这里仅对matlab2020存在的工具作一个简单梳理，方便往后使用。前端
目录web
1.曲线拟合工具箱数据库
3.深度学习工具箱（中文）设计模式
5.优化工具箱（中文）浏览器
Matlab版本：R2020b
应用以下：
使用回归，插值和平滑使曲线和曲面适合数据
Curve Fitting Toolbox™：提供了用于将曲线和曲面拟合到数据的应用程序和功能。 该工具箱可以让您执行探索性数据分析，预处理和后处理数据，比较候选模型并删除异常值。 您可使用提供的线性和非线性模型库进行回归分析，也能够指定本身的自定义方程式。 该库提供了优化的求解器参数和起始条件，以提升拟合质量。 该工具箱还支持非参数建模技术，例如样条，插值和平滑。
创建拟合后，您能够应用各类后处理方法进行绘图，内插和外推； 估计置信区间； 并计算积分和导数。
了解曲线拟合工具箱的基础
使用线性或非线性库模型或自定义模型拟合曲线或曲面
拟合插值曲线或曲面，估计已知数据点之间的值
使用平滑样条和局部回归进行拟合，使用移动平均值和其余过滤器对数据进行平滑
绘制，离群值，残差，置信区间，验证数据，积分和导数，生成MATLAB®代码
构造带有或不带有数据的样条线； ppform，B形，张量积，有理和变形薄板样条
在FPGA和SoC上原型化并部署深度学习网络
Deep Learning HDL Toolbox™提供了在FPGA和SoC上原型化和实现深度学习网络的功能和工具。 它提供了预构建的比特流，可在受支持的Xilinx®和Intel®FPGA和SoC器件上运行各类深度学习网络。 经过分析和评估工具，您能够经过探索设计，性能和资源利用之间的折衷来定制深度学习网络。
深度学习HDL工具箱使您可以自定义深度学习网络的硬件实现，并生成可移植的，可综合的Verilog®和VHDL®代码，以部署在任何FPGA上（使用HDL Coder™和Simulink®）。
了解深度学习HDL工具箱的基础
估算串联网络的性能。 使用MATLAB®从目标设备分析和检索推理结果
配置，构建和生成自定义比特流和处理器IP内核，估算和基准化自定义深度学习处理器性能
手动将生成的深度学习（DL）处理器IP内核集成到系统设计中
校准，验证和部署量化的预训练系列深度学习网络
支持第三方硬件，例如Intel和Xilinx FPGA板
解决多个最大值，多个最小值和不平滑的优化问题
全局优化工具箱提供的功能可搜索包含多个最大值或最小值的问题的全局解决方案。工具箱求解器包括代理，模式搜索，遗传算法，粒子群，模拟退火，屡次启动和全局搜索。您能够将这些求解器用于目标或约束函数是连续，不连续，随机，不具备导数或不包含模拟或黑盒函数的优化问题。对于具备多个目标的问题，您可使用遗传算法或模式搜索求解器来识别Pareto前沿。
您能够经过调整选项以及对适用的求解器自定义建立，更新和搜索功能来提升求解器效率。您能够将自定义数据类型与遗传算法和模拟退火求解器一块儿使用，以表示用标准数据类型不易表达的问题。混合函数选项使您能够经过在第一个求解器以后应用第二个求解器来改进解决方案。
了解全局优化工具箱的基础
选择求解器，定义目标函数和约束，并行计算
多个起点求解器，用于基于约束或不受约束的基于梯度的优化
模式搜索求解器，用于无导数优化，有约束或无约束
遗传算法求解器，用于混合整数或连续变量优化，有约束或无约束
粒子群求解器可实现无导数无约束优化或有界优化
具备边界和可选整数约束的昂贵目标函数的替代优化求解器
模拟退火求解器，用于无导数无约束优化或有界优化
经过遗传或模式搜索算法的帕累托集，有或没有约束
设计、训练和分析深度学习网络
Deep Learning Toolbox™ 提供了一个用于经过算法、预训练模型和 App 来设计和实现深度神经网络的框架。您可使用卷积神经网络（ConvNet、CNN）和长短时间记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。您可使用自动微分、自定义训练循环和共享权重来构建网络架构，如生成对抗网络 (GAN) 和孪生网络。使用 Deep Network Designer，您可以以图形方式设计、分析和训练网络。Experiment Manager 可帮助您管理多个深度学习试验，跟踪训练参数，分析结果，并比较不一样试验的代码。您能够可视化层激活，并以图形方式监控训练进度。
您能够经过 ONNX™ 格式与 TensorFlow™ 和 PyTorch 交换模型，并从 TensorFlow-Keras 和 Caffe 导入模型。该工具箱支持使用 DarkNet-5三、ResNet-50、NASNet、SqueezeNet 和许多其余预训练模型进行迁移学习。
您能够在单 GPU 或多 GPU 工做站（安装了 Parallel Computing Toolbox™）上加快训练速度，或扩展到群集和云，包括 NVIDIA® GPU Cloud 和 Amazon EC2® GPU 实例（安装了 MATLAB® Parallel Server™）。
Deep Learning Toolbox 基础知识学习
从头开始训练卷积神经网络或使用预训练的网络快速学习新任务
建立和训练用于时序分类、回归和预测任务的网络
管理试验，绘制训练进度、评估准确度、进行预测、调整训练选项以及将网络学习的特征可视化
在本地使用多个 GPU 或在云中扩展深度学习，并以交互方式或批处理做业的形式训练多个网络
扩展深度学习工做流在计算机视觉、图像处理、自动驾驶、信号和音频领域的应用
导入、导出和自定义深度学习网络，并自定义层、训练循环和损失函数
管理和预处理深度学习数据
生成 MATLAB 代码或 CUDA® 和 C++ 代码，并部署深度学习网络
使用浅层神经网络执行回归、分类和聚类，以及对非线性动态系统建模
求解线性、二次、整数和非线性优化问题
Optimization Toolbox™ 提供了多个函数，这些函数可在知足约束的同时求出可最小化或最大化目标的参数。该工具箱包含适用于下列各项的求解器：线性规划 (LP)、混合整数线性规划 (MILP)、二次规划 (QP)、非线性规划 (NLP)、约束线性最小二乘、非线性最小二乘和非线性方程。您能够用函数和矩阵来定义优化问题，也能够经过指定反映底层数学关系的变量表达式来定义。
您可使用该工具箱提供的求解器求连续和离散问题的最优解，执行权衡分析，并将优化方法融入算法和应用中。该工具箱容许您执行设计优化任务，包括参数估计、份量选择和参数调整。它可用于在投资组合优化、资源分配以及生产计划和调度等应用中求最优解。
Optimization Toolbox 基础知识学习
使用变量和表达式表示优化问题，以串行或并行方式求解
选择求解器，定义目标函数和约束，并行计算
以串行或并行方式求解具备一个或多个目标的有约束或无约束非线性问题
求解具备连续变量和整数变量的线性规划问题
用二次目标和线性约束求解问题
求解最小二乘（曲线拟合）问题
以串行或并行方式求解非线性方程组
了解求解器输出并改进结果
使用有限元分析法求解偏微分方程
Partial Differential Equation Toolbox™提供使用有限元分析来解决结构力学，传热和通常偏微分方程（PDE）的功能。
