我在Matlab中计算一个统计模型，每次迭代必须运行大约200个卡尔曼滤波器，我想迭代模式至少10 000次，这表明我应该运行它至少2 000 000次。因此，我正在寻找一种优化Matlab计算速度的方法。我已经完成了每次操作的操作，尝试使用可以使用的所有技巧来优化Matlab中的计算，但我想进一步...
我不熟悉C / C ++，但我读到mex文件在某些情况下可能有用。任何人都可以告诉我，是否值得这个方向？ 感谢...
答案 0 :(得分：0)
编写mex文件肯定会加快整个过程，但是你将无法使用很多内置的MATLAB函数。你只能在C ++和C中做。你可以编写自己的函数，只要你知道如何。
速度增加主要来自于编译mex文件而不是标准MATLAB脚本逐行解释的事实。编译完mex后，可以像调用任何其他MATLAB函数一样调用它。
对于我上大学的课程，我必须编写自己的图像缩放功能，我最初是用标准脚本编写的，在大图像上完成需要几秒钟，但是当我在C中编写它时它会在不到0.1秒的时间内完成。
答案 1 :(得分：0)
如果你对C / C ++一点都不熟悉，那将会很难。希望除了Matlab之外你还有其他语言的经验吗？你可以尝试从许多included examples学习/复制，但你真的需要先弄清楚基础知识。
特别有一点。如果你使用mex，你需要一些方法来获得卡尔曼滤波器噪声的正确随机数。您可能会感到惊讶，但计算时间的很大一部分可能会产生噪声的随机数（取决于过滤器的复杂程度，它可能> 50％）。
不要在C / C ++中使用默认的随机数生成器。
这些不适合科学计算，尤其是在您需要时生成大量值时。您的第一个选择是将在Matlab中通过randn生成的大量随机数传递给您的mex代码。或者考虑包含C代码Mersenne Twister算法本身，并找到/实现一个用于从统一随机数生成正态随机数的方案（log-polar最简单，但Ziggurat会更快）。这不是太难。我自己完成了，Double precision SIMD-oriented Fast Mersenne Twister (dSFMT)实际上比Matlab当前实现的均匀变量快2倍。
答案 2 :(得分：0)
您可以使用parfor循环或并行计算工具箱来加速计算。您是否已经检查过MATLAB是否使用100％CPU？