matlab编程技巧

1、1、. Ctrl+C 中断正在执行的操作如果程序不小心进入死循环，或者计算时间太长，可以在命令窗口中使用Ctrl+c来中断。MATLAB这时可能正疲于应付，响应会有些滞后。2. figure命令新建一个绘图窗口figure 可以打开一个空的绘图窗口，接下的绘图命令可以将图画在它里面，而不会覆盖以前的绘图窗口。当有多个figure窗口时，在命令窗口中执行如Plot等命令将覆盖当前figure窗口中的对象。所谓的当前figure窗口，也就是最后一次查看的窗口(可以用命令gcf得到)。figure(N)，将编号为N的窗口置为当前figure，出现在所有窗口的最前面，如果该窗口不存

2、在，则新建一个编号为N的空白figure。3. 注释掉一段程序：%、%。经典方法是用 if 0，但缺点是不够直观，注释掉的内容仍然保持代码的颜色。现在可以用 %和 的组合。输入%后，后面的代码都会变绿，在注释结束的地方再加上 % 。也可以选中要注释内容，在右键菜单中选择Comment (Uncomment去掉注释标记)，或使用快捷键Ctrl+R。将光标放在需要注释的行中，按Ctrl+R，将该行变为注释。取消注释也是一样的，快捷键为Ctrl+T。4. doc 命令名，打开命令的帮助文档与help命令不同，帮助文档MATLAB

3、Help中对命令的描述更详细，往往还有一些例子，更便于理解。5. clc 清屏清除命令窗口中的所有输入和输出信息，不影响命令的历史记录。6. clear 和clear allclear 变量名：可以清除workspace中的无用的变量，尤其是一些特别大的矩阵，不用时及时清理，可以减少内存占用。clear all 清除所有的变量，使workspace一无所有，当重新开始一次算法验证时，最好执行一次，让workspace中的变量一目了然。7. close all如果开了多个绘图窗口，用这个命令将它们一起关掉。8. 上下光标键在命令窗口中，上下光标键

4、可以将历史记录中的命令复制到输入位置，便于快速重新执行。如果输入命令的前几个字母如 row, col =，再使用光标键，则只会选择以这些字母开始的命令。9. Tab补全对名称记得不太清楚的命令，可以输入开头的几个字母，然后按Tab键，当只有一个以这些字母开头的命令时，将自动补全命令名，否则显示一个命令名列表，方便从中选择。当然，只在命令窗口中有效。10. cell模式在一个长长的脚本m文件中，可能需要对其中的一段反复修改，查看执行效果，这时，cell模式就非常有用了。cell模式相当于将其中的代码拷贝到命令窗口中运行。两个%后接一个空格(% )开始一个cell。将输入光标放到一个ce

5、ll中时，背景将变为浅黄色，Ctrl+Enter执行cell中的代码。执行cell中代码时不需要保存m文件，该m文件可以不在路径列表中。cell模式中，断点不起作用，当然，调用的子程序中的断点还是正常的。11. 获取文件列表，批处理MATLAB内置了一些文件操作命令，例如cd(切换工作目录)，dir(同ls，显示目录内文件列表)等。dir命令可以返回目录中的文件和文件夹列表，存在一个结构体数组中。如果需要对一些数据文件进行批处理，而文件名又没有一定的规律，你可能需要借助于这个命令。 Matlab注释技巧1. m文件如果是函数，保存的文件名最好与函数名一致，这点都很清楚。不过

6、容易疏忽的是，m文件名的命名尽量不要是简单的英文单词，最好是由大小写英文/数字 /下划线等组成。原因是简单的单词命名容易与matlab内部函数名同名，结果会出现一些莫名其妙的错误。例如，写个m文件，命名为spy，运行时就弹出一个怪怪的figure，呵呵，我当初还以为是什么bug。2. 调试程序时，经常要屏蔽掉一整段程序进行，也就是将其标示注释符%。有两个办法：一种是选定后 ctrl+r和ctrl+t 一种是在段首加 if 0 ，段尾加 end，中间都不执行，也就相当于注释掉了3. 写m文件时，选中某段程序内容，ct

7、rl+i 让matlab帮你自动对齐程序。这样程序看起来很有层次，容易发现程序中的错误。4. ctrl+F2作标签，ctrl+g 跳至某一行，这些快捷键都很实用。5 matlab7中有块注释符号% 和 %6 多行加标注时，也可以选中需要添加标注程序，然后在Edit中/或者右键选择Comment。或者Uncomment除掉标注 MATLAB内存管理用 Matlab 进行大规模科学计算或仿真时，内存是一个需要时常注意的问题。在matlab里运行>>system_dependent memstats就可以看到