您能够执行线性静态分析以计算变形，应力和应变。为了对结构动力学和振动进行建模，工具箱提供了直接时间积分求解器。您能够经过执行模态分析来找到固有频率和模态形状，从而分析组件的结构特征。您能够对传导主导的传热问题进行建模，以计算温度分布，热通量和经过表面的热流率。您还能够解决标准问题，例如扩散，静电和静磁以及自定义PDE。
偏微分方程工具箱可以让您从STL或网格数据导入2D和3D几何。您能够自动生成具备三角形和四面体元素的网格。您可使用有限元方法求解PDE，并对结果进行后处理以进行探索和分析。
了解偏微分方程工具箱的基础
定义几何并使用三角形或四面体网格离散化
解决线性静态，瞬态，模态分析和频率响应问题
经过边界处的对流和辐射解决传导主导的传热问题
解决建模电场和磁场的问题
解决通常线性和非线性PDE，以解决平稳，与时间有关和特征值问题
使用统计信息和机器学习来分析数据并为数据建模
Statistics and Machine Learning Toolbox™ 提供了用于描述数据、分析数据以及为数据建模的函数和 App。您可使用描述性统计量和绘图进行探索性数据分析，对数据进行几率分布拟合，生成进行蒙特卡罗仿真的随机数，以及执行假设检验。回归算法和分类算法容许您从数据作出推断并构建预测模型。
对于多维数据分析，Statistics and Machine Learning Toolbox 提供了特征选择、逐步回归、主成分分析 (PCA)、正则化以及其余降维方法，让您可以识别影响模型的变量或特征。
此工具箱提供有监督和无监督的机器学习算法，包括支持向量机 (SVM)、提高决策树和装袋决策树、k 最近邻、k 均值、k 中心点、层次聚类、高斯混合模型以及隐马尔可夫模型。可使用许多统计算法和机器学习算法来计算由于太大而没法存储在内存中的大型数据集。
Statistics and Machine Learning Toolbox 基础知识学习
数据的导入和导出、描述性统计量、可视化
数据频数模型、随机样本生成、参数估计
t 检验、F 检验、卡方拟合优度检验等
无监督学习方法，用于查找数据中的天然分组和模式
方差与协方差分析、多元 ANOVA、重复测量 ANOVA
有监督学习的线性、广义线性、非线性和非参数化方法
用于二类问题和多类问题的有监督学习算法
PCA、因子分析、特征选择、特征提取等
实验设计 (DOE)；生存和可靠性分析；统计过程控制
分析没法放入内存的数据
统计函数的并行计算或分布式计算
为 Statistics and Machine Learning Toolbox 函数生成 C/C++ 代码和 MEX 函数
执行符号数学计算
Symbolic Math Toolbox™提供了用于求解，绘制和操纵符号数学方程式的功能。您可使用MATLAB®Live Editor建立，运行和共享符号数学代码。该工具箱提供了常见数学领域的功能，例如微积分，线性代数，代数和常微分方程，方程简化和方程操纵。
使用符号数学工具箱，您能够分析执行微分，积分，简化，变换和方程式求解。您可使用SI和US单位系统执行尺寸计算和转换。您能够经过分析或使用可变精度算术来执行计算，结果以数学排版显示。
您能够与其余MATLAB用户共享符号工做做为实时脚本，也能够将它们转换为HTML或PDF进行发布。您能够直接从符号表达式生成MATLAB函数，Simulink®功能块和Simscape™方程。
了解符号数学工具箱的基础
符号变量，表达式，函数，符号与数字之间的转换
方程求解，公式简化，演算，线性代数等
二维和三维图，数据探索和可视化技术
在MATLAB，Simulink，Simscape，C，Fortran和LaTeX中使用符号结果
将MuPAD®笔记本迁移到MATLAB脚本
分析和建模文本数据
Text Analytics Toolbox™提供了用于预处理，分析和建模文本数据的算法和可视化效果。 使用工具箱建立的模型能够用于诸如情感分析，预测性维护和主题建模之类的应用程序中。
文本分析工具箱包含用于处理来自设备日志，新闻提要，调查，操做员报告和社交媒体等来源的原始文本的工具。 您能够从流行的文件格式中提取文本，预处理原始文本，提取单个单词，将文本转换为数字表示形式，并创建统计模型。
使用LSA，LDA和词嵌入之类的机器学习技术，您能够从高维文本数据集中找到聚类并建立特征。 能够将使用Text Analytics Toolbox建立的功能与其余数据源的功能组合起来，以构建利用文本，数字和其余类型数据的机器学习模型。
了解文本分析工具箱的基础
将文本数据导入MATLAB®并进行预处理以进行分析
使用主题模型和词嵌入开发预测模型
使用词云和文本散点图可视化文本数据和模型
文本分析工具箱中有关语言支持的信息
在FPGA和SoC上原型化并部署深度学习网络
深度学习HDL Toolbox™提供了在FPGA和SoC上原型化和实现深度学习网络的功能和工具。 它提供了预构建的比特流，可在受支持的Xilinx®和Intel®FPGA和SoC器件上运行各类深度学习网络。 经过分析和评估工具，您能够经过探索设计，性能和资源利用之间的折衷来定制深度学习网络。
深度学习HDL工具箱使您可以自定义深度学习网络的硬件实现，并生成可移植的，可综合的Verilog®和VHDL®代码，以部署在任何FPGA上（使用HDL Coder™和Simulink®）。
了解深度学习HDL工具箱的基础
估算串联网络的性能。 使用MATLAB®从目标设备分析和检索推理结果
配置，构建和生成自定义比特流和处理器IP内核，估算和基准化自定义深度学习处理器性能
手动将生成的深度学习（DL）处理器IP内核集成到系统设计中
校准，验证和部署量化的预训练系列深度学习网络
支持第三方硬件，例如Intel和Xilinx FPGA板
设计、训练和分析深度学习网络
Deep Learning Toolbox™ 提供了一个用于经过算法、预训练模型和 App 来设计和实现深度神经网络的框架。您可使用卷积神经网络（ConvNet、CNN）和长短时间记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。您可使用自动微分、自定义训练循环和共享权重来构建网络架构，如生成对抗网络 (GAN) 和孪生网络。使用 Deep Network Designer，您可以以图形方式设计、分析和训练网络。Experiment Manager 可帮助您管理多个深度学习试验，跟踪训练参数，分析结果，并比较不一样试验的代码。您能够可视化层激活，并以图形方式监控训练进度。
您能够经过 ONNX™ 格式与 TensorFlow™ 和 PyTorch 交换模型，并从 TensorFlow-Keras 和 Caffe 导入模型。该工具箱支持使用 DarkNet-5三、ResNet-50、NASNet、SqueezeNet 和许多其余预训练模型进行迁移学习。
您能够在单 GPU 或多 GPU 工做站（安装了 Parallel Computing Toolbox™）上加快训练速度，或扩展到群集和云，包括 NVIDIA® GPU Cloud 和 Amazon EC2® GPU 实例（安装了 MATLAB® Parallel Server™）。
Deep Learning Toolbox 基础知识学习
从头开始训练卷积神经网络或使用预训练的网络快速学习新任务
建立和训练用于时序分类、回归和预测任务的网络
