Примечание
Сравнительные тесты в этом примере были измерены на машине с четырьмя физическими ядрами.
В этом примере показано, как ускорить алгоритм обработки сигналов в MATLAB® с помощью codegen
(MATLAB Coder) и dspunfold
функции. Можно сгенерировать исполняемый файл MATLAB (MEX-функция) от целой функции MATLAB или определенных частей функции MATLAB. Когда вы запускаете MEX-функцию вместо оригинального кода MATLAB, скорость симуляции может значительно увеличиться. Чтобы сгенерировать эквивалентный MEX, алгоритм должен поддержать генерацию кода.
Использовать codegen
(MATLAB Coder), необходимо было установить MATLAB Coder™. Использовать dspunfold
, необходимо было установить MATLAB Coder и DSP System Toolbox™.
Использовать dspunfold
на Windows и Linux, необходимо использовать компилятор, который поддерживает интерфейс приложения Open Multi-Processing (OpenMP). См. Поддерживаемые Компиляторы.
Полагайте, что простой КИХ-алгоритм фильтра ускоряется. Скопируйте firfilter
функциональный код в firfilter.m
файл.
function [y,z1] = firfilter(b,x) % Inputs: % b - 1xNTaps row vector of coefficients % x - A frame of noisy input % States: % z, z1 - NTapsx1 column vector of states % Output: % y - A frame of filtered output persistent z; if (isempty(z)) z = zeros(length(b),1); end Lx = size(x,1); y = zeros(size(x),'like',x); z1 = z; for m = 1:Lx % Load next input sample z1(1,:) = x(m,:); % Compute output y(m,:) = b*z1; % Update states z1(2:end,:) = z1(1:end-1,:); z = z1; end
firfilter
функция принимает вектор из коэффициентов фильтра, b, шумного входного сигнала, x, как входные параметры. Сгенерируйте коэффициенты фильтра с помощью fir1
функция.
NTaps = 250; Fp = 4e3/(44.1e3/2); b = fir1(NTaps-1,Fp);
Отфильтруйте поток шумного синусоидального сигнала при помощи firfilter
функция. Синусоида имеет формат кадра 4 000 выборок и частоту дискретизации 192 кГц. Сгенерируйте синусоиду с помощью dsp.SineWave
Система object™. Шум является белым, Гауссовым со средним значением 0 и отклонением 0,02. Назовите эту функцию firfilter_sim
. firfilter_sim
вызовы функции firfilter
функция на шумном входе.
function totVal = firfilter_sim(b) % Create the signal source Sig = dsp.SineWave('SamplesPerFrame',4000,'SampleRate',19200); totVal = zeros(4000,500); R = 0.02; clear firfilter; % Iteration loop. Each iteration filters a frame of the noisy signal. for i = 1 : 500 trueVal = Sig(); % Original sine wave noisyVal = trueVal + sqrt(R)*randn; % Noisy sine wave filteredVal = firfilter(b,noisyVal); % Filtered sine wave totVal(:,i) = filteredVal; % Store the entire sine wave end
Запущенный firfilter_sim
и измерьте скорость выполнения. Скорость выполнения варьируется в зависимости от вашей машины.
tic;totVal = firfilter_sim(b);t1 = toc;
fprintf('Original Algorithm Simulation Time: %4.1f seconds\n',t1);
Original Algorithm Simulation Time: 7.8 seconds
codegen
Вызвать codegen
on firfilter
, и сгенерируйте его эквивалентный MEX, firfilter_mex
. Сгенерируйте и передайте коэффициенты фильтра и синусоидальный сигнал как входные параметры к firfilter
функция.
Ntaps = 250; Sig = dsp.SineWave('SamplesPerFrame',4000,'SampleRate',19200); % Create the Signal Source R = 0.02; trueVal = Sig(); % Original sine wave noisyVal = trueVal + sqrt(R)*randn; % Noisy sine wave Fp = 4e3/(44.1e3/2); b = fir1(Ntaps-1,Fp); % Filter coefficients codegen firfilter -args {b,noisyVal}
В firfilter_sim
функция, замена firfilter(b,noisyVal)
вызов функции с firfilter_mex(b,noisyVal)
. Назовите эту функцию firfilter_codegen
.
function totVal = firfilter_codegen(b) % Create the signal source Sig = dsp.SineWave('SamplesPerFrame',4000,'SampleRate',19200); totVal = zeros(4000,500); R = 0.02; clear firfilter_mex; % Iteration loop. Each iteration filters a frame of the noisy signal. for i = 1 : 500 trueVal = Sig(); % Original sine wave noisyVal = trueVal + sqrt(R)*randn; % Noisy sine wave filteredVal = firfilter_mex(b,noisyVal); % Filtered sine wave totVal(:,i) = filteredVal; % Store the entire sine wave end
Запущенный firfilter_codegen
и измерьте скорость выполнения. Скорость выполнения варьируется в зависимости от вашей машины.