8、内存的使用状况。当你写的 Matlab 程序跳出“Out of Memory” 时，以下几点措施是需要优先考虑的解决方法：1. 升级内存2. 升级64位系统3. 增加虚拟内存4. 采用3GB开关启动系统由于32位 Windows 操作系统的限制，每个进程只能使用最多 2GB 的虚拟内存地址空间，因此 Matlab 的可分配内存也受到相应的限制。Matlab 7.0.1 引进了新的内存管理机制，可以利用 Windows 的 3G

9、B 开关，使用 3GB 开关启动的 Windows 每个进程可以在多分配 1 GB 的虚拟地址空间。具体做法是：修改C盘根目录 boot.ini 启动选项加上 /3G，例如：multi(0)disk(0)rdisk(0)partition(1)WINDOWS="Microsoft Windows XP Professional" /noexecute=optin /fastdetect /3G5. 如果必有必要，不要启动java虚拟机，采用matlab -nojvm

10、启动 （在快捷方式属性里面的 "./matlab.exe"） 改为（"./matlab.exe" - nojvm）6. 关闭Matlab Server7. Windows中字体、窗口等都是要占用系统资源的，所以在Matlab运行时尽量不要打开不用的窗口。除此以外，更关键的是需要弄清楚以下几个问题：问题一：Matlab是如何存储矩阵的？Matlab中矩阵是以Block，也就是块的形式存储的。也就是说，当Matlab在为即将存储的矩阵划分块时，如果没有相应大小的连续内存，即使实际内存没有被完全使用，它还是会报告“Out

11、 of Memory”。问题二：如何高效使用Memory？Matlab 中数组必须占用连续分配的内存段，当无法为新建的数组分配连续的内存段的时候，”Out of Memory” 就会出现。在使用的过程中，由于存储单元的不断的被分配和清除，反复分配和释放数组会使内存被分割成不连续的区域，可用的连续内存段减少，很容易造成 “Out of Memory”。因此当Matlab 刚刚启动时其连续内存最多，此时往往可以新建非常大的数组，这一点可以用命令 feature(memstats)（在 7.0 版本以上）看出。如果现实的最大连续内

12、存段很小，但实际可用内存（非连续的）仍旧很多，则表明内存中碎片太多了。此时可以考虑用 pack 命令，pack 命令的作用就是将所有内存中的数组写入硬盘，然后重新建立这些数组，以减少内存碎片。此外，在命令行或者程序中都可以使用 clear 命令，随时减少不必要的内存。因此，治本的方法如下：1. 在命令行输入 pack 整理内存空间当内存被分为很多碎片以后，其实本身可能有很大的空间，只是没有作构的连续空间即大的Block而已。如果此时Out of Memory，此时使用pack命令可以很好的解决此问题。2. 

13、;使用稀疏矩阵或将矩阵转化成稀疏形式 sparse如果矩阵中有大量的0，最好存储成稀疏形式。稀疏形式的矩阵使用内存更少，执行时间更短。例如：000×1000的矩阵X，它2/3的元素为0，使用两种存储方法的比较：NameSizeBytesClassX1000x10008000000double arrayY1000x10004004000double array (sparse)3. 尽量避免产生大的瞬时变量，把没必要的变量clear掉或当它们不用的时候应该及时clear。4. 减少变量，尽量的重复使用变量（跟不用的clear掉一个意思）。5. 

14、把有用的变量先save，后clear 掉，需要时再读出来。下面介绍一下关于clear、save、load的特殊用法，这对在for或while等多重循环里出现out of memory非常有效。for k = 1:N    % N为循环次数% -    var0 = k; % 获得变量var0                 &#

15、160;      %-    string = sprintf('var_%d', k) ' = var0;' ;    eval(string);                       &

16、#160;                                  % 等价于 var_k = var0;    save(sprintf('var_%d.mat', k),

17、 sprintf('var_%d'); % 等价于 save var_k.mat var_k    clear(sprintf('var_%d');                              

18、          % 等价于 clear var_kend如果要读取刚才存取的变量var_k, (k = 1,2, ., N). 那么，可以使用如下用法：for k = 1:N       load(sprintf('var_%d.mat', k);     % 等价于 load var_k.mat 