管理试验，绘制训练进度、评估准确度、进行预测、调整训练选项以及将网络学习的特征可视化
在本地使用多个 GPU 或在云中扩展深度学习，并以交互方式或批处理做业的形式训练多个网络
扩展深度学习工做流在计算机视觉、图像处理、自动驾驶、信号和音频领域的应用
导入、导出和自定义深度学习网络，并自定义层、训练循环和损失函数
管理和预处理深度学习数据
生成 MATLAB 代码或 CUDA® 和 C++ 代码，并部署深度学习网络
使用浅层神经网络执行回归、分类和聚类，以及对非线性动态系统建模
设计和测试条件监视以及预测性维护算法
Predictive Maintenance Toolbox™使您能够标记数据，设计条件指示器并估算机器的剩余使用寿命（RUL）。
该工具箱提供了功能和一个交互式应用程序，可以使用基于数据和基于模型的技术（包括统计，光谱和时间序列分析）来探索，提取和排序特征。您能够经过使用频率和时频方法从振动数据中提取特征来监视旋起色械（例如轴承和齿轮箱）的运行情况。要估算机器的故障时间，您可使用生存期，类似度和基于趋势的模型来预测RUL。
您能够分析和标记从本地文件，云存储和分布式文件系统导入的传感器数据。您还能够标记从Simulink®模型生成的模拟故障数据。该工具箱包含用于电动机，齿轮箱，电池和其余机器的参考示例，这些参考示例可重复使用以开发自定义的预测性维护和状态监视算法。
了解预测性维护工具箱的基础
导入测量数据，生成模拟数据，组织数据以在命令行和应用程序中使用
清理和转换数据，以准备在命令行和应用程序中提取条件指示器
在命令行或应用程序中浏览数据以识别能够指示系统状态或预测将来状态的功能
训练用于状态监控和故障检测的决策模型； 预测剩余使用寿命（RUL）
实施和部署状态监控和预测维护算法
使用强化学习设计和培训政策
Reinforcement Learning Toolbox™使用强化学习算法（包括DQN，A2C和DDPG）为培训策略提供功能和模块。您可使用这些策略为复杂的系统（例如，机器人和自治系统）实施控制器和决策算法。您可使用深度神经网络，多项式或查找表来实施策略。
该工具箱使您可以经过与MATLAB®或Simulink®模型所表明的环境进行交互来训练策略。您能够评估算法，尝试使用超参数设置并监视训练进度。为了提升训练效果，您能够在云，计算机集群和GPU（使用Parallel Computing Toolbox™和MATLAB Parallel Server™）上并行运行模拟。
经过ONNX™模型格式，能够从深度学习框架（如TensorFlow™Keras和PyTorch（带有Deep Learning Toolbox™））中导入现有策略。您能够生成优化的C，C ++和CUDA代码，以在微控制器和GPU上部署通过训练的策略。
该工具箱包含参考示例，这些参考示例用于使用强化学习来设计用于机器人技术和自动驾驶应用程序的控制器。
了解强化学习工具箱的基础
使用MATLAB模型强化学习环境动力学
使用Simulink模型进行模型强化学习环境动力学
使用通用算法（例如SARSA，DQN，DDPG和A2C）建立和配置强化学习代理
定义策略和价值函数表示形式，例如深度神经网络和Q表
训练和模拟强化学习代理
代码生成和部署通过培训的策略
使用统计信息和机器学习来分析数据并为数据建模
Statistics and Machine Learning Toolbox™ 提供了用于描述数据、分析数据以及为数据建模的函数和 App。您可使用描述性统计量和绘图进行探索性数据分析，对数据进行几率分布拟合，生成进行蒙特卡罗仿真的随机数，以及执行假设检验。回归算法和分类算法容许您从数据作出推断并构建预测模型。
对于多维数据分析，Statistics and Machine Learning Toolbox 提供了特征选择、逐步回归、主成分分析 (PCA)、正则化以及其余降维方法，让您可以识别影响模型的变量或特征。
此工具箱提供有监督和无监督的机器学习算法，包括支持向量机 (SVM)、提高决策树和装袋决策树、k 最近邻、k 均值、k 中心点、层次聚类、高斯混合模型以及隐马尔可夫模型。可使用许多统计算法和机器学习算法来计算由于太大而没法存储在内存中的大型数据集。
Statistics and Machine Learning Toolbox 基础知识学习
数据的导入和导出、描述性统计量、可视化
数据频数模型、随机样本生成、参数估计
t 检验、F 检验、卡方拟合优度检验等
无监督学习方法，用于查找数据中的天然分组和模式
方差与协方差分析、多元 ANOVA、重复测量 ANOVA
有监督学习的线性、广义线性、非线性和非参数化方法
用于二类问题和多类问题的有监督学习算法
PCA、因子分析、特征选择、特征提取等
实验设计 (DOE)；生存和可靠性分析；统计过程控制
分析没法放入内存的数据
统计函数的并行计算或分布式计算
为 Statistics and Machine Learning Toolbox 函数生成 C/C++ 代码和 MEX 函数
分析和建模文本数据
Text Analytics Toolbox™提供了用于预处理，分析和建模文本数据的算法和可视化效果。 使用工具箱建立的模型能够用于诸如情感分析，预测性维护和主题建模之类的应用程序中。
文本分析工具箱包含用于处理来自设备日志，新闻提要，调查，操做员报告和社交媒体等来源的原始文本的工具。 您能够从流行的文件格式中提取文本，预处理原始文本，提取单个单词，将文本转换为数字表示形式，并创建统计模型。
使用LSA，LDA和词嵌入之类的机器学习技术，您能够从高维文本数据集中找到聚类并建立特征。 能够将使用Text Analytics Toolbox建立的功能与其余数据源的功能组合起来，以构建利用文本，数字和其余类型数据的机器学习模型。
了解文本分析工具箱的基础
将文本数据导入MATLAB®并进行预处理以进行分析
使用主题模型和词嵌入开发预测模型
使用词云和文本散点图可视化文本数据和模型
文本分析工具箱中有关语言支持的信息
MATLAB series
模拟，分析和测试5G通讯系统
5G Toolbox™为5G新无线电（NR）通讯系统的建模，仿真和验证提供了符合标准的功能和参考示例。该工具箱支持链路级仿真，黄金参考验证，一致性测试和测试波形生成。
使用工具箱，您能够配置，模拟，测量和分析端到端5G NR通讯链路。您能够修改或自定义工具箱功能，并将其用做实现5G系统和设备的参考模型。
该工具箱提供功能和参考示例，以帮助您表征上行链路和下行链路基带规范，并模拟RF设计和干扰源对系统性能的影响。您可使用Wireless Waveform Generator应用程序以编程方式或交互方式生成波形并定制测试台。使用这些波形，您能够验证您的设计，原型和实现符合3GPP 5G NR规范。
了解5G工具箱的基础知识
5G NR下行链路物理信道和信号，传输信道和控制信息
5G NR上行链路物理信道和信号，传输信道和控制信息
用于5G NR信道处理的低级子组件
用于处理接收到的5G NR信号的信道估计和均衡
使用5G NR集群延迟线（CDL）和分接延迟线（TDL）信道模型进行链路级块错误率仿真
5G NR多节点通讯
5G NR波形生成，可视化和发射机性能分析
生成代码或独立可执行文件
设计，分析和可视化天线元件和天线阵列
