MATLAB EXPO 2023: 工程师和科学家们如何征服不可能

6月30日消息，近日MATLAB EXPO 2023中国用户大会正式开幕，本次大会分别在上海和北京两个城市举行，两场囊括了40多场技术演讲以及来自全球用户的精彩案例分享。当天除了精彩的主题演讲，在午后议程中，上海站和北京站各设有三个精选分会场和一个闭门会议，内容围绕着人工智能与工程应用、电气化与工业自动化、软件定义汽车（上海）、无线通信与芯片（上海）、建模仿真和实现（北京）、基于模型的电子系统设计（北京）等领域。

按照惯例，MathWorks公司每年都会发布两版新的软件、推出新的工具箱、新的功能，以及对原有功能的升级和整合。今年MATLAB和Simulink R2023a版本的亮点如下：

MATLAB：

• 实时编辑器任务：在实时脚本中导入数据；以交互方式从数据中查找并去除周期性趋势和多项式趋势；

• pivot 函数：使用透视表总结表格数据；

• 代码分析器和 fix 函数：以交互方式和编程方式查找并修复代码问题；

• Python 接口：支持 Python 和 NumPy 数据类型的转换；使用 Python 对象作为 MATLAB 字典中的键；

• table 和 timetable 数据类型：直接在表和时间表中执行计算而无需提取数据；

• 时间表事件：通过附带的事件表查找并标记时间表中的事件；

• 单元测试框架：使用测试浏览器运行测试；

Simulink：

• 仿真调试：逐模块步进仿真；

• Python 导入器：将 Python 函数与 Simulink 集成在一起进行仿真；

• 信号记录：记录非虚拟总线或总线数组中的可变大小信号；

MATLAB征服更多不可能

在本次大会的主会场上，由MathWorks全球行业市场总监——Sameer Prabhu带来了关于“登月计划：工程师和科学家们如何征服不可能”的主题演讲。Sameer Prabhu在该演讲中详细介绍了MATLAB®和Simulink®在帮助工程师和科学家实现目标方面所扮演的角色，以及如何将这些工具和技术应用于的“登月计划”。

Sameer Prabhu在随后的采访中表示，MathWorks拥有标准的培训服务，可以让我们的客户比较系统地掌握我们工具的使用，这样帮助我们的客户能够以一个比较高效的使用方法将我们所有的工具串联起来，形成一个比较好的高效工作流。另外由于MathWorks为很多行业都提供工具和服务，MathWorks可以将不同行业的最佳实践都通过这种技术服务提供给客户。

助力未来脑科学

随后在主会场上，清华大学副教授——张丹带来了关于“脑机接口”的演讲。脑机接口研究涉及脑神经数据机器学习算法、交互界面设计、实时数据处理等多方面的技术方法。张丹以想象运动脑机接口、视觉脑机接口、情绪脑机接口为例，介绍了MATLAB®如何支持相关的研究工作及应用，如何支持高校脑机接口课程的教学与学生竞赛的工作。

想象运动脑机接口可以将我们脑中的想象转化为对设备的控制指令，比如可以让残疾人通过这种方式去控制轮椅。

而视觉脑机接口主要可以帮助渐冻症患者建立对外交流的通道。

情绪脑机接口可以解码实时情绪状态。

脑机接口包含主动和被动（面向信息交流与控制的主动脑机接口和面向状态识别与监测的被动脑机接口）两种形态。被动脑机接口的发展大概是在2010年往后。而主动脑机接口并不是说没有在发展，只是说现在主动脑机接口进入了一个成熟稳定期，更多的精力是在做系统的优化和完善。

张丹表示，在脑机接口技术开发当中，实际上用到了大量MATLAB的工具，从最基础的统计分析工具到机器学习工具，到我们的信号处理工具。还有包括很多第三方的支持，第三方工具箱的支持。这一系列的工具都让我们脑机接口的研究变得更加容易，也有力地推动了脑机接口的前沿进展。我们也希望通过脑机接口技术，对人类情绪进行个体量化，实现对情绪障碍相关心理健康问题的客观评价。今年，张丹团队还与MathWorks在2023世界机器人大赛—BCI脑控机器人大赛上共同合作了情绪脑机（青年组）赛项，鼓励选手使用MATLAB进行编程与实现，一起加速探索情绪脑机接口的潜力！

张丹在随后的采访中表示，人工智能现在在情绪上还没有发挥很大威力的原因是由于情绪本身的标签过于复杂。不像我们说这是一个杯子，这是一支笔那么明确，它是非常复杂的构成。所以这里面也需要心理学从研究者更多的介入，怎么更好的定义一个好用，并且是一个稳健情绪的标签体系。

另外情绪的采集的确是件很需要去探索的事情。现在的研究是在实验室的控制环境下做信息采集，这个的确很有效也控制得非常好。但是有很多情绪类别在这种情况下没有办法很好地模拟出来。比如说我看一个球赛这种兴奋，或者我自己支持的球队获胜的那种喜悦，在实验室环境中是很难去诱发的。所以在这样的场景下怎么把人的情绪状态，在最真实的环境下采集下来，把它拿到，这是一件很有挑战的事情。

闭门会议深度剖析

在“基于模型的电子系统设计”的闭门会议中，MathWorks中国应用工程师——陈宜欣介绍了如何使用MATLAB加速信号处理和图像处理算法开发。在电子系统中的信号和图像数据无处不在，各类传感器采集的信号、摄像头采集的图像和视频被广泛地应用在故障检测、健康监测、视觉检查、目标识别等各种场景。对于这些场景，陈宜欣详细介绍了MATLAB®和Simulink®如何支持信号和图像处理和分析算法开发，从而使您能够轻松开发适用于各类应用的高精度算法。

而在随后关于“MATLAB 和 Simulink在电路仿真中的应用”的演讲中，MathWorks中国的周前程与赵晨星介绍了如何使用MathWorks系列产品进行电路的建模和仿真。Simscape™ 及Simscape Electrical™提供了大量电路建模的基本元件和模块，可帮助电路设计者快速建立电路模型并且仿真电压/电流的特性。对于高频及射频电路，RF Toolbox™和RF Blockset™提供了射频电路的基本模块以及S参数导入，结合RF Budget Analyzer一键生成功能，可快速建立射频系统链路并导出给Simulink®，在Simulink中可进行精细化设计。在数模混合电路中常用的ADC和PLL模块，Mixed-Signal Blockset™提供了丰富的参考电路和测试模版。对于高速电路的设计，Signal Integrity Toolbox™则允许信号完整性工程师对高速串行/并行链路进行前仿真阶段的设计以及布版后仿真的验证。

在最后关于“将算法模型快速部署到DSP和FPGA”的演讲中， MathWorks中国高级项目工程师——赵恒介绍了如何用Simulink建模多核处理器任务，并通过仿真进行分析和早期算法验证，展示了从模型生成多核DSP代码的过程，演示了从训练好的深度网络生成HDL代码并部署到FPGA开发板上的完整流程。随着智能算法的成熟和嵌入式设备的性能提升，越来越多的场景需要将AI算法部署到嵌入式设备上。为了应对这些新的挑战，MATLAB® 和 Simulink®提供了从算法和模型自动生成C代码和HDL代码，并将其部署到DSP和FPGA上的完整流程。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。