示例结构

这个示例检查各种实现收发机系统在MATLAB。

这个系统是由发射器,一个通道模型,和一个接收器。发射机的过程与卷积编码器输入比特流,一个衬垫,调制器,MIMO空时分组编码(见[1]、[2])。传输信号处理由一个2 x2 MIMO块衰落信道和加性高斯白噪声(AWGN)信道。其输入信号接收过程2 x2 MIMO空时分组解码器,解调器,deinterleaver和维特比译码器恢复的最佳估计在接收机输入比特流。

示例遵循此工作流:

创建函数运行的仿真算法

从一个函数,表示第一个版本或基线算法的实现。输入到helperAccelBaseline函数是 $$E_b/N_o$$当前帧的值(EbNo),最小数量的错误(minNumErr)和最大处理的比特数(maxNumBits)。 $$E_b/N_o$$是每一点能量的比值,噪声功率谱密度。函数输出比特误码率(BER)信息 $$E_b/N_o$$点。

类型helperAccelBaseline

函数数量= helperAccelBaseline (EbNo、minNumErr maxNumBits) = % helperAccelBaseline模拟通信链路%误码率helperAccelBaseline (EbNo, MINERR MAXBIT)返回的位错误%率(ber)通信链路,其中包括卷积编码、%交错,QAM调制,Alamouti时空分组码和%和AWGN MIMO块衰落信道。EBNO是%的每一点能量噪声功率谱密度比(Eb /不)AWGN信道在dB, % MINERR收集的最低数量是错误,和MAXBIT %最大数量的模拟部分,以便模拟不会无限期地%如果Eb /不值太高了。% 2011 - 2021版权MathWorks公司M = 16;% k = log2 (M)调制顺序;%每个符号位codeRate = 1/2;%的编码速率adjSNR = EbNo - 10 * log10 (1 / codeRate) + 10 * log10 (k);格子= poly2trellis (7 (171 133));tblen = 32;dataFrameLen = 1998;%添加6 0终止卷积码chanFrameLen = (dataFrameLen + 6) / codeRate; permvec=[1:3:chanFrameLen 2:3:chanFrameLen 3:3:chanFrameLen]'; ostbcEnc = comm.OSTBCEncoder(NumTransmitAntennas=2); ostbcComb = comm.OSTBCCombiner(NumTransmitAntennas=2,NumReceiveAntennas=2); mimoChan = comm.MIMOChannel(MaximumDopplerShift=0,PathGainsOutputPort=true); berCalc = comm.ErrorRate; % Run Simulation ber = zeros(3,1); while (ber(3) <= maxNumBits) && (ber(2) < minNumErr) data = [randi([0 1],dataFrameLen,1);false(6,1)]; encOut = convenc(data,trellis); % Convolutional Encoder intOut = intrlv(double(encOut),permvec'); % Interleaver modOut = qammod(intOut,M,... 'InputType','bit'); % QAM Modulator stbcOut = ostbcEnc(modOut); % Alamouti Space-Time Block Encoder [chanOut, pathGains] = mimoChan(stbcOut); % 2x2 MIMO Channel chEst = squeeze(sum(pathGains,2)); rcvd = awgn(chanOut,adjSNR,'measured'); % AWGN channel stbcDec = ostbcComb(rcvd,chEst); % Alamouti Space-Time Block Decoder demodOut = qamdemod(stbcDec,M,... 'OutputType','bit'); % QAM Demodulator deintOut = deintrlv(demodOut,permvec'); % Deinterleaver decOut = vitdec(deintOut(:),trellis, ... % Viterbi Decoder tblen,'term','hard'); ber = berCalc(decOut(1:dataFrameLen),data(1:dataFrameLen)); end

作为起始点,测量时间运行这个基线算法在MATLAB。使用MATLAB定时功能(抽搐和toc)记录运行运行时完成加工的for循环遍历 $$E_b/N_o$$值从0到7 dB。

minEbNodB = 0;maxEbNodB = 7;EbNoVec = minEbNodB: maxEbNodB;minNumErr = 100;maxNumBits = 1 e6;N = 1;str =“基线”;%的函数运行一次将它加载到内存和删除开销%运行时测量1 e4 helperAccelBaseline(10日);berBaseline = 0(大小(minEbNodB: maxEbNodB));disp (“处理基线算法”。);