Antenna Toolbox™提供用于天线元件和阵列的设计，分析和可视化的功能和应用程序。您可使用具备参数化几何形状的预约义元素或任意平面元素来设计独立天线并构建天线阵列。
天线工具箱使用矩量法（MoM）来计算端口属性（例如阻抗），表面属性（例如电流和电荷分布）以及场属性（例如近场和远场辐射方向图）。您能够在2D和3D中可视化天线几何形状和分析结果。
您能够将天线和阵列集成到无线系统中，并使用阻抗分析来设计匹配的网络。天线工具箱提供用于模拟波束造成和波束控制算法的辐射方向图。能够从您的设计生成Gerber文件，以制造印刷电路板（PCB）天线。您能够将天线安装在汽车或飞机等大型平台上，并分析结构对天线性能的影响。站点查看器使您可使用各类传播模型来可视化3D地形图上的天线覆盖范围。
了解天线工具箱的基础
天线元件，支撑结构，参数化几何图形可视化，天线设计，电介质
有限和无限数组，布局可视化，相互耦合，嵌入式模式，模式乘法
形状和布尔运算，自定义网格和几何形状，多端口天线，印刷电路板（PCB）堆栈，Gerber文件生成
天线和阵列分析，网格划分，求解器，天线工具箱模拟与测量结果的比较
最大化带宽，最小化SLL，执行阵列细化，最大化F / B比
读取，可视化和写入STL文件和MSI行星天线文件，以2D和3D测量方向图数据，建立交互式极坐标图
平台，无限阵列和无限地平面上的天线
站点和地形可视化，传播模型规范和可视化，路径损耗，TIREM™，Longley-Rice，室外和室内光线跟踪
设计和分析语音，声学和音频处理系统
Audio Toolbox™提供了用于音频处理，语音分析和声学测量的工具。它包括用于音频信号处理（例如均衡和动态范围控制）和声学测量（例如脉冲响应估计，倍频程滤波和感知加权）的算法。它还提供了用于音频和语音特征提取（例如MFCC和音高）和音频信号转换（例如伽马通滤波器组和梅尔间隔频谱图）的算法。
工具箱应用程序支持实时算法测试，脉冲响应测量和音频信号标记。该工具箱提供了到ASIO™，WASAPI，ALSA和CoreAudio声卡和MIDI设备的流接口，以及用于生成和托管标准音频插件（例如VST和音频单元）的工具。
使用音频工具箱，您能够导入，标记和扩展音频数据集，以及提取特征并转换信号以进行机器学习和深度学习。您能够在调整参数和可视化信号的同时流式传输低延迟音频，从而实时制做音频处理算法的原型。您还能够经过将算法转换为音频插件以在外部主机应用程序（如数字音频工做站）中运行来验证算法。插件托管使您可使用外部音频插件（例如常规对象）来处理MATLAB®阵列。声卡链接功能使您能够在真实的音频信号和声学系统上运行自定义测量。
了解音频工具箱的基础
记录和播放设备中的音频，读取和写入音频文件，生成波形
音频处理工具，算法设计和模块化，流处理
数据集管理，标记和扩充；音频，语音和声学应用的分割和特征提取
声学，心理声学，房间冲动响应，HRTF，SPL计量
实时原型制做和调音，MIDI，音频测试台
建立，发送和接收MIDI消息
VST和AU的生成，测试，验证和托管
生成台式机，移动设备和嵌入式目标的独立应用程序
设计和仿真通讯系统的物理层
Communications Toolbox™提供用于分析，设计，端到端仿真和验证通讯系统的算法和应用程序。工具箱算法（包括信道编码，调制，MIMO和OFDM）使您可以组成和仿真基于标准或定制设计的无线通讯系统的物理层模型。
该工具箱提供了一个波形发生器应用，星座图和眼图，误码率以及其余用于验证设计的分析工具和范围。这些工具使您能够生成和分析信号，可视化通道特性并得到性能指标，例如偏差矢量幅度（EVM）。该工具箱包括SISO和MIMO统计和空间通道模型。频道配置文件选项包括Rayleigh，Rician和WINNER II模型。它还包括RF损伤，包括RF非线性和载波偏移，以及补偿算法，包括载波和符号定时同步器。这些算法使您能够对链路级规范进行实际建模，并补偿信道降级的影响。
经过将Communications Toolbox与RF仪器或硬件支持包一块儿使用，能够将发射器和接收器模型链接到无线电设备，并经过无线测试来验证设计。
了解通讯工具箱的基础
物理层功能包括波形生成，源编码，差错控制编码，调制，MIMO，空时编码，滤波，均衡和同步
行为射频无线电建模和损伤校订
站点和地形可视化，传播模型规范（包括Longley-Rice），信号强度，信号覆盖图以及静态和衰落信道模型
链路级通讯系统仿真与分析实例
DLL，MAC子层和LLC子层示例
符合各类标准的系统模型
波形生成，可视化和性能分析
在无线通讯系统中使用深度学习
生成台式机和嵌入式目标的独立应用程序
支持第三方软件定义的无线电硬件，例如Xilinx®，RTL-SDR，ADALM-PLUTO和USRP™无线电
设计和仿真流信号处理系统
DSP System Toolbox™提供了用于在MATLAB®和Simulink®中设计，仿真和分析信号处理系统的算法，应用程序和范围。您能够为通讯，雷达，音频，医疗设备，IoT和其余应用程序建模实时DSP系统。
借助DSP System Toolbox，您能够设计和分析FIR，IIR，多速率，多级和自适应滤波器。您能够流传输来自变量，数据文件和网络设备的信号，以进行系统开发和验证。时间范围，频谱分析仪和逻辑分析仪使您能够动态地可视化和测量流信号。对于桌面原型和部署到嵌入式处理器（包括ARM®Cortex®架构），该工具箱支持C / C ++代码生成。它还支持从滤波器，FFT，IFFT和其余算法生成位精确的定点建模和HDL代码。
算法可用做MATLAB函数，系统对象和Simulink块。
了解DSP系统工具箱的基础
建立，导入，导出，显示和管理信号
FIR，IIR，频率转换
单速率，多速率和自适应滤波器
FFT，DCT，频谱分析，线性预测
测量，统计，矩阵数学，线性代数
浮点到定点转换，定点算法设计
仿真加速，代码生成，ARM Cortex-M处理器和ARM Cortex-A处理器的优化
模拟雷达，通讯和生物医学系统
支持第三方硬件，例如ARM Cortex-M和ARM Cortex-A处理器
模拟，分析和测试LTE和LTE-Advanced无线通讯系统的物理层
LTE Toolbox™提供了符合标准的功能和应用程序，用于LTE，LTE-Advanced和LTE-Advanced Pro通讯系统的设计，仿真和验证。 该工具箱可加速LTE算法和物理层（PHY）的开发，支持黄金参考验证和一致性测试，并可以生成测试波形。
使用工具箱，您能够配置，模拟，测量和分析端到端通讯连接。 您还能够建立和重用一致性测试平台，以验证您的设计，原型和实施是否符合LTE标准。
经过将LTE Toolbox与RF仪器或硬件支持包结合使用，您能够将发射器和接收器模型链接到无线电设备，并经过无线发射和接收来验证您的设计。
了解LTE工具箱的基础
资源网格，资源提取，FDD和TDD双工模式，参数结构
下行物理信号，物理信道，传输信道，控制信息和OFDM调制
上行链路物理信号，物理信道，传输信道，控制信息和SC-FDMA调制
侧链物理信号，物理信道，传输信道，控制信息和SC-FDMA调制
NB-IoT传输和物理通道，物理信号以及SC-FDMA调制
传输信道，物理信道和物理信号的下行链路和上行链路子组件
帧同步，信道估计，ZF和MMSE均衡，小区标识搜索，MIB解码，SIB1恢复，HARQ组合
