AltiumDesigner16\Quartus13\Labview2017\Matlab安装包网盘




链接: https://pan.baidu.com/s/1BOrzQAm2wye1le8GzTQPoA.

Altium Designer 16安装包/百度网盘

提取码：3dyq
Quartus13安装包/百度网盘

链接: https://pan.baidu.com/s/1tfFm3HOAu4AaTsXaJR5Zcw .

提取码：03fi
Labview2017安装包/百度网盘

链接: https://pan.baidu.com/s/1IrmON3T-3E6K4g9Jn0esmg.

提取码：11iy
Matlab安装包/百度网盘

链接: https://pan.baidu.com/s/1ODLOlu9-vlHLU1mLizDqPA.

提取码：j9ue

安装步骤：
1.如图所示，完整的安装包应该有13个压缩包，必须要全部下载完成才能解压。鼠标右击“thMWoMaR17a.part01.rar”压缩包，选择“解压到thMWoMaR17a”，然后等待解压完成
2.打开“thMWoMaR17a”文件夹，解压安装文件，安装文件为iso格式，但是不能通过虚拟光驱安装，需要将iso文件用解压软件解压。
注意：“R2017a_win64_dvd1.iso”和“R2017a_win64_dvd2.iso”两个文件均需要解压，且必须解压到同一个文件夹，如图所示：
3.鼠标右击“setup”，选择“以管理员身份运行”
4.选择“使用文件安装密钥”，然后点击“下一步”
5.选择“是”，然后点击“下一步”
6.打开“Matlab2017a 64bit”文件夹，并在文件夹内找到“安装密钥.txt”文件，打开复制里面的秘钥，然后粘贴到“我已有我的许可证的文件安装密钥”下面的编辑框内，然后点击“下一步”
7.接下来选择安装路径(软件较大不建议安装在C盘)。可以使用默认路径，也可以自行更改(路径中不要有中文即可)。然后点击“下一步"。如下图默认路径为：C:Program FilesMATLABR2017a 可以直接将C改为D，安装到D盘
8.点击“下一步”
9.确认安装路径和安装的产品无误，然后点击“安装”
10.接下来软件正在安装，安装时间过程较长，请耐心等待
11.点击“下一步”
12.点击“完成”
13.打开“thMWoMaR17a”>>“patch”文件夹，复制“libmwlmgrimpl.dll”文件
14.粘贴到“D:Program FilesMATLABR2017abinwin64matlab_startup_pluginslmgrimpl”文件夹，安装路径在哪个盘去哪个盘找这个文件夹
15.选择“替换目标中的文件”
16.再次打开“thMWoMaR17a”>>“patch”文件夹，复制“license_R2017a.lic”文件
17.粘贴到“D:Program FilesMATLABR2017alicenses”文件夹，安装路径在哪个盘去哪个盘找这个文件夹
18.如果“桌面”和“开始”里没有MATLAB的快捷启动方式。那么打开“D:Program FilesMATLABR2017abin”文件夹(安装路径在哪个盘去哪个盘找这个文件夹)，鼠标左键双击“matlab”，即可打开MATLAB(或者鼠标右击“matlab”-“发送到”-桌面快捷方式)
19.打开软件
链接会在评论处给出！！！网页链接就是！！！

1
提高
matlab
运行速度的方法
1.
多用矩阵运算少用
for
和
while
循环
1.1
原因分析
关于这个问题，我目前认为可能的原因有两种。一种是
matlab
矩阵运算可
能是并行进行的，二是
maltab
矩阵运算可能采用了一些目前我还不清楚的优化
算法。但到底是什么原因，还有待考证。
1.2
效果分析
(
1
)矩阵加法
A,
B,
C
分别是
5000
5000