19、   k = 1,2, ., Nend另外，还有一些非常有用的用法。如果用清除刚才读取的变量 var_k, k = 1, 2, ., Nclear '-regexp' 'var_'     % 清除所有以“ var_ ”开头的变量还有很多关于save、clear、load等用法，具体help一下。6. 使用单精度 single 短整数替代双精度 doubleMatlab 默认的数字类型是双精度浮

20、点数 (double)，每个双浮点数占用 8 个字节。对于一些整数操作来说，使用双浮点数显得很浪费。在 Matlab 中可以在预先分配数组时指定使用的数字类型如以下命令：zero(10, 10, uint8) 。对于浮点数，在很多精度要求不高的情况下，可以使用4个字节的单浮点数(single)，可以减少一半的内存。关于单、双浮点数的精度对照如下，以便根据需要选择使用：single: 精度 (1.1921e-007) 最大数 (3.4028e+038)double: 精度

21、60;(2.2204e-016) 最大数 (1.7977e+308)7. 为矩阵变量预制内存而不是动态分配在动态分配的过程中，由于开始Matlab所用的Block随着矩阵的增大而连续的为此矩阵分配内存，但是由于Block的不连续性，很有可能最开始分配的Block不能满足存储的需要，Matlab只好移动此Block以找到更大的Block来存储，这样在移动的过程中不但占用了大量的时间，而且很有可能它找不到更大的块，导致Out of Memory。而当你为矩阵变量预制内存时，Matlab会在计算开始前一次性找到最合适的Block，此时就不用为变量连续的分配内存。比较下面

22、两个程序：for k = 2:1000    x(k) = x(k-1) + 5;endx = zeros(1, 1000);for k = 2:1000    x(k) = x(k-1) + 5;end显然，第二个更好！最好的方法是，在程序一开始就位所有大的矩阵变量预制存存储单元！8. 尽量早的为大的矩阵变量预制内存Matlab使用heap method管理内存。当在Matlab heap中没有足够的内存使用时，它会向系统请求内存。但是只要内存碎片可以存下当前的变量，Matlab会重新使用内存。比如：a

23、 = rand(1e6,1);b = rand(1e6,1);使用大约15.4 MB RAMc = rand(2.1e6,1);使用近似16.4 MB RAMa = rand(1e6,1);b = rand(1e6,1);clearc = rand(2.1e6,1);使用32.4 MB RAMMatlab不能使用a、b被clear的空间，因为它们均小于2.1 MB，而同时它们也很可能是不连续的。最好的方法：c = rand(2.1e6,1);cleara = rand(1e6,1);b = rand(1e6,1);使用16.4 MB RAM9. 如果可行的话，将一个大的矩阵划分为几个

24、小的矩阵，这样每一次使用的内存减少。  Matlab中的保存数据语句比较在Matlab中，我们经常遇到需要将一些中间数据或者最终结果保存为文本形式（*.txt）；其中提供了多种保存数据的语句，应该如何选择喃？在此，小弟在使用了fprintf、save、dlmwrite的基础上，对这三种方法进行了一个比较：fprintf(fid, format, A, .)，将数据A以format表示的格式写入fid（文件）中，fid由fopen函数返回得到。实例：  x = 0:.1:1;A = x; exp(x);fid = fopen('exp.txt

25、9;, 'wt');fprintf(fid, '%6.2f %12.8fn', A);fclose(fid)save filename.txt A  -format,将数据A以format表示的格式写入filename文本文件中。实例：  x = 0:.1:1;A = x; exp(x);save  data.txt A -ASCIIdlmwrite('filename.txt', A, 'D', R, C)，从矩阵A的第R行、第C列开始，使用分隔符D分割数据（“t”表示

26、tab分割，“,”为默认分割符），存储到filename文本文件中。实例：  x = 0:.1:1;A = x; exp(x);dlmwrite(data.txt', A, 'delimiter', 't', 'precision', 6);使用时，save保存的数据是以科学计数法的方式存储的；fprintf和dlmwrite则是可以选择存储数据的方式，fprintf的格式设置跟C语言中的用法一致，dlmwrite可以设置有效位位数，比如上面实例中6表示有效位位数是6位，dlmwrite中对数据中的小数就采用浮点数存储

27、，整数就采用整型存储形式。在使用时，可根据自己实际情况的需要选择适合的一种。个人觉得matlab本身的这种以科学计数法来表示数据，有时不方便于查看。还有一点就是fprintf是按照矩阵列存储。 MATLAB Out of memory问题总结（转载）首先，我要声明，matlab自带的Help才是最权威的Matlab学习资料，如果有时间好好学习一下或是可以高效的使用的话，一定受益匪浅！比如说像 Out of Memory这个问题，最开始我都是用Help memory，几乎得不到任何信息；然后就是去网上搜索此类问题的解决方法，一般有这几种：除了升级内存和升级64位系统外，下面几