传播渠道模型； RMC，FRC和E-TM配置以及波形生成；链路级BER和一致性测试
描述波形生成，可视化和发射机性能分析
W-CDMA，HSPA和HSPA +的3G波形生成
支持第三方硬件
设计和仿真相控阵信号处理系统
相控阵系统工具箱™提供了用于雷达，无线通讯，电子战，声纳和医学成像应用中的传感器阵列系统的设计，仿真和分析的算法和应用程序。您能够设计相控阵系统，并使用合成或采集的数据分析其在不一样状况下的性能。工具箱应用程序使您能够探索传感器阵列和波形的特征，并执行链路预算分析。产品内的示例为实现要求频率，PRF，波形和波束方向图敏捷性的全部相控阵多功能系统提供了起点。
对于雷达，声纳和电子战系统设计，该工具箱可以让您为地面，机载，舰载，潜艇和汽车系统的动力学和目标建模。它包括脉冲和连续波形以及用于波束造成，匹配滤波，到达方向（DOA）估计和目标检测的信号处理算法。该工具箱还包括用于发射器和接收器，传播通道，目标，干扰和杂波的模型。
对于5G，LTE和WLAN无线通讯系统设计，该工具箱使您可以将天线阵列和波束成形算法合并到系统级仿真模型中。它具备设计和分析阵列几何形状和子阵列配置的功能，并提供了用于常规和混合波束成形，DOA估计和空间复用的阵列处理算法。
了解相控阵系统工具箱的基础
模拟雷达，声纳，电子战系统，汽车和MIMO通讯系统
天线和麦克风，阵列几何形状，极化，发射器和接收器
脉冲和连续波形，交错波形，可变PRF，匹配滤波，模糊函数，频谱图
延迟和和，MVDR，LCMV，波束扫描，ESPRIT，MUSIC，DPCA，SMI，广义互相关
目标检测，目标跟踪，CFAR，距离和多普勒估计，ROC曲线，雷达方程，声纳方程
通道传播，雷达横截面，声纳目标强度，水下声通道，下斜目标，杂波，干扰，物体运动
使用生成的C / C ++和MEX代码，使用GPU或生成HDL代码来加速仿真和应用程序
设计，建模和分析RF组件的网络
RF Toolbox™提供用于设计，建模，分析和可视化射频（RF）组件网络的功能，对象和应用程序。该工具箱支持无线通讯，雷达和信号完整性项目。
RF Toolbox使您能够构建RF组件网络，例如滤波器，传输线，匹配网络，放大器和混频器。可使用诸如Touchstone文件，网络参数或物理属性之类的测量数据来指定组件。该工具箱提供了用于分析，处理和可视化RF数据的功能。您能够分析S参数。在S，Y，Z，T和其余网络参数之间转换；并使用矩形和极坐标图以及Smith®Charts可视化RF数据。您还能够去嵌入，检查和强制执行无源性，以及计算组和相位延迟。
RF Budget Analyzer应用程序使您能够从噪声，功率和非线性方面分析收发器链，并生成RF Blockset™模型用于电路包络仿真。使用合理的函数拟合方法，您能够对背板，互连和线性组件进行建模，并将它们导出为Simulink®块，SPICE网表或Verilog®-A模块以进行时域仿真。
了解RF Toolbox的基础
读取Touchstone文件； 导入，操做和转换网络参数，例如S参数
进行射频预算分析； 在频域中建立和分析RF电路，滤波器和匹配网络
使用合理的函数拟合频率数据，计算时域响应，并将拟合后的数据用于信号完整性应用
使用史密斯圆图，极坐标图和笛卡尔图可视化RF数据； 保存Touchstone文件
设计，模拟和测试多传感器跟踪和定位系统
传感器融合和跟踪工具箱™包含用于设计，仿真和测试系统的算法和工具，这些系统和工具融合了来自多个传感器的数据，以保持态势感知和定位。参考示例为监视和自主系统（包括机载，空降，地面，舰载和水下系统）的多对象跟踪和传感器融合开发提供了起点。
您能够融合来自真实世界传感器的数据，包括主动和被动雷达，声纳，激光雷达，EO / IR，IMU和GPS。您还能够从虚拟传感器生成综合数据，以在不一样状况下测试算法。该工具箱包括多对象跟踪器和估计过滤器，用于评估结合了网格级别，检测级别以及对象或跟踪级别融合的体系结构。它还提供了指标，包括OSPA和GOSPA，用于根据地面真实状况验证性能。
对于仿真加速或快速原型制做，该工具箱支持C代码生成。
了解传感器融合和跟踪工具箱的基础
自主系统跟踪，监视系统跟踪，本地化和硬件链接的示例
四元数，欧拉角，旋转矩阵和转换
基于地面真相的航点和速率的轨迹和场景
IMU，GPS，RADAR，ESM和EO / IR
IMU和GPS传感器融合肯定方向和位置
卡尔曼和粒子滤波器，线性化函数和运动模型
多传感器多对象跟踪器，数据关联和跟踪融合
多对象剧场剧情，检测和对象跟踪以及跟踪指标
设计SerDes系统并生成用于高速数字互连的IBIS-AMI模型
SerDes Toolbox™提供了MATLAB®和Simulink®模型库以及一组分析工具和应用程序，用于设计和验证串行器/解串器（SerDes）系统或DDR5等高速存储器PHY。
借助SerDes Designer应用程序，您可使用统计分析来快速设计有线通讯连接。该应用程序提供了参数化的模型和算法，可以让您探索各类均衡器配置以改善通道性能。您能够评估指标，例如眼图，浴缸曲线和通道工做裕度（COM），包括抖动和串扰的影响。
借助基于MATLAB的构建块（例如CTLE，DFE，FFE和CDR），您可使用数据表或测量数据描述所选的架构，并模拟控制和自适应算法。典型应用（例如PCIe，USB，以太网和DDR）的白盒示例提供了参考设计，您能够将这些参考设计用做本身设计的基础。
SerDes Toolbox支持自动生成双重IBIS-AMI模型，以进行统计分析和时域仿真。这些模型能够与第三方通道模拟器一块儿使用，以进行系统集成和验证。
了解SerDes工具箱的基础
使用SerDes Designer应用程序设计和仿真SerDes系统
修改从SerDes Designer应用程序导出的MATLAB脚本或Simulink模型
从Simulink定制，建立和导出IBIS-AMI模型
开发行业标准的IBIS-AMI模型，例如PCI，DDR和以太网
执行信号处理和分析
Signal Processing Toolbox™ 提供了一些函数和 App，用来分析、预处理及提取均匀和非均匀采样信号的特征。该工具箱包含可用于滤波器设计和分析、从新采样、平滑处理、去趋势和功率谱估计的工具。该工具箱还提供了提取特征（如变化点和包络）、寻找波峰和信号模式、量化信号类似性以及执行 SNR 和失真等测量的功能。您还能够对振动信号执行模态和阶次分析。
使用 Signal Analyzer App，您能够：在时域、频域和时频域同时预处理和分析多个信号，而无需编写代码；探查长信号；以及提取关注的区域。经过 Filter Designer App，您能够从多种算法和响应中进行选择来设计和分析数字滤波器。这两个 App 都生成 MATLAB® 代码。
Signal Processing Toolbox 基础知识学习
使用 Signal Analyzer 来可视化、预处理和探查信号
对信号进行建立、从新采样、平滑、去噪和去趋势处理
波峰、信号统计、脉冲和瞬态指标、功率、带宽、失真
互相关、自相关、傅里叶、DCT、Hilbert、Goertzel、参数化建模、线性预测编码
FIR 和 IIR、单速率和多速率滤波器设计、分析和实现
功率谱、相干性、窗口
