|
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 |
|
|
