Support de génération et d’accélération de code

Générer du code C à partir de MATLAB^® et Simulink^® et utiliser des GPU pour accélérer le traitement

Vous pouvez générer du code C à partir de vos designs de modèles MATLAB et Simulink. Certains blocs et System objects de Communications Toolbox™ supportent la génération de code C lorsque vous les utilisez avec MATLAB Coder™. Vous pouvez accélérer votre code pendant le prototypage. Communications Toolbox comprend des fonctions qui peuvent s’exécuter sur un processeur graphique (GPU).

Génération de code C/C++. Après avoir développé votre application, vous pouvez générer du code source C/C++ portable ou bien des exécutables ou applications autonomes à partir de votre code MATLAB et de vos modèles Simulink. La génération de code C/C++ vous permet d’exécuter votre simulation sur des machines où MATLAB n’est pas installé mais aussi d’accélérer le traitement lorsque vous travaillez dans MATLAB. Pour une liste des fonctionnalités de Communications Toolbox qui supportent la génération de code C/C++, veuillez consulter Fonctions et System objects supportant la génération de code C. Vous devez disposer de MATLAB Coder pour générer du code C/C++. Pour plus d’informations, veuillez regarder la vidéo Generate C Code from MATLAB Code (Générer du code C à partir du code MATLAB).

Accélération de code GPU. Pour accélérer votre code pendant le prototypage, Communications Toolbox comprend des fonctionnalités qui peuvent s’exécuter sur un processeur graphique (GPU). Vous pouvez utiliser la fonction gpuArray (Parallel Computing Toolbox) pour transférer les données au GPU puis appeler la fonction gather (Parallel Computing Toolbox) pour récupérer les données de sortie du GPU. Pour une liste des fonctionnalités de Communications Toolbox, veuillez consulter Liste de support des GPU arrays pour les System objects. Vous devez disposer de Parallel Computing Toolbox™ pour que les GPU soient supportés.

Applications

MATLAB Coder

Generate C code or MEX function from MATLAB code

Fonctions

`codegen`	Generate C/C++ code from MATLAB code
`gather`	Transfer distributed array, `Composite` object, or `gpuArray` object to local workspace
`gpuArray`	Array stored on GPU

Rubriques

What is C Code Generation from MATLAB?
Introduces code generation support.
Generate C Code from MATLAB Code
Prepare MATLAB code for code generation and generate C-MEX code and a C executable.
Generate C Code from Simulink Model
Build an executable and run the executable within MATLAB.
Generate C Code at the Command Line (MATLAB Coder)
Use command line tools to generate C code from an example MATLAB function.
Accelerate Simulation Using GPUs
GPU-based System objects, Guidelines for Using GPUs.
Run MATLAB Functions on a GPU (Parallel Computing Toolbox)
Supply a gpuArray argument to automatically run functions on a GPU.
Prerequisites for Deep Learning with MATLAB Coder (MATLAB Coder)
Install products and configure environment for code generation for deep learning networks.
GPU Computing Requirements (Parallel Computing Toolbox)
Support for NVIDIA^® GPU architectures.

Informations connexes

Exemples présentés

Nouveau

Accelerate MIMO-OFDM Link Simulation Using GPU

Accelerate a MIMO-OFDM link simulation with LDPC channel coding by using a GPU.

Depuis R2024a

Ouvrir le live script

Simulation Acceleration Using MATLAB Coder and Parallel Computing Toolbox

Two ways to accelerate the simulation of communications algorithms in MATLAB®. It showcases the runtime performance effects of using MATLAB to C code generation and parallel processing runs (using the MATLAB parfor (Parallel Computing Toolbox) function). For a comprehensive look at all possible acceleration techniques, see Accelerating MATLAB Algorithms and Applications article.

Ouvrir le live script

Accelerate SISO Single-Carrier Link Simulation Using GPU

A comparison of four techniques which can be used to accelerate bit error rate (BER) simulations using System objects in the MATLAB® Communications Toolbox™ software. A small system, based on convolutional coding, illustrates the effect of code generation using the MATLAB® Coder™ product, parallel loop execution using parfor in the Parallel Computing Toolbox™ product, a combination of code generation and parfor, and GPU-based System objects.

Ouvrir le script

Using GPUs to Accelerate Turbo Coding Bit Error Rate Simulations

Use GPUs to dramatically accelerate bit error rate simulations. Turbo codes form the backbone of many modern communication systems. Because of the intense amount of computation involved in a Turbo decoder and the large number of trials required for a valid bit error rate simulation, the Turbo decoder is an ideal candidate for GPU acceleration. See the Parallel Concatenated Convolutional Coding: Turbo Codes example, which explains the data processing chain, for more information on Turbo codes.

Ouvrir le script

LDPC Link Simulation Using GPU Processing

Use the ldpcDecode function and gpuArray to increase the speed of a communications system simulation. The performance improvement is illustrated by modeling part of the ETSI (European Telecommunications Standards Institute) EN 302 307 standard for Broadcasting, Interactive Services, News Gathering and other broadband satellite applications (DVBS-2) [ 1 ]. For further information on simulating the DVBS-2 system see DVB-S.2 Link, Including LDPC Coding in Simulink. You must have a Parallel Computing Toolbox™ user license to use GPU processing for ldpcDecode.

Ouvrir le live script

5G LDPC Block Error Rate Simulation Using the Cloud or a Cluster

Use the cloud or a cluster for block error rate (BLER) simulation of low-density parity-check (LDPC) coding for the 5G NR downlink shared transport channel (DL-SCH).

Ouvrir le script