频谱图、交叉频谱图、同步压缩、重排、Wigner-Ville、Hilbert-Huang、kurtogram
阶数分析、时间同步平均、包络频谱、模态分析、雨流计数
信号标注、特征工程、数据集生成
生成可移植的 C/C++/MEX 函数，并使用 GPU 来部署或加速处理
使用小波分析和合成信号和图像
Wavelet Toolbox™提供了用于分析和合成信号和图像的功能和应用程序。该工具箱包含用于连续小波分析，小波相干，同步压缩和数据自适应时频分析的算法。该工具箱还包括用于对信号和图像进行抽样和非抽样的离散小波分析的应用程序和功能，包括小波包和双树变换。
使用连续小波分析，您能够研究频谱特征随时间演变的方式，识别两个信号中常见的时变模式，以及执行时域滤波。使用离散小波分析，您能够分析不一样分辨率的信号和图像，以检测原始数据中不易看到的变化点，不连续性和其余事件。您能够在多个尺度上比较信号统计数据，并对数据进行分形分析以显示隐藏的模式。
使用Wavelet Toolbox，您能够得到稀疏的数据表示形式，在保留重要特征的同时对数据进行降噪或压缩颇有用。许多工具箱功能都支持C / C ++代码生成，用于桌面原型和嵌入式系统部署。
了解Wavelet Toolbox的基础
CWT，恒定Q变换，经验模式分解，小波相干，小波交叉谱
DWT，MODWT，双树小波变换，小波，小波包，多信号分析
小波收缩，非参数回归，块阈值，多信号阈值
小波散射，基于小波的机器学习和深度学习技术
正交和双正交小波和缩放滤波器，提高
生成C / C ++和CUDA®代码以及MEX函数，并在图形处理单元（GPU）上运行函数
模拟，分析和测试WLAN通讯系统
WLAN Toolbox™提供了用于无线LAN通讯系统的设计，仿真，分析和测试的符合标准的功能。它包括适用于IEEE®802.11ax / ac / ad / ah和802.11b / a / g / n / j / p标准的可配置物理层波形。它还提供发射机，信道建模和接收机操做，包括信道编码（BCC和LDPC），调制（OFDM，DSSS和CCK），空间流映射，信道模型（TGay，TGax，TGac，TGah和TGn），和MIMO接收器。
该工具箱提供了参考设计，可帮助您执行基带链路级仿真和多节点系统级仿真。您能够生成和解析常见的MAC帧。您还能够执行信号测量，例如信道功率，频谱模板和占用的带宽，并建立测试平台以进行WLAN通讯链路的端到端仿真。
您能够研究射频设计和干扰对系统性能的影响。经过将WLAN Toolbox与RF仪器或硬件支持包一块儿使用，能够将发射器和接收器模型链接到无线电设备，并经过无线发射和接收来验证设计。
了解WLAN Toolbox的基础
物理层选项，参数化和波形生成
802.11™MAC帧生成和解析的功能和配置对象
802.11物理层传输处理功能
802.11物理层接收处理功能
802.11的通道模型
波形生成，链路级PER和通道建模
多节点网络，协议栈，多层处理
波形生成，可视化和发射机性能分析
生成台式机和嵌入式目标的独立应用程序
支持第三方硬件
设计和分析语音，声学和音频处理系统
Audio Toolbox™提供了用于音频处理，语音分析和声学测量的工具。它包括用于音频信号处理（例如均衡和动态范围控制）和声学测量（例如脉冲响应估计，倍频程滤波和感知加权）的算法。它还提供了用于音频和语音特征提取（例如MFCC和音高）和音频信号转换（例如伽马通滤波器组和梅尔间隔频谱图）的算法。
工具箱应用程序支持实时算法测试，脉冲响应测量和音频信号标记。该工具箱提供了到ASIO™，WASAPI，ALSA和CoreAudio声卡和MIDI设备的流接口，以及用于生成和托管标准音频插件（例如VST和音频单元）的工具。
使用音频工具箱，您能够导入，标记和扩展音频数据集，以及提取特征并转换信号以进行机器学习和深度学习。您能够在调整参数和可视化信号的同时流式传输低延迟音频，从而实时制做音频处理算法的原型。您还能够经过将算法转换为音频插件以在外部主机应用程序（如数字音频工做站）中运行来验证算法。插件托管使您可使用外部音频插件（例如常规对象）来处理MATLAB®阵列。声卡链接功能使您能够在真实的音频信号和声学系统上运行自定义测量。
了解音频工具箱的基础
记录和播放设备中的音频，读取和写入音频文件，生成波形
音频处理工具，算法设计和模块化，流处理
数据集管理，标记和扩充；音频，语音和声学应用的分割和特征提取
声学，心理声学，房间冲动响应，HRTF，SPL计量
实时原型制做和调音，MIDI，音频测试台
建立，发送和接收MIDI消息
VST和AU的生成，测试，验证和托管
生成台式机，移动设备和嵌入式目标的独立应用程序
设计和仿真通讯系统的物理层
Communications Toolbox™提供用于分析，设计，端到端仿真和验证通讯系统的算法和应用程序。工具箱算法（包括信道编码，调制，MIMO和OFDM）使您可以组成和仿真基于标准或定制设计的无线通讯系统的物理层模型。
该工具箱提供了一个波形发生器应用，星座图和眼图，误码率以及其余用于验证设计的分析工具和范围。这些工具使您能够生成和分析信号，可视化通道特性并得到性能指标，例如偏差矢量幅度（EVM）。该工具箱包括SISO和MIMO统计和空间通道模型。频道配置文件选项包括Rayleigh，Rician和WINNER II模型。它还包括RF损伤，包括RF非线性和载波偏移，以及补偿算法，包括载波和符号定时同步器。这些算法使您能够对链路级规范进行实际建模，并补偿信道降级的影响。
经过将Communications Toolbox与RF仪器或硬件支持包一块儿使用，能够将发射器和接收器模型链接到无线电设备，并经过无线测试来验证设计。
了解通讯工具箱的基础
物理层功能包括波形生成，源编码，差错控制编码，调制，MIMO，空时编码，滤波，均衡和同步
行为射频无线电建模和损伤校订
站点和地形可视化，传播模型规范（包括Longley-Rice），信号强度，信号覆盖图以及静态和衰落信道模型
链路级通讯系统仿真与分析实例
DLL，MAC子层和LLC子层示例
符合各类标准的系统模型
波形生成，可视化和性能分析
在无线通讯系统中使用深度学习
生成台式机和嵌入式目标的独立应用程序
支持第三方软件定义的无线电硬件，例如Xilinx®，RTL-SDR，ADALM-PLUTO和USRP™无线电
设计和仿真流信号处理系统
DSP System Toolbox™提供了用于在MATLAB®和Simulink®中设计，仿真和分析信号处理系统的算法，应用程序和范围。您能够为通讯，雷达，音频，医疗设备，IoT和其余应用程序建模实时DSP系统。
借助DSP System Toolbox，您能够设计和分析FIR，IIR，多速率，多级和自适应滤波器。您能够流传输来自变量，数据文件和网络设备的信号，以进行系统开发和验证。时间范围，频谱分析仪和逻辑分析仪使您能够动态地可视化和测量流信号。对于桌面原型和部署到嵌入式处理器（包括ARM®Cortex®架构），该工具箱支持C / C ++代码生成。它还支持从滤波器，FFT，IFFT和其余算法生成位精确的定点建模和HDL代码。
算法可用做MATLAB函数，系统对象和Simulink块。
了解DSP系统工具箱的基础
建立，导入，导出，显示和管理信号
FIR，IIR，频率转换
单速率，多速率和自适应滤波器
