matlab和c语言联合编程_学习记录_8月13日.doc

此文档收集于网络，如有侵权，请联系网站删除Matlab和C语言联合编程_学习记录2014年8月13日1 概述为了提高Matlab对IQ数据计算的速度，决定采用Matlab调用C语言编写的核心算法的方法，来提高速度。在学习中，主要参考了精通Matlab与C/C+混合程序设计（第3版），刘维编著，第80页第180页的内容。C程序在“H:QXLDNJU_CPolMatlab敏视达雷达IQ数据的信号处理C” 目录下，其主程序是mexFun_Radar_Data_DSP.c，其它几个C文件是子函数。程序是参照了Fun_Radar_Data_DSP.m 和以前写过的PDRadarDSP.cpp。为了提高速度，程序大量采用了Intel 的IPP 算法库和32bit的浮点运算。程序中的各种信号处理算法，以及其中的各种系数，是完全按照Fun_Radar_Data_DSP.m 程序写的（但没有数据显示的功能，并且双重频处理、高阶的MultiLag算法等，暂时没有实现）。考虑到充分发挥Matlab和C语言各自的优势，因此并没有把全部的Matlab程序都改用C语言来实现，而仅仅把耗时最长的Fun_Radar_Data_DSP.m用C语言实现了。今后，可以将GMAP等先进的算法也用C语言来实现，因为这些算法用Matlab编写时，难以实现“向量化计算”，造成计算速度很慢。而用C语言编写就不存在“向量化”的难题，计算速度应该很快。2 编程方法2.1 编译器的设置先在matlab下执行：mex -setup进行C语言编译器的设定。注意要选择VC2010作为编译器（不要采用Matlab自带的编译器）。并且要注意：如果要把编译好的程序在没有VC2010的电脑上运行，则要安装VC2010的可发行包。然后，运行：mex CmexFun_Radar_Data_DSP.c 就可以将 C 目录下的“” 文件，编译为“mexFun_Radar_Data_DSP.mexw32”，就可以被matlab直接调用了。如果采用了-g选项，即运行：mex CmexFun_Radar_Data_DSP.c -g就不但可以生成 mexFun_Radar_Data_DSP.mexw32文件，还能生成“mexFun_Radar_Data_DSP.mexw32.pdb” 文件，用于断点调试。注意：如果在Win7 64bit下运行，则需要重新编译一下，生成“mexFun_Radar_Data_DSP.mexw64”，才能在64bit 的matlab下调用。2.2 IPP的编译需要先安装IPP的开发包，在“Y:SETUPDevTools各种软件开发工具包Intel算法库IPP6.1” 目录下，安装到C盘的默认目录下。需要用到intel_TBE (2).lic文件进行安装。在C程序的开头，需要加入：#include C:Program FilesIntelIPP6.1.2.041ia32includeipp.h #pragma comment( lib,C:Program FilesIntelIPP6.1.2.041ia32libippcorel.lib) #pragma comment( lib,C:Program FilesIntelIPP6.1.2.041ia32libippsemerged.lib)#pragma comment( lib,C:Program FilesIntelIPP6.1.2.041ia32libippsmerged.lib)注意：经测试发现，使用支持多线程并行计算的静态库，没有加速效果（实际运行时，仍然是单线程）。因此，就决定只采用单线程的库了。具体使用方法详见“C:Program FilesIntelIPP6.1.2.041ia32doc”目录下的userguide_win_ia32.pdf。2.3 在64bit 操作系统下的编译注意：在64bit操作系统下，需要安装IPP 6.0的64bit版本（没有6.1的64bit 版本）。然后，在C程序的开头，需要加入：#include C:Program FilesIntelIPP6.0.0.062em64tincludeipp.h #pragma comment( lib,C:Program FilesIntelIPP6.0.0.062em64tlibippcoreem64tl.lib)#pragma comment( lib,C:Program FilesIntelIPP6.0.0.062em64tlibippsmergedem64t.lib)#pragma comment( lib,C:Program FilesIntelIPP6.0.0.062em64tlibippsemergedem64t.lib)具体使用方法详见“doc”目录下的userguide_win_ em64t.pdf。3 速度测试3.1 计算机配置在CJJ的电脑上测量，配置如下：l CPU：I5l 主频：3.2GHzl 内存：4GBl 操作系统：Win7 32bitl mex 用 -g 的编译选项。如果去掉-g，则还可以快约20%l 基数据和IQ数据都保存在一个直接和计算机SATA接口相连的容量为2TB 机械硬盘上，硬盘没有采用Windows提供的压缩功能。3.2 处理一个完整的体扫的IQ数据的速度基数据在“H:QXLDNJU_CPolBaseData_Select用于C程序测试的数据_20140813”目录下，基数据为：NJU.20140704.203525.AR2。对应的IQ数据在“H:QXLDNJU_CPolIQData用于C程序测试的数据_20140813”目录下，共15个IQ文件。3.2.1 Matlab读取IQ数据的速度不执行任何信号处理程序（实际上只执行了一个空的mex_Fun_Radar_Data_DSP函数，以便对基数据进行赋值），只把IQ数据读取出来，则处理全部的体扫IQ数据，耗时:151.44 s。这些IQ数据文件的总的大小为：4440 MB。