵A,A(2:5,1:3)分出一个4*3的子矩阵。而A(:)产生一个列向量,该向量正是A的连接在一起的列。矩阵A的更一般的“再成形”可以用reshape(A,M,N)函数实现。
5)经常使用help指令来查询函数的帮助信息,而用type指令查看函数内容。
[ 本帖最后由 freebrother 于 2008-11-10 21:05 编辑 ] |