FFT，DCT，频谱分析，线性预测
测量，统计，矩阵数学，线性代数
浮点到定点转换，定点算法设计
仿真加速，代码生成，ARM Cortex-M处理器和ARM Cortex-A处理器的优化
模拟雷达，通讯和生物医学系统
支持第三方硬件，例如ARM Cortex-M和ARM Cortex-A处理器
设计和模拟模拟和混合信号系统
Mixed-Signal Blockset™提供了用于设计和验证混合信号集成电路（IC）的组件和损伤模型，分析工具和测试平台。
您能够对处于不一样抽象级别的PLL，数据转换器和其余系统进行建模，并探索各类IC架构。您能够自定义模型以包括诸如噪声，非线性和量化效应之类的损害，并使用自上而下的方法来完善系统描述。
使用提供的测试平台，您能够经过拟合测量特性或电路级仿真结果来验证系统性能并提升建模保真度。使用可变步长Simulink®求解器的快速系统级仿真使您能够调试实现并识别设计缺陷，而后再在晶体管级仿真IC。
使用混合信号块集，您能够模拟混合信号组件以及复杂的DSP算法和控制逻辑。结果，模拟和数字设计团队均可以使用相同的可执行规范。
了解混合信号模块组的基础知识
设计和模拟模拟锁相环（PLL）系统
模拟逐次逼近寄存器（SAR）和闪存模数数据转换器（ADC）
分析模拟和混合信号系统的性能指标
将模拟电路行为与数字模型相结合，以建立电子系统的更详细表示
使用混合信号模块组模型附加库的PLL，ADC，SerDes和SMPS系统的模型示例
设计和仿真相控阵信号处理系统
相控阵系统工具箱™提供了用于雷达，无线通讯，电子战，声纳和医学成像应用中的传感器阵列系统的设计，仿真和分析的算法和应用程序。您能够设计相控阵系统，并使用合成或采集的数据分析其在不一样状况下的性能。工具箱应用程序使您能够探索传感器阵列和波形的特征，并执行链路预算分析。产品内的示例为实现要求频率，PRF，波形和波束方向图敏捷性的全部相控阵多功能系统提供了起点。
对于雷达，声纳和电子战系统设计，该工具箱可以让您为地面，机载，舰载，潜艇和汽车系统的动力学和目标建模。它包括脉冲和连续波形以及用于波束造成，匹配滤波，到达方向（DOA）估计和目标检测的信号处理算法。该工具箱还包括用于发射器和接收器，传播通道，目标，干扰和杂波的模型。
对于5G，LTE和WLAN无线通讯系统设计，该工具箱使您可以将天线阵列和波束成形算法合并到系统级仿真模型中。它具备设计和分析阵列几何形状和子阵列配置的功能，并提供了用于常规和混合波束成形，DOA估计和空间复用的阵列处理算法。
了解相控阵系统工具箱的基础
模拟雷达，声纳，电子战系统，汽车和MIMO通讯系统
天线和麦克风，阵列几何形状，极化，发射器和接收器
脉冲和连续波形，交错波形，可变PRF，匹配滤波，模糊函数，频谱图
延迟和和，MVDR，LCMV，波束扫描，ESPRIT，MUSIC，DPCA，SMI，广义互相关
目标检测，目标跟踪，CFAR，距离和多普勒估计，ROC曲线，雷达方程，声纳方程
通道传播，雷达横截面，声纳目标强度，水下声通道，下斜目标，杂波，干扰，物体运动
使用生成的C / C ++和MEX代码，使用GPU或生成HDL代码来加速仿真和应用程序
设计和仿真射频系统
RF Blockset™（之前称为SimRF™）提供Simulink®模型库和仿真引擎，用于设计RF通讯和雷达系统。
RF模块组使您能够仿真RF收发器和前端。您能够对非线性RF放大器建模，以估计增益，噪声，偶数和奇数次互调失真，包括存储效应。对于RF混频器，您能够预测镜像抑制，倒数混频，本地振荡器相位噪声和DC偏移。可使用数据手册规范或测量数据（例如多端口S参数）来表征RF模型。它们可用于精确建模自适应体系结构，包括自动增益控制（AGC），数字预失真（DPD）算法和波束成形。
RF Budget Analyzer应用程序使您能够自动生成收发器模型和测量测试平台，以验证性能并设置电路包络多载波仿真。
使用RF Blockset，您能够仿真不一样抽象级别的RF系统。电路包络仿真可对具备任意拓扑的网络进行高保真，多载波仿真。等效基带库可实现单载波级联系统的快速，离散时间仿真。
了解射频模块组的基础
多载波射频仿真，射频损伤
2端口级联链的单载波RF仿真
模拟射频网络的单载波，直接链接到Simulink模块，生成C代码
型号AnalogDevices®收发器
设计SerDes系统并生成用于高速数字互连的IBIS-AMI模型
SerDes Toolbox™提供了MATLAB®和Simulink®模型库以及一组分析工具和应用程序，用于设计和验证串行器/解串器（SerDes）系统或DDR5等高速存储器PHY。
借助SerDes Designer应用程序，您可使用统计分析来快速设计有线通讯连接。该应用程序提供了参数化的模型和算法，可以让您探索各类均衡器配置以改善通道性能。您能够评估指标，例如眼图，浴缸曲线和通道工做裕度（COM），包括抖动和串扰的影响。
借助基于MATLAB的构建块（例如CTLE，DFE，FFE和CDR），您可使用数据表或测量数据描述所选的架构，并模拟控制和自适应算法。典型应用（例如PCIe，USB，以太网和DDR）的白盒示例提供了参考设计，您能够将这些参考设计用做本身设计的基础。
SerDes Toolbox支持自动生成双重IBIS-AMI模型，以进行统计分析和时域仿真。这些模型能够与第三方通道模拟器一块儿使用，以进行系统集成和验证。
了解SerDes工具箱的基础
使用SerDes Designer应用程序设计和仿真SerDes系统
修改从SerDes Designer应用程序导出的MATLAB脚本或Simulink模型
从Simulink定制，建立和导出IBIS-AMI模型
开发行业标准的IBIS-AMI模型，例如PCI，DDR和以太网
设计，评估和实施SoC硬件和软件架构
SoC Blockset™提供Simulink®块和可视化工具，用于对ASIC，FPGA和片上系统（SoC）的硬件和软件架构进行建模，仿真和分析。您可使用内存模型，总线模型和I / O模型来构建系统架构，并与算法一块儿模拟该架构。
SoC Blockset使您可使用生成的测试流量或实际I / O数据来模拟内存以及内部和外部链接，以及调度和操做系统效果。您能够快速探索不一样的系统架构，估计硬件和软件分区的接口复杂性，以及评估软件性能和硬件利用率。
SoC Blockset能够导出Xilinx®和Intel®FPGA器件以及SoC平台（包括Zynq®-7000，UltraScale +™和Intel SoC FPGA）的参考设计。这些参考设计能够与Xilinx和Intel设计工具一块儿使用。
了解SoC模块集的基础
建立SoC应用程序的Simulink模型
模拟SoC应用并分析性能
生成代码并在SoC设备上部署SoC应用程序
可视化和分析SoC设备上的SoC应用程序性能
支持第三方硬件，例如Xilinx SoC平台和Intel SoC设备
设计和实现用于FPGA，ASIC和SoC的5G和LTE通讯子系统
无线HDL Toolbox™（之前称为LTE HDL Toolbox™）为开发5G，LTE和基于OFDM的定制无线通讯应用程序提供了通过硬件验证的预先验证的Simulink®模块和子系统。它包括参考应用程序，IP块以及基于帧和基于样本的处理之间的网关。
