【研发日记】Matlab/Simulink软件优化(一)——动态内存负荷压缩

文章目录

背景介绍

初始代码

优化代码

分析和应用

总结

---

背景介绍

        在一个嵌入式软件开发项目中，有一个使用MATLAB Function编写的算法模块，功能是从一个较大的数组中提取一段数据，然后求均值输出，示例如下：

初始代码

        一开始算法开发的思路非常简单，按照功能需求把算法分成两步。第一步提取目标数据，第二步求均值输出。示例如下：

function y = fcn(u, n)assert(n <= 100);x = zeros(1, n);for i=1:1:nx(i) = u(i);endy = mean(x);

        基于上述算法编译后生成的代码如下：

/* Model step function */void DynamicRAMdown_step(void){real_T x_data[100];int32_T i;/* MATLAB Function: '<Root>/MATLAB Function' incorporates:*  Constant: '<Root>/Constant'*/for (i = 0; i < 5; i++) {x_data[i] = DynamicRAMdown_ConstP.Constant_Value[i];}DynamicRAMdown_Y.y = x_data[0];for (i = 2; i < 6; i++) {DynamicRAMdown_Y.y += x_data[i - 1];}/* Outport: '<Root>/y' incorporates:*  MATLAB Function: '<Root>/MATLAB Function'*/DynamicRAMdown_Y.y /= 5.0;}

        分析上述代码可以看到，该算法的动态内存负荷是一个数组x_data[100]和一个i，数组x_data[100]的length是100，但是实际有用的长度只有5，另外95都是浪费的。

        而且随着具体应用的变化，如果数据数组更大，那么不必要的动态内存负荷浪费就会更严重，所以该算法有较大的优化空间。

优化代码

        我们利用matlab中的数组截取功能，把截取的数组直接送入求均值的函数，这样就不产生上述的中间变量数组x，示例如下： 

function y = fcn(u, n)y = mean(u(1:n));

        基于上述算法编译后生成的代码如下：

/* Model step function */void DynamicRAMdown_step(void){int32_T k;/* MATLAB Function: '<Root>/MATLAB Function1' incorporates:*  Constant: '<Root>/Constant'*/DynamicRAMdown_Y.y = 1.0;for (k = 2; k < 6; k++) {DynamicRAMdown_Y.y += DynamicRAMdown_ConstP.Constant_Value[k - 1];}/* Outport: '<Root>/y' incorporates:*  MATLAB Function: '<Root>/MATLAB Function1'*/DynamicRAMdown_Y.y /= 5.0;}

        分析上述代码可以看到，该算法的动态内存负荷只有一个k，不产生任何的额外浪费。

        至此，该算法中动态内存负荷压缩的优化就完成了。

分析和应用

        动态内存负荷压缩，在不同的软件开发项目中重要性是不一样的。一种是数据量非常庞大的应用（例如图像处理），算法优化很容易会产生很大的动态内存负荷压缩。另一种是硬件资源非常小的开发平台（例如单片机），开发的算法如果不经过仔细设计，很容易就会出现动态内存负荷溢出。

        动态内存负荷压缩优化时，需要注意如下几个点：

        1、使用Simulink中的可变数组时，生成的数组大小并不是动态的，而是按照最大Size来生成的。所以使用该功能时要根据自己的应用来计算一下，尽可能把最大Size设定的小一些。

        2、Simulink中设计的算法默认都是生成double型的数据，单个数据就要占用8 Byte的内存。所以我们要根据自己的应用选择合适的数据类型，例如，当精度要求不高时把double型改成single型就能压缩一半动态内存负荷，如果数值范围不大时把int32型改成int16型就能再压缩一半动态内存负荷。

        3、Simulink中设计算法模块时，用端口形式放在外面的信号默认会被定义成全局变量，如果放在里头就是局部变量。所以我们要尽可能地把一些信号放在内部，尽量少使用全局变量，内存使用效率就会提高，也就压缩了动态内存负荷。

        4、以上建议都是从硬件负荷压缩的角度来优化软件的，与此对立的一个优化方向是软件通用性和扩展性。前者的极限优化势必会降低后者的性能，反之依然。所以，要软件设计时要综合考虑各方面的性能，多方面来平衡。

总结

        以上就是本人在嵌入式软件开发中遇到内存优化时，一些个人理解和分析的总结，首先介绍了它的背景情况，然后展示它的初始设计和优化设计，最后分析了内存优化的注意事项和应用场景。

        后续还会分享另外几个最近总结的软件优化知识点，欢迎评论区留言、点赞、收藏和关注，这些鼓励和支持都将成文本人持续分享的动力。

        另外，上述例程使用的Demo工程，可以到笔者的主页查找和下载。

---

        版权声明：原创文章，转载和引用请注明出处和链接，侵权必究！