处理基线算法。

抽搐;为EbNoIdx = 1:长度(EbNoVec) EbNo = EbNoVec (EbNoIdx);y = helperAccelBaseline (EbNo minNumErr maxNumBits);berBaseline (EbNoIdx) = y (1);结束rtBaseline = toc;

结果表明仿真时间(以秒为单位)的基线算法。用这个时间测量与后续加速仿真运行时。

helperAccelReportResults (N, rtBaseline rtBaseline str, str);

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -版本的收发机|运行时间(sec) |加速度比1。基线| 4.4886 | 1.0000 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

通过使用MATLAB分析器的应用识别速度的瓶颈

确定基线算法的处理瓶颈和问题通过使用MATLAB分析器。获取配置文件信息通过执行以下脚本:

配置文件在y = helperAccelBaseline(6100年,1 e6);配置文件从配置文件查看器

的性能分析报告介绍了为每个函数调用算法的执行时间。你可以根据他们的功能自拍降序排列。最初几个分析器窗口函数,描述了表示算法的速度瓶颈。在这种情况下,vitdec功能被确定为主要的速度瓶颈。

加速与MATLAB仿真C代码生成

MATLAB编码器生成便携和可读的C代码从算法的MATLAB代码生成子集。您可以创建一个MATLAB可执行(墨西哥人)helperAccelBaseline函数,因为它使用函数和系统支持代码生成的对象。金宝app使用codegen(MATLAB编码器)函数编译helperAccelBaseline功能为墨西哥人功能。由codegen成功代码生成后,您将看到一个墨西哥人文件在工作区中附加“_mex”功能,helperAccelBaseline_mex。

codegen (“helperAccelBaseline.m”,“参数”,{EbNo、minNumErr maxNumBits})

代码生成成功。

测量的模拟时间墨西哥人版本的算法。记录花费的时间运行这个函数在同一循环。

N = N + 1;str =MATLAB C代码生成的;标签=“Codegen”;1 e4 helperAccelBaseline_mex(10日);berCodegen = 0(大小(berBaseline));disp (处理算法的墨西哥人的功能。);

处理的墨西哥人功能算法。

抽搐;为EbNoIdx = 1:长度(EbNoVec) EbNo = EbNoVec (EbNoIdx);y = helperAccelBaseline_mex (EbNo minNumErr maxNumBits);berCodegen (EbNoIdx) = y (1);结束rt = toc;

这里的结果显示该算法运行速度比的墨西哥人版本基线版本的算法。加速实现的数量取决于算法的本质。最好的方法来确定加速度是使用MATLAB生成一个MEX-function编码器和测试的第一手加速。如果你的算法包含单精度的数据类型、定点数据类型,循环状态,或不能向量化的代码,你可能会看到加速效果。另一方面,如果你的算法包含MATLAB隐式多线程计算等fft和圣言会、函数调用IPP或布拉斯特区库函数优化执行fft算法等在MATLAB上电脑或算法,您可以vectorize代码,加速效果是不可能的。

helperAccelReportResults (N, rtBaseline, rt、str标记);

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -版本的收发机|运行时间(sec) |加速度比1。基线| 4.4886 | 1.0000 2。MATLAB与C代码生成| 1.6402 | 2.7367 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

使用并行处理实现更快的模拟运行

利用多核并行仿真加速度增加运行任务。使用并行处理运行(parfor在MATLAB来执行工作循环)可用的工人的数量。并行计算工具使您能够运行不同的迭代并行仿真。使用gcp(并行计算工具箱)函数来获取当前并行池。如果池可用但不开放,gcp打开池和储备一些MATLAB工人执行后续的迭代parfor循环。在这个例子中,六名工人MATLAB客户机机器上本地运行。

池= gcp

池= ProcessPool属性:连接:真NumWorkers: 6集群:本地AttachedFiles: {} AutoAddClientPath:真正的IdleTimeout: 30分钟(剩余5分钟)SpmdEnabled:真的

平行于Eb /没有值

运行 $$E_b/N_o$$点并行使用六个工人使用parfor循环而不是一个for循环在前面的情况下使用。测量仿真时间。

N = N + 1;str =并行与parfor Eb /不运行的;标签=“Parfor Eb /不”;1 e4 helperAccelBaseline_mex(10日);berParfor1 = 0(大小(berBaseline));disp (“处理算法的墨西哥人函数在一个parfor-loop。”);