28、个方法也是解决之道。# 增加虚拟内存# 采用PACK （在命令行输入 pack 整理内存空间）# 采用3GB 开关启动系统(修改 c盘根目录 boot.ini 启动选项加上 /3G 例如：multi(0)disk(0)rdisk(0)partition(1)WINDOWS="Microsoft Windows XP Professional" /noexecute=optin /fastdetect /3G# 优化程序，减少变量 （使用

29、稀疏矩阵 sparse ） save 保存变量 load 变量，需要时再读出来# 如果必有必要，不要启动java虚拟机，采用matlab -nojvm启动 （在快捷方式属性里面的 "./matlab.exe"） 改为（"./matlab.exe" - nojvm）#关闭Matlab Server # 使用 单精度 single 短整数替代 双精度。现在看来这些解决方法对于我的问题来说根本就是“治标

30、不治本”，不能解决实际问题，后来在一个师兄的提醒下Help out of memory，终于找到了解决此类问题的方法。在此感谢这位师兄啊！重申Matlab的Help才是Matlab的最权威的指导材料！其实我的所谓原创就是对Help out of memory的一些归纳总结而已，有兴趣的话大家可以自己去看！问题一：Matlab是如何存储矩阵的Matlab中矩阵是以Block，也就是块的形式存储的。也就是说，当Matlab在为即将存储的矩阵划分块时，如果没有相应大小的连续内存，即使实际内存没有被完全使用，他还是会报告“Out of Memory”。问题二：如何高效使用Memory由于在使用的过程中

31、，由于存储单元的不断的被分配和清除，内存会被分割成不连续的区域，这是很容易造成“Out of Memory”。1为矩阵变量预制内存而不是动态分配在动态分配的过程中，由于开始Matlab所用的Block随着矩阵的增大而连续的为此矩阵分配内存，但是由于Block的不连续性，很有可能最开始分配的Block不能满足存储的需要，Matlab只好移动此Block以找到更大的Block 来存储，这样在移动的过程中不但占用了大量的时间，而且很有可能它找不到更大的块，导致Out of Memory。而当你为矩阵变量预制内存时，Matlab会在计算开始前一次性找到最合适的Block，此时就不用为变量连续

32、的分配内存。比较下面两个程序：for k = 2:1000x(k) = x(k-1) + 5;endx = zeros(1, 1000);for k = 2:1000x(k) = x(k-1) + 5;end显然，第二个更好！最好的方法是，在程序一开始就位所有大的矩阵变量预制存存储单元！1尽量早的分配大的Matlab使用heap method管理内存。当在Matlab heap中没有足够的内存使用时，它会向请求内存。但是只要内存碎片可以存下当前的变量，Matlab会重新使用内存。比如：a = rand(1e6,1);b = rand(1e6,1);使用大约15.4 MB RAMc = rand

33、(2.1e6,1);使用近似16.4 MB RAM:a = rand(1e6,1);b = rand(1e6,1);clearc = rand(2.1e6,1);使用32.4 MB RAM。因为Matlab不能使用a、b被clear的空间，因为它们均小于2.1 MB，而同时它们也很可能是不连续的。最好的方法：c = rand(2.1e6,1);cleara = rand(1e6,1);b = rand(1e6,1);使用16.4 MB RAM2尽量避免产生大的瞬时变量，当它们不用的时候应该及时clear。3尽量的重复使用变量（跟不用的clear掉一个意思）4将矩阵转化成稀疏形式如果矩阵中有大量

34、的0，最好存储成稀疏形式。稀疏形式的矩阵使用内存更少，执行时间更短。例如：1000×1000的矩阵X，它2/3的为0，使用两种存储方法的比较：NameSizeBytesClassX1000x10008000000double arrayY1000x10004004000double array (sparse)5使用pack当内存被分为很多碎片以后，其实本身可能有很大的空间，只是没有作构的连续空间即大的Block而已。如果此时Out of Memory，此时使用pack命令可以很好的解决此问题。6如果可行的话，将一个大的矩阵划分为几个小的矩阵，这样每一次使用的内存减少。7增大内存问题三： Increase the size of the swap file.wap space的与使用的操作系统有关，具体的如下：1.UNIXInformation about swap space can be procured by typing pstat -s at the UNIX command prompt. For detailed information on changing