MATLAB中常用的工具箱

Matlab并行计算工具箱及MDCE介绍.doc

3.1 Matlab并行计算发展简介

MATLAB技术语言和开发环境应用于各个不同的领域，如图像和信号处理、控制系统、财务建模和计算生物学。MATLAB通过专业领域特定的插件(add-ons)提供专业例程即工具箱(Toolbox)，并为高性能库(Libraries)如BLAS(Basic Linear

Algebra Subprograms，用于执行基本向量和矩阵操作的标准构造块的标准程序)、FFTW(Fast Fourier Transform in the West，快速傅里叶变换)和LAPACK(Linear Algebra PACKage，线性代数程序包)提供简洁的用户界面，这些特点吸引了各领域专家，与使用低层语言如C语言相比可以使他们很快从各个不同方案反复设计到达功能设计。

计算机处理能力的进步使得利用多个处理器变得容易，无论是多核处理器，商业机群或两者的结合，这就为像MATLAB一样的桌面应用软件寻找理论机制开发这样的构架创造了需求。已经有一些试图生产基于MATLAB的并行编程的产品，其中最有名是麻省理工大学林肯实验室(MIT Lincoln Laboratory)的pMATLAB和MatlabMPI，康耐尔大学(Cornell University)的MutiMATLAB和俄亥俄超级计算中心(Ohio Supercomputing Center)的bcMPI。

MALAB初期版本就试图开发并行计算，80年代晚期MATLAB的原作者，MathWorks公司的共同创立者Cleve Moler曾亲自为英特尔HyperCube和Ardent电脑公司的Titan超级计算机开发过MATLAB。Moler 1995年的一篇文章“Why

there isn't a parallel MATLAB?[**]” 中描述了在开了并行MATLAB语言中有三个主要的障碍即:内存模式、计算粒度和市场形势。MATLAB全局内存模式的多数并行系统的分布式模式意味着大数据矩阵在主机和并行机之间来回传输。与语法解析和图形例程相比，那时MATLAB只花了小部分的时间行例程上，这使得并行上的努力并不是很有吸引力。最后一个障碍对于一个资源有限的组织来讲确实是一个现实，即没有足够多的MATLAB用户将其用于并行机上，因此公司还是把注意力放在单个CPU的MATLAB开发上。然而这并不妨碍一些用户团体开发MATLAB并行计算功能，如上面提到的一些实验室和超级计算中心等。

content ch1 ch2 ch3 ch4 ch5 ch6 ch7 ch8 ch9 ch10 ch11 ch12 ch13 ch14 Mapping

download Matlab的使用

第十四章 常用工具箱

第一章

一. 符號工具箱

function Meaning Example

sym 宣告任一符號變數 sym('x');sym('d1')

syms 宣告諸多符號變數 syms a b c d3

pretty 一般數學化外形 F=(1+x)^4/(1+x^2)+4/(1+x^2);pretty(F)

simplify 簡化浮式 simplify(F)

expand 展開數學式 p=expand((1+x)^4)

horner 巢狀排列 horner(p)

factor 分解數學式 factor(a^3+b^3-a*b-a*c-b*c+b^2+c^2)

simple 嘗式不同方法以簡化數學式，並傳回最簡化式子 syms x

y;y=sqrt(cos(x)+i*sin(x));

simple(y)

subs 代換不同變數 subs(p,x,2)

collect 整理同次幕 a=(x+3)(x-4);collect(a)

double 將符號表示化簡為標準數值 double(1/4*pi)

vpa 取得任何十進位數目 vpa(sqrt(16),100)

taylor 泰勒式展開開始 taylor(exp(x),8)

gamma 求取gamma(Γ)函數之加合 gamma(5)

symsum 指數函數的級數展開之加合 symsum(1/gamma(r),1,inf)

zeta 求取Riemann Zeta函數之加合 zeta(2)

solve 求取多項式的解 solve(x^3-7/2*x^2-17/2*x+5)

diff 對任一函數進行符號式(偏)微分 syms z,k; f=k*cos(z^4); diff(f,z)