因此，每秒的读取速度为：29.4MB/s。可见，由于采用了Matlab程序来读取和解析IQ数据，速度比较慢，是一个瓶颈。今后要想办法用C语言来读取和解析，并且采用高速磁盘阵列进行数据的存储，速度应该能更快一点。3.2.2 Matlab的Fun_Radar_Data_DSP 函数的处理时间用Matlab的Fun_Radar_Data_DSP 函数，计算全部的体扫IQ数据，耗时:560.25s。注意：这个时间，包括了IQ数据读取的时间（需要耗费151.44s）。因此，如果扣除了IQ数据读取的时间，则Matlab的Fun_Radar_Data_DSP 函数耗时408.81s。3.2.3 用C语言编写的mexFun_Radar_Data_DSP 函数的处理时间（采用-g 编译）而用C语言编写的mex Fun_Radar_Data_DSP 函数，计算全部的体扫IQ数据，耗时277.75s。注意：这个时间，包括了IQ数据读取的时间（需要耗费151.44s）。因此，如果扣除了IQ数据读取的时间，则C语言的 函数耗时126.31s3.2.4 用C语言编写的mexFun_Radar_Data_DSP 函数的处理时间（不采用-g 编译）而用C语言编写的mex Fun_Radar_Data_DSP 函数，计算全部的体扫IQ数据，耗时256.33s。注意：这个时间，包括了IQ数据读取的时间（需要耗费151.44s）。因此，如果扣除了IQ数据读取的时间，则C语言的 函数耗时104.89s。3.2.5 结果对比全部耗时扣除了IQ数据读取的耗时Matlab的Fun_Radar_Data_DSP 函数的处理时间560.25s408.81s用C语言编写的mex_Fun_Radar_Data_DSP 函数的处理时间（采用-g 编译）277.75126.31用C语言编写的mex_Fun_Radar_Data_DSP 函数的处理时间（不采用-g 编译）256.33s104.89由于天线一个体扫模式（共15个仰角层面），共耗费404s。因此，从表中可以看出， 采用C语言对Matlab程序进行优化之后，就能实时实现各种处理算法了。3.3 mexFun_Radar_Data_DSP 函数中，各个子函数的速度测试数据为64个相关脉冲（即方位上的积累数），距离库为1933个，库长为75m。测试方法是通过1000次循环，然后平均得到的。函数功能（采用-g 编译）(ms)（不采用-g 编译）(ms)累计耗时单独耗时累计耗时单独耗时只有数据的输入和输出，即只执行了 Get_DSP_Setup、Get_CorrelationData、Set_RayRecord 3个函数，用于和Matlab空间的数据交互1.791.791.001.00增加了Fun_PreProcess.c 函数6.274.485.054.05增加了Fun_ClutterFilter.c函数16.8810.6113.328.27增加了Fun_CorrCalc21.114.2317.464.14增加了Fun_ParameterCalc22.291.1818.100.64增加了Fun_ChannelCorrect22.19-0.118.160.06增加了Fun_ZDR_KDP_Calc23.351.1618.890.73增加了Fun_FormatChange23.670.3219.200.31增加了Fun_Thresholding23.57-0.119.02-0.18增加了Fun_SpeckleFilter23.750.1819.360.34注意：上表中，有些函数的耗时为负数，表示这段程序耗时非常小，由于测量误差造成的。注意：经测试，对于同样的IQ数据，Matlab的Fun_Radar_Data_DSP 函数的执行时间为：99.86ms 。可见，C语言编写的函数，其执行时间仅为Matlab耗时的1/41/5。 3.4 在X1笔记本电脑上的计算速度该笔记本电脑的配置为：l CPU：I7l 主频：2.0GHzl 内存：8GBl 操作系统：Win7 64bit基数据和IQ数据都保存在笔记本电脑的SSD硬盘上，SSD没有采用Windows提供的压缩功能。经测试，读取全部的体扫IQ数据，耗时:s。速度测试结果如下：全部耗时扣除了IQ数据读取的耗时Matlab的Fun_Radar_Data_DSP 函数的处理时间694.65s用C语言编写的mex_Fun_Radar_Data_DSP 函数的处理时间（不采用-g 编译）299.59s可见，在笔记本电脑上，由于CPU的主频比较慢，因此计算速度比台式机要慢很多。3.5 多个Matlab进程同时运行经测试，多个Matlab同时运行，全局变量不会在不同进程间共享，从而不会对计算结果造成影响。也就是说，可以同时开几个matlab进程进行计算，分别计算不同目录下的IQ数据。下面是同时运行2个matlab进行计算的任务管理器的截屏。从中可以看出，每个Matlab各自在一个CPU核上运行。需要注意：如果硬盘的读写速度比较慢，就会造成IQ数据读取需要耗费大量的时间，就体现不出多个Matlab同时运行的好处了。4 经验和教训在编程中，有以下一些经验和教训要吸取：l C语言中，所有的变量要在函数的一开头进行定义，而不能像C+ 语言一样（只要在用之前定义即可）。l 占用内存比较大的变量（如保存IQ数据的变量），必须要定义成全局变量。否则，编译会报错（堆栈的空间不够）。l 注意：要用fabs，而不能用abs! 因为C语言中的abs是整数取绝对值！l 经过Matlab和IPP中的窗函数对比发现，两者有点差别。因此，这里要将matlab的窗函数人工写出来，而不能直接采用matlab提供的，如hamming、hanning的函数，以便和IPP中的完全一致l 在反异步的程序中，原来的C语言代码有缺陷。当判断出当前距离单元是异步干扰信号时，不能将Abs的结果清零，而只能先将IQ清零。等到反异步结束之后，再从IQ重新计算出 Abs的结果。5 下一步工作5.1 对所有的IQ数据，重新计