使用数学函数优化此java代码的建议

我有以下java代码。我正在尝试优化功能

        while(pStart < audio.length) {

        int pEnd = Math.round(pStart + winSize*Fs);

        int windowEnd = Math.min(pEnd, audio.length);
        double[] window = new double[fftSize*2];

        for(int i = pStart; i < windowEnd; i++) {
            window[(i-pStart)*2] = audio[i];
        }

        fft.complexForward(window);

        double fftVal;
        for(int i = 0; i < fftSize/2; i++) {

            fftVal = Math.sqrt((window[i*2] * window[i*2])  + (window[i*2+1] * window[i*2+1] ));

            powerAll[i][index] = 20 * Math.log10(
                    Math.abs(fftVal) / (windowEnd - pStart));
        }
        index++;


        pStart = pStart + windowSlide;


    }

while（pStart

根据跟踪文件进行计时：

总计2500毫秒 fft~500ms 自我监测约900毫秒 第二个循环约900毫秒

现在，我的重点是优化第二个for循环。我不能改变fft函数

---

在同一个问题上，我不确定为什么跟踪程序报告“self”为900毫秒。

您可以做的简单优化是将

window[I*2]

和

window[I*2+1]

的值存储在变量中，并在

sqrt（）

方法中使用它们，这将减少数组访问的次数

---

除此之外，如果你能说出你想做什么，我们可能会更好地帮助你。

你可以做的简单优化是将

window[i*2]

和

window[i*2+1]

的值存储在一个变量中，并在

sqrt（）

方法中使用它们，这将减少数组访问的次数

---

除此之外，如果你能说出你想做什么，我们可能会更好地帮助你。

你的代码很容易成为并行化的目标。你可以：

手工操作，计算要传递给每个线程的子数组索引

使用

ForkJoin

，它可以为您处理许多方面的问题

使用刚刚发布的Java8，并将其作为

parallelStream

处理任务编写 我的选择当然是第三，如果没有别的，那就是为了好玩

---

我花了一些时间在我的设置中使用jmh测量您的代码。

窗口

数组的每个条目需要14纳秒。考虑到所做的计算量，我认为这已经是一个很好的结果，并且不能有任何显著的改进。

您的代码很容易成为并行化的目标。你可以：

手工操作，计算要传递给每个线程的子数组索引

使用

ForkJoin

，它可以为您处理许多方面的问题

使用刚刚发布的Java8，并将其作为

parallelStream

处理任务编写 我的选择当然是第三，如果没有别的，那就是为了好玩

---

我花了一些时间在我的设置中使用jmh测量您的代码。

窗口

数组的每个条目需要14纳秒。考虑到所做的计算量，我认为这已经是一个很好的结果，并且不能有任何显著的改进。

原始代码可以通过应用log函数的数学属性来简化

考虑从原始代码中提取的以下函数：

double original( double[] window, int i, int windowEnd, int pStart ) {
    double fftVal = Math.sqrt(
            ( window[ i * 2 ] * window[ i * 2 ] )
                    + ( window[ i * 2 + 1 ] * window[ i * 2 + 1 ] )
    );
    return 20 * Math.log10(
            Math.abs( fftVal ) / ( windowEnd - pStart ) );
}

基本上，我们在伪代码中有以下函数：

x = sqrt(w[2i]^2 + w[2i+1]^2)
return 20 * log( abs(x) / ( windowEnd - pStart ) )

• abs不是必需的，因为sqrt（）的值是非负的
• 对数（X/Y）==对数（X）-对数（Y）
• 对数（sqrt（X））=0.5对数（X）
• 日志（windowEnd-pStart）可以预先计算并兑现

简化的变体，包括每个步骤的说明：

double variant( double[] window, int i, int windowEnd, int pStart ) {

    // w[2i]^2 + w[2i+1]^2
    double temp1 = window[ i * 2 ] * window[ i * 2 ]
            + window[ i * 2 + 1 ] * window[ i * 2 + 1 ];

    // apply log(sqrt(X)) == log(X^0.5) == 0.5 log(X)
    double temp2 = 0.5 * Math.log10( temp1 );

    // calculate the value of Math.log10( windowEnd - pStart )
    // (and cache it outside of the function) 
    double tempConst3 = Math.log10( windowEnd - pStart );

    // apply log(X/Y) == log(X) - log(Y)
    double temp4 = temp2 - tempConst3;

    return 20 * temp4;
}

---

原始代码可以通过应用log函数的数学特性来简化

考虑从原始代码中提取的以下函数：

double original( double[] window, int i, int windowEnd, int pStart ) {
    double fftVal = Math.sqrt(
            ( window[ i * 2 ] * window[ i * 2 ] )
                    + ( window[ i * 2 + 1 ] * window[ i * 2 + 1 ] )
    );
    return 20 * Math.log10(
            Math.abs( fftVal ) / ( windowEnd - pStart ) );
}

基本上，我们在伪代码中有以下函数：

x = sqrt(w[2i]^2 + w[2i+1]^2)
return 20 * log( abs(x) / ( windowEnd - pStart ) )

• abs不是必需的，因为sqrt（）的值是非负的
• 对数（X/Y）==对数（X）-对数（Y）
• 对数（sqrt（X））=0.5对数（X）
• 日志（windowEnd-pStart）可以预先计算并兑现

简化的变体，包括每个步骤的说明：

double variant( double[] window, int i, int windowEnd, int pStart ) {

    // w[2i]^2 + w[2i+1]^2
    double temp1 = window[ i * 2 ] * window[ i * 2 ]
            + window[ i * 2 + 1 ] * window[ i * 2 + 1 ];

    // apply log(sqrt(X)) == log(X^0.5) == 0.5 log(X)
    double temp2 = 0.5 * Math.log10( temp1 );

    // calculate the value of Math.log10( windowEnd - pStart )
    // (and cache it outside of the function) 
    double tempConst3 = Math.log10( windowEnd - pStart );

    // apply log(X/Y) == log(X) - log(Y)
    double temp4 = temp2 - tempConst3;

    return 20 * temp4;
}

---

---

如果你陈述了你想做什么，那么提出解决方案就很容易了！大量的时间意味着什么？。除非fftVal真的是个大数字，否则就不应该是这样，除非笨重的含义已经改变了！是不是

window[i*2]*window[i*2]

和to do:

Math.pow（window[i*2]，2）

一样？@Eldarion它在功能上是一样的，但可能快得多。您是否对FFT结果进行了预处理，而没有考虑到您正在测量的性能？因为我发现很难相信你发布的代码可以和FFT处理本身占用相同的时间顺序。如果你陈述你正在尝试做什么，那么提出解决方案就很容易了！大量的时间意味着什么？。除非fftVal真的是个大数字，否则就不应该是这样，除非笨重的含义已经改变了！是不是

window[i*2]*window[i*2]

和to do:

Math.pow（window[i*2]，2）

一样？@Eldarion它在功能上是一样的，但可能快得多。您是否对FFT结果进行了预处理，而没有考虑到您正在测量的性能？因为我发现很难相信您发布的代码可以与FFT处理本身占用相同的时间顺序。JIT将处理减少的数组访问。JIT将处理减少的数组访问。谢谢，我看了java8。将尝试选项3。我编辑了这篇文章，包括完整的代码和计时汉克，我看了java8。将尝试选项3。我编辑了这篇文章，包括了完整的代码和计时，尽管这是一种新颖的方法，但是我最终使用了两个Math.log10调用，这是非常昂贵的。我测试了它，我的运行时间实际上增加了。我已经删除了abs函数。我已经两次提到可以缓存Math.log10（windowEn