的矩阵，对
D
A
B
C



，对比结果如下
for
循环执行的速度：
Elapsed time is 20.791048 seconds.
矩阵运算执行的速度
:
Elapsed time is 0.597691 seconds.
2.
为矩阵预分配内存而不是动态分配
2.1
原因分析
在动态分配的过程中，由于开始
Matlab
所用的
Block
随着矩阵的增大而连
续的为此矩阵分配内存，但是由于
Block
的不连续性，很有可能最开始分配的
Block
不能满足存储的需要，
Matlab
只好移动此
Block
以找到更大的
Block
来存
储，
这样在移动的过程中不但占用了大量的时间，
而且很有可能它找不到更大的
块，导致
Out
of
Memory
。而当你为矩阵变量预制内存时，
Matlab
会在计算开始
前一次性找到最合适的
Block
，此时就不用为变量连续的分配内存。
2.2
效果分析
(
1
)生成向量
生成
500000
1

的顺序向量，对比结果如下：
动态分配内存的时间：
Elapsed time is 10.611667 seconds.
预分配内存的时间：
Elapsed time is 0.004471 seconds.
3.
多个
CPU
并行计算
3.1
原因分析
如果你的内存是多核的且内存足够的话，
用
CPU
并行计算显然会成倍地加快
运行速度。
同样的思路还可以运用到不同计算机间的并行计算，
当然，
这会复杂
很多。
3.2
效果分析
(
1
)单核和双核运行相同程序
按照如下代码进行对比：

大家好！我有一个画工作空间的程序，运行过程特别特别慢，已经一天了还没画出图，所以想请高手看一眼，帮我修改一下，让程序运行快点。程序如下：
clc;clear;close all;
lom=230;lob=370;loa=580;loi=140;lam=350;lmh=90;lij=550;lie=80;lhl=300;lhd=90;lkj=130;lpk=280;lpj=410;llk=566;loc=425;lnf=110;lon=130;
p2=pi*65/180;
p1=pi*30/180;
syms k1 k2 k3 k4 k01 k02 k03 k04
PPx=[];
PPy=[];
PPz=[];
xo=-200:70:500;
yo=-300:45:150;
zo=-700:50:-1100
xx=length(xo)
yy=length(yo)
zz=length(zo)
n1=atan(lam/lmh);
n2=atan(lob/loi);
n3=atan(lnf/lon);
lah=(lam^2+lmh^2)^0.5;
lbi=(lob^2+loi^2)^0.5;
lof=(lon^2+lnf^2)^0.5;
for m=1:xx
for n=1:yy
for s=1:zz
xp=xo(m);
yp=yo(n);
zp=zo(s) ;
k5=atan(yp/zp);
m3=0.5*pi+k5-n3;
%解一个四元三角函数方程组
f1=300*sin(k1)-140-550*sin(k2)+566*sin(k3)-130*sin(k4)+lmh;
f2=550*cos(k2)+130*cos(k4)+230-300*cos(k1)-566*cos(k3);
f3=550*cos(k2)+410*cos(k4)-xp;
f4=(yp^2+zp^2)^0.5-140-550*sin(k2)-410*sin(k4);
[k01,k02,k03,k04]=solve(f1,f2,f3,f4);
kk1=vpa(k01,4);
kk2=vpa(k02,4);
kk3=vpa(k03,4);
kk4=vpa(k04,4);
%每个角度都有四个解，删去复数并找出k1>k3,k2
A=kk1==real(kk1);
B=kk1==real(kk1);
C=kk1==real(kk1);
D=kk1==real(kk1);
if (max([A B C D])==0)
l1=10;
l2=10;
l3=10;
else
kk1=double(kk1(A));
kk2=double(kk2(B));
kk3=double(kk3(C));
kk4=double(kk4(D));
y1=kk1>kk3;
y2=kk2
y3=y1&y2
K1=kk1(y3);
K2=kk2(y3);
%进行l1,l2,l3的计算
m1=1.5*pi-K1-n1-p1;
m2=1.5*pi-K2-n2-p2;
l1=(lah^2+lhd^2-2*lah*lhd*cos(m1))^0.5;
l2=(lbi^2+lie^2-2*lbi*lie*cos(m2))^0.5;
l3=(lof^2+loc^2-2*lof*loc*cos(m3))^0.5;
end
ttt=(l1<412 &&l1>290 && l2<410 && l2>344 && l3>332 && l3<393 );
if ttt==1
PPx(m,n)=xp;
PPy(m,n)=yp;
PPz(m,n)=zp;
end
end
end
end
surf(PPx,PPy,PPz)