Документация

Обзор

В этом примере показано, как исследовать и тестировать конструкции с фиксированной точкой путем параллельного распределения тестов между многими компьютерами. В примере используется parfor контур для проверки точности алгоритма детектора QRS. Для выполнения параллельного моделирования требуется лицензия Parallel Computing Toolbox™.

Установка

Для выполнения этого примера скопируйте файлы примеров в локальный рабочий каталог.

copyfile(fullfile(matlabroot,'help','toolbox','fixpoint', 'examples',...
'parallel_examples','heart_rate_detector'))

В локальной рабочей папке откройте и запустите тестовый файл, в котором выполняется пример.

edit test_heart_rate_detector_in_parallel.m
test_heart_rate_detector_in_parallel

Использование параллельных контуров для исследования конструкции

Как стандарт for-loop, a parfor (Parallel Computing Toolbox) - цикл выполняет ряд инструкций в диапазоне значений. Использование parfor команда, можно настроить параллельную for-закольцовывание в коде для изучения конструкций с фиксированной точкой путем распределения тестов между многими компьютерами. В parfor цикл, итерации цикла выполняются параллельно, что может обеспечить более высокую производительность, чем стандартные for-контуры.

Этот скрипт устанавливает тестируемую систему и инициализирует массивы, которые будут содержать результаты вне parfor-луп. Затем используется цикл parfor для параллельного тестирования каждой записи. parforФункция -loop загружает данные, запускает систему, затем классифицирует и сохраняет результаты параллельно. Когда parfor-loop завершает, сценарий отображает результаты. Дополнительные сведения о тестируемой системе см. в разделе Описание тестируемой системы.

%% Run test of records in database in parallel
record_names = {'ecg_01','ecg_02','ecg_03','ecg_04','ecg_05','ecg_06',...
    'ecg_07','ecg_08','ecg_09','ecg_10','ecg_11','ecg_12','ecg_13'};
 
%% Set up the system under test
data_type = 'fixedwrap';
T = heart_rate_detector_types(data_type);
[mex_function_name,Fs_target] = setup_heart_rate_detector(record_names,data_type,T);
 
%% Initialize array to contain results 
results_file_names = cell(size(record_names));
 
%% Test each record in the database in parallel
parfor record_number = 1:length(record_names);
    % Load data
    record_name = record_names{record_number};
    [ecg,tm,ann,Fs] = load_ecg_data(record_name,Fs_target);
    
    % Run system under test
    detector_outputs = run_heart_rate_detector(mex_function_name,ecg,T);
    
    % Classify results
    [qrs_struct,qrs_stats] = classify_qrs(ann, Fs, detector_outputs);
    
    % Save results
    results_file_names{record_number} = save_heart_rate_data(...
        mex_function_name,record_name,...
        data_type,ecg,tm,ann,Fs,...
        detector_outputs,...
        qrs_struct,qrs_stats);
 
end
 
%% Display results
display_ecg_results(record_names, results_file_names);

Поскольку итерации цикла должны быть полностью независимы друг от друга, вызов save и load команды непосредственно внутри parfor-луп. Однако можно вызывать функции, которые вызывают эти команды. В этом примере функции load_ecg_data и save_heart_rate_data загрузите и сохраните необходимые данные. Дополнительные сведения об ограничениях см. в разделе Параллельные контуры (parfor) (Панель инструментов параллельных вычислений).

Описание тестируемой системы

Тестируемая система в этом примере тестирует простой детектор QRS, который измеряет разницу во времени между обнаружениями QRS для вычисления частоты сердечных сокращений. test_heart_rate_detector_in_parallel сценарий передает записи ЭКГ алгоритму обнаружения.

Следующий график является примером, когда алгоритм детектора правильно идентифицирует обнаружения QRS для вычисления контрольного сигнала.

Алгоритм обнаружения упрощается для этого примера. Анализ графиков и результатов, отображаемых при выполнении примера, показывает, что алгоритм не всегда является очень точным.

      Record    #QRS      TP      FP      FN     DER      Se      +P
      ecg_01     253     195       1      58   23.32   77.08   99.49
      ecg_02     133     133      18       0   13.53  100.00   88.08
      ecg_03      94      94       1       0    1.06  100.00   98.95
      ecg_04      92      91       0       1    1.09   98.91  100.00
      ecg_05      93      91       1       2    3.23   97.85   98.91
      ecg_06     131     131      22       0   16.79  100.00   85.62
      ecg_07     174     173       2       0    1.15  100.00   98.86
      ecg_08     117     116      10       1    9.40   99.15   92.06
      ecg_09     137     137       1       0    0.73  100.00   99.28
      ecg_10      96      96       3       0    3.13  100.00   96.97
      ecg_11      73      73       1       0    1.37  100.00   98.65
      ecg_12     146     145      71       0   48.63  100.00   67.13
      ecg_13     144     144       5       0    3.47  100.00   96.64
      Totals    1683    1619     136      62   11.76   96.31   92.25


Legend:
   #QRS: Total number of QRS Complexes
   TP:   Number of true positive
   FP:   Number of false positive
   FN:   Number of false negative
   DER:  Detection error rate in percent
   Se:   Sensitivity in percent
   +P:   Positive prediction in percent