tic;totValcodegen = firfilter_codegen(b);t2 = toc; fprintf('Algorithm Simulation Time with codegen: %5f seconds\n',t2); fprintf('Speedup factor with codegen: %5f\n',(t1/t2));
Algorithm Simulation Time with codegen: 0.923683 seconds Speedup factor with codegen: 8.5531
Усилением ускорения является приблизительно 8.5
.
dspunfold
dspunfold
функция генерирует многопоточный файл MEX, который может улучшить усиление ускорения еще больше.
dspunfold
также генерирует однопоточный файл MEX и самодиагностическую функцию анализатора. Многопоточный файл MEX усиливает многожильную архитектуру ЦП хоста - компьютера. Однопоточный файл MEX похож на файл MEX что codegen
функция генерирует. Функция анализатора измеряет усиление ускорения многопоточного файла MEX по однопоточному файлу MEX.
Вызвать dspunfold
on firfilter
и сгенерируйте его многопоточный эквивалентный MEX, firfilter_mt
. Обнаружьте длину состояния в выборках при помощи -f
опция, которая может улучшить усиление ускорения далее. -s auto
инициировал автоматическое обнаружение длины состояния. Для получения дополнительной информации об использовании -f
и -s
опции, смотрите dspunfold
.
dspunfold firfilter -args {b,noisyVal} -s auto -f [false,true]
State length: [autodetect] samples, Repetition: 1, Output latency: 8 frames, Threads: 4 Analyzing: firfilter.m Creating single-threaded MEX file: firfilter_st.mexw64 Searching for minimal state length (this might take a while) Checking stateless ... Insufficient Checking 4000 samples ... Sufficient Checking 2000 samples ... Sufficient Checking 1000 samples ... Sufficient Checking 500 samples ... Sufficient Checking 250 samples ... Sufficient Checking 125 samples ... Insufficient Checking 187 samples ... Insufficient Checking 218 samples ... Insufficient Checking 234 samples ... Insufficient Checking 242 samples ... Insufficient Checking 246 samples ... Insufficient Checking 248 samples ... Insufficient Checking 249 samples ... Sufficient Minimal state length is 249 samples Creating multi-threaded MEX file: firfilter_mt.mexw64 Creating analyzer file: firfilter_analyzer.p
Автоматический инструмент обнаружения длины состояния обнаруживает точную длину состояния 259
выборки.
Вызовите функцию анализатора и измерьте усиление ускорения многопоточного файла MEX относительно однопоточного файла MEX. Обеспечьте по крайней мере две различных системы координат для каждого входного параметра анализатора. Системы координат добавлены по первому измерению. Анализатор чередуется между этими системами координат при проверке, что выходные параметры соответствуют. Отказ обеспечить несколько систем координат для каждого входа может уменьшить эффективность анализатора и может привести к ложным положительным результатам верификации.
firfilter_analyzer([b;0.5*b;0.6*b],[noisyVal;0.5*noisyVal;0.6*noisyVal]);
Analyzing multi-threaded MEX file firfilter_mt.mexw64. For best results, please refrain from interacting with the computer and stop other processes until the analyzer is done. Latency = 8 frames Speedup = 3.2x
firfilter_mt
имеет фактор усиления ускорения 3.2
когда по сравнению с однопоточным файлом MEX, firfilter_st
. Чтобы увеличить ускорение далее, увеличьте фактор повторения использование -r
опция. Компромисс - то, что выходная задержка увеличивается. Используйте фактор повторения 3
. Задайте точную длину состояния, чтобы уменьшать издержки и увеличить ускорение далее.
dspunfold firfilter -args {b,noisyVal} -s 249 -f [false,true] -r 3
State length: 249 samples, Repetition: 3, Output latency: 24 frames, Threads: 4 Analyzing: firfilter.m Creating single-threaded MEX file: firfilter_st.mexw64 Creating multi-threaded MEX file: firfilter_mt.mexw64 Creating analyzer file: firfilter_analyzer.p
Вызовите функцию анализатора.
firfilter_analyzer([b;0.5*b;0.6*b],[noisyVal;0.5*noisyVal;0.6*noisyVal]);
Analyzing multi-threaded MEX file firfilter_mt.mexw64. For best results, please refrain from interacting with the computer and stop other processes until the analyzer is done. Latency = 24 frames Speedup = 3.8x
Фактором усиления ускорения является 3.8
, или приблизительно 32 раза скорость выполнения исходной симуляции.
Для этого конкретного алгоритма вы видите это dspunfold
генерирует очень оптимизированный код, не имея необходимость писать любой код C or C++. Усиление ускорения масштабируется с количеством ядер на вашей хост-машине.
КИХ-функция filter в этом примере является только иллюстративным алгоритмом, который легко изучить. Можно применить этот рабочий процесс на любой из пользовательских алгоритмов. Если вы хотите использовать КИХ-фильтр, рекомендуется, чтобы вы использовали dsp.FIRFilter
Системный объект в DSP System Toolbox. Этот объект запускается намного быстрее, чем числа сравнительного теста, представленные в этом примере без потребности в генерации кода.