您能够修改参考应用程序以集成到您本身的设计中。对工具箱算法的HDL实现进行了优化，以提升资源使用效率和性能，以进行原型设计或在FPGA，ASIC和SoC器件上进行生产部署。
该工具箱算法旨在在VHDL®和Verilog®（带有HDL Coder™）中生成可读的，可合成的代码。为了对5G，LTE和基于OFDM的定制设计进行无线测试，您能够将发射器和接收器模型链接到无线电设备（带有Communications Toolbox™硬件支持包）。
了解无线HDL工具箱的基础
创建模型以设计具备流采样接口的无线通讯硬件系统
选择用于无线通讯硬件系统设计的算法
将预先构建并通过验证的无线通讯发送器和接收器子系统集成到您的系统设计中
使用HDL Coder生成HDL代码，使用HDL Verifier™进行验证，并使用硬件支持包进行原型设计
设计和仿真模糊逻辑系统
Fuzzy Logic Toolbox™提供了MATLAB®函数，应用程序和Simulink®模块，用于基于模糊逻辑的系统进行分析，设计和仿真。 该产品将指导您完成设计模糊推理系统的步骤。 提供了许多经常使用方法的功能，包括模糊聚类和自适应神经模糊学习。
该工具箱使您可使用简单的逻辑规则为复杂的系统行为建模，而后在模糊推理系统中实现这些规则。 您能够将其用做独立的模糊推理引擎。 另外，您能够在Simulink中使用模糊推理模块，并在整个动态系统的综合模型中模拟模糊系统。
设计和测试计算机视觉，3D视觉和视频处理系统
Computer Vision Toolbox™提供了用于设计和测试计算机视觉，3D视觉和视频处理系统的算法，功能和应用。您能够执行对象检测和跟踪以及特征检测，提取和匹配。对于3D视觉，该工具箱支持单，立体和鱼眼镜头相机校准；立体视觉3D重建；以及激光雷达和3D点云处理。计算机视觉应用程序可自动执行地面真相标记和摄像机校准工做流程。
您可使用深度学习和机器学习算法（例如YOLO v2，Faster R-CNN和ACF）训练自定义对象检测器。对于语义分割，您可使用深度学习算法，例如SegNet，U-Net和DeepLab。预先训练的模型可以让您检测人脸，行人和其余常见物体。
您能够经过在多核处理器和GPU上运行算法来加速算法。大多数工具箱算法都支持C / C ++代码生成，以与现有代码，桌面原型和嵌入式视觉系统部署集成。
了解计算机视觉工具箱的基础
图像配准，兴趣点检测，提取特征描述符和点特征匹配
深度学习和卷积网络，语义图像分割，对象检测，识别，地面真相标签，功能包，模板匹配和背景估计
估计相机的本征，失真系数和相机的外部特性，从2D图像中提取3D信息，执行鱼眼校准，立体校订，深度估计，3D重建，三角剖分和运动结构
对3D点云进行降采样，降噪，变换，可视化，配准，拟合几何形状并使用深度学习
光流，活动识别，运动估计和跟踪
Simulink对计算机视觉应用程序的支持
C / C ++和GPU代码生成，了解OCR语言数据支持，使用OpenCV接口，了解定点数据类型支持，并生成HDL代码
支持第三方硬件，例如带有FMC HDMI CAM的Xilinx®Zynq®
从行业标准的硬件中获取图像和视频
Image Acquisition Toolbox™提供了将相机链接到MATLAB®和Simulink®的功能和模块。 它包含一个MATLAB应用程序，可以让您交互式地检测和配置硬件属性。 而后，您能够生成等效的MATLAB代码，以在之后的会议中自动进行采集。 该工具箱支持多种采集模式，例如循环处理，硬件触发，后台采集以及在多个设备之间同步采集。
图像采集工具箱支持全部主要标准和硬件供应商，包括USB3 Vision，GigEVision®和GenICam™GenTL。 您能够链接到机器视觉相机和图像采集卡，以及高端科学和工业设备。
了解图像采集工具箱的基础
创建和管理图像采集设备与MATLAB之间的链接
预览图像并调整采集参数，例如亮度，分辨率和关注区域（ROI）
从受支持的硬件（包括GigE Vision硬件和Matrox硬件）中获取图像数据
将实时视频数据带入Simulink模型，生成代码
使用图像采集工具箱适配器套件建立适配器
支持第三方硬件
解决“图像采集工具箱”中的意外问题
执行图像处理、可视化和分析
Image Processing Toolbox™ 为图像处理、分析、可视化和算法开发提供了一套全面的参考标准算法和工做流 App。您可使用深度学习和传统图像处理技术执行图像分割、图像加强、去噪、几何变换和图像配准。工具箱支持处理二维、三维和任意大的图像。
Image Processing Toolbox App 可以让您自动完成常见的图像处理工做流。您能够交互方式分割图像数据、比较图像配准技术，以及对大型数据集进行批量处理。利用可视化函数和 App，您能够探查图像、三维体和视频；调整对比度；建立直方图；以及对关注区域 (ROI) 执行操做。
您能够经过在多核处理器和 GPU 上运行算法来提升算法的执行速度。许多工具箱函数支持桌面原型和嵌入式视觉系统部署的 C/C++ 代码生成。
Image Processing Toolbox 基础知识学习
图像数据的导入和导出，图像类型和类的转换
用于图像显示和探查的交互式工具
使用强度相关性、特征匹配或控制点映射来缩放、旋转、执行其余 N 维变换和对齐图像
对比度调整、形态学滤波、去模糊、基于关注区域的处理
区域分析、纹理分析、像素和图像统计量
使用卷积神经网络执行图像处理任务，例如去除图像噪声和基于低分辨率图像建立高分辨率图像（须要 Deep Learning Toolbox™）
对三维体数据进行滤波、分割和执行其余图像处理运算
为工具箱函数生成 C 代码和 MEX 函数
在图形处理单元 (GPU) 上运行图像处理代码
设计，分析和测试激光雷达处理系统
Lidar Toolbox™提供了用于设计，分析和测试激光雷达处理系统的算法，功能和应用程序。您能够执行对象检测和跟踪，语义分割，形状拟合，激光雷达配准和障碍物检测。激光雷达工具箱支持结合了计算机视觉和激光雷达处理功能的工做流程的激光雷达/摄像机交叉校准。
您可使用PointSeg，PointPillar和SqueezeSegV2等深度学习和机器学习算法训练自定义检测和语义细分模型。 Lidar Labeler应用程序支持对激光雷达点云进行手动和半自动标记，以训练深度学习和机器学习模型。该工具箱可以让您从Velodyne®激光雷达传输数据，并读取Velodyne和IBEO激光雷达传感器记录的数据。
激光雷达工具箱提供的参考示例说明了激光雷达处理在感知和导航工做流程中的使用。大多数工具箱算法都支持C / C ++代码生成，以便与现有代码集成，桌面原型制做和部署。
了解激光雷达工具箱的基础
读取，写入和可视化激光雷达数据
下采样，中值滤波，变换，从3-D点云中提取特征并进行对齐
使用深度学习和几何算法在点云数据中分割，检测，标记和跟踪对象
执行校准，估计激光雷达-摄像机变换，并融合每一个传感器的数据
点云注册和地图构建，3-D同时定位和制图以及2-D激光雷达对象检测
支持第三方硬件
分析和可视化地理信息
Mapping Toolbox™提供了用于转换地理数据和建立地图显示的算法和功能。 您能够在地理环境中可视化数据，从60多个地图投影构建地图显示，并未来自各类来源的数据转换为一致的地理坐标系。
映射工具箱支持用于管理地