互联网类# 1 Matlab控制工具箱的应用

——基于Matlab R2010a(7.10.0)

1. 线性时不变系统浏览器LTI Viewer

在Matlab的command Window中，建立LTI对象，之后使用LTI Viewer可以绘制LTI对象的单位阶跃响应曲线（Step）、单位脉冲响应曲线（Impulse）、波特图（Bode）、零输入响应（Initial Condition）、波特图幅值图（Bode Magnitude）、奈奎斯特图（Nyquist）、尼科尔斯图（Nichols）、奇异值分析（Singular Value）以及零极点图（Pole/Zero）等。

注意：必须是线性时不变系统，对非线性系统需进行线性近似；

LTI对象有三种：tf对象（传递函数模型）、zpk对象（零极点模型）、ss对象（状态空间模型），命令如下：

连续系统 离散系统

传递函数模型 Sys=tf(num,den) Sys=tf(num,den,TS)

零极点模型 Sys=zpk(z,p,k) Sys=zpk(z,p,k,TS)

状态空间模型 Sys=ss(A,B,C,D) Sys=ss(A,B,C,D,TS)

1) 在Matlab的command Window中输入“ltiview”，弹出LTI Viewer界面如下：

互联网类# 2

2) 在Matlab的command Window中输入LTI对象模型；

3) 在LTI对话框中，将在workspace中的LTI对象模型导入：

4) 之后进行分析，点击鼠标右键，可选择生成的各种曲线：

互联网类# 3

每种曲线，可快速获得系统响应信息：

互联网类# 4 5) 设置：

通过FileToolbox Preferences或EditViewer Preferences可进行LTI Viewer图形窗口的设置；

在系统响应曲线绘制窗口中单击鼠标右键，选择弹出菜单中的Propertise可针对某一曲线进行设置；

MATLAB工具箱的功能及使用方法

引言：

MATLAB是一种常用的用于数值计算和科学工程计算的高级计算机语言和环境。它的灵活性和强大的计算能力使得它成为工程师、科学家和研究人员的首选工具之一。而在MATLAB中，工具箱则提供了各种专业领域的功能扩展，使得用户能够更方便地进行数据分析、信号处理、优化和控制系统设计等任务。本文将介绍MATLAB工具箱的一些常见功能及使用方法，并探讨其在不同领域中的应用。

一、图像处理工具箱

图像处理工具箱（Image Processing Toolbox）是MATLAB的核心工具之一，它提供了一套强大的函数和算法用于处理和分析数字图像。在图像处理方面，可以使用MATLAB工具箱实现各种操作，如图像增强、降噪、边缘检测、图像分割等。其中最常用的函数之一是imread，用于读取图像文件，并将其转换为MATLAB中的矩阵形式进行处理。此外，还有imwrite函数用于将处理后的图像保存为指定的文件格式。

二、信号处理工具箱

信号处理工具箱（Signal Processing Toolbox）是用于处理连续时间和离散时间信号的工具箱。它提供了一系列的函数和工具用于信号的分析、滤波、变换和频谱分析等操作。在该工具箱中，最常用的函数之一是fft，用于计算信号的快速傅里叶变换，从而获取信号的频谱信息。此外，还有滤波器设计函数，用于设计和实现各种数字滤波器，如低通滤波器、高通滤波器和带通滤波器等。

三、优化工具箱

优化工具箱（Optimization Toolbox）提供了解决各种优化问题的函数和算法。MATLAB中的优化工具箱支持线性规划、非线性规划、整数规划、二次规划等多种优化问题的求解。其中最常用的函数之一是fmincon，用于求解无约束和约束的非线性优化问题。通过传入目标函数和约束条件，该函数可以找到满足最优性和约束条件的最优解。

四、控制系统工具箱

控制系统工具箱（Control System Toolbox）用于建模、设计和分析各种控制系统。它提供了一系列的函数和算法用于线性和非线性控制系统的模拟、设计和优化等任务。在该工具箱中，最常用的函数之一是tf，用于创建传输函数对象，表示控制系统的传递函数。此外，还有step函数和bode函数用于对控制系统进行步响应和频率响应的分析。