处理在parfor-loop算法的墨西哥人的功能。

抽搐;parforEbNoIdx = 1:长度(EbNoVec) EbNo = EbNoVec (EbNoIdx);y = helperAccelBaseline_mex (EbNo minNumErr maxNumBits);berParfor1 (EbNoIdx) = y (1);结束rt = toc;

墨西哥人的结果增加了仿真时间内执行版本的算法parfor循环的结果。请注意,在通过运行算法parfor循环,完成仿真运行时间短。的基本概念parforMATLAB循环回路是一样的标准。所不同的是,parfor循环迭代分为团体,每个工人总数的一部分执行迭代。因为几个MATLAB工人在同一循环,可以同时计算parfor循环提供了更好的性能比普通串行循环。

helperAccelReportResults (N, rtBaseline, rt、str标记);

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -版本的收发机|运行时间(sec) |加速度比1。基线| 4.4886 | 1.0000 2。MATLAB与C代码生成| 1.6402 | 2.7367 3。并行运行与parfor Eb /不| 1.0943 | 4.1020 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

平行的比特数

在前面的小节中,总的仿真时间主要是由最高 $$E_b/N_o$$点。您可以进一步加速模拟通过分割模拟的比特数 $$E_b/N_o$$点的工人。运行每个 $$E_b/N_o$$点并行使用六个工人使用parfor循环。测量仿真时间。

N = N + 1;str =“并行运行与parfor的比特数”;标签=“Parfor #位”;1 e4 helperAccelBaseline_mex(10日);berParfor2 = 0(大小(berBaseline));disp (“处理算法的墨西哥人第二个版本的函数在一个parfor-loop。”);

处理算法的墨西哥人第二个版本的函数在一个parfor-loop。

抽搐;%计算模拟在每个工人的比特数minNumErrPerWorker = minNumErr / pool.NumWorkers;maxNumBitsPerWorker = maxNumBits / pool.NumWorkers;为EbNoIdx = 1:长度(EbNoVec) EbNo = EbNoVec (EbNoIdx);numErr = 0 (pool.NumWorkers, 1);parforw = 1:池。NumWorkers y=helperAccelBaseline_mex(EbNo,minNumErrPerWorker,maxNumBitsPerWorker); numErr(w)=y(2); numBits(w)=y(3);结束berParfor2 (EbNoIdx) = (numErr) /金额总和(numBits);结束rt = toc;

墨西哥人的结果增加了仿真时间内执行版本的算法parfor循环,这一次每个工人模拟相同的 $$E_b/N_o$$点。注意,通过运行这个版本中parfor循环得到最快的模拟性能。所不同的是,parfor把需要模拟的比特数的工人。这种方法能减少仿真时间甚至最高 $$E_b/N_o$$通过均匀分布载荷(具体来说,模拟的比特数)/工人。

helperAccelReportResults (N, rtBaseline, rt、str标记);

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -版本的收发机|运行时间(sec) |加速度比1。基线| 4.4886 | 1.0000 2。MATLAB与C代码生成| 1.6402 | 2.7367 3。并行运行与parfor Eb /不| 1.0943 | 4.1020 4。与parfor并行运行的比特数| 0.6501 | 6.9043 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

总结

你可以显著加快模拟通信算法的MATLAB的C代码生成和并行处理。

下面显示了运行时的所有四个方法作为一个条形图。结果可能会有所不同根据特定算法,可用的工人,和选择的最小数量的错误和最大的比特数。

结果= helperAccelReportResults;

这张图显示了不同的模拟处理方法的误码率曲线密切相互匹配。为每一个策划 $$E_b/N_0$$的四个版本的算法运行的最大数量输入位设置为一千万(maxNumBits= 1 e7)和最小数量的比特错误设置为五千(minNumErr= 5000)。

进一步的探索

下面的例子使用了gcp功能储备几个MATLAB工人MATLAB客户端机器上本地运行。通过修改并行配置,您可以进一步加速仿真通过运行该算法在更大的集群的工人不MATLAB客户机。如何管理和使用的描述并行配置,看到发现集群和集群配置文件使用(并行计算工具箱)的话题。

在本例中使用以下功能。

选择引用