Matlab 一种相关计算的优化

我现在有一些代码：

data = repmat(1:10, 1, 2);
N = 6;
period = 10;

result = NaN * zeros(1, period);
for i=1:period
    range_indices = i:i+N;
    temp_data = data(range_indices);
    result(i) = sum( temp_data .* fliplr(temp_data));
end

---

我试图让它更快（对于更大的数据集，例如period=2000和N=1600），但我无法将它转换为矩阵运算形式（例如使用conv或xcorr）。

您应该能够完全线性化它。首先，考虑<代码> RangeEx索引< /代码>。其形式如下：

1 -> N
2 -> N+1
...
P -> N+P

其中p是周期。我们可以这样设置这些值的矩阵：

range_indices = bsxfun(@plus,1:N,(1:period)'-1);

我们可以使用这些直接获取数据，如下所示：

temp_data = data(range_indices);

然后，相当简单地完成该功能：

result = sum(temp_data.*fliplr(temp_data));

---

最后，这与问题无关，只是我想指出的一点——将来如果需要生成NaN值的矩阵，应该使用

NaN（1，句点）

。

您应该能够完全线性化这一点。首先，考虑<代码> RangeEx索引< /代码>。其形式如下：

1 -> N
2 -> N+1
...
P -> N+P

其中p是周期。我们可以这样设置这些值的矩阵：

range_indices = bsxfun(@plus,1:N,(1:period)'-1);

我们可以使用这些直接获取数据，如下所示：

temp_data = data(range_indices);

然后，相当简单地完成该功能：

result = sum(temp_data.*fliplr(temp_data));

---

最后，这与问题无关，但只是我想指出的一点——将来如果需要生成NaN值的矩阵，应该使用

NaN（1，句点）

。

bsxfun

非常有趣！当然，谢谢。。我需要在bsxfun调用中使用

sum（..，2）

，和

1:period+1

，然后结果是相同的（而且更快）。

bsxfun

非常有趣！当然，谢谢。。在bsxfun调用中，我需要

sum（..，2）

，和

1:period+1

，然后结果是相同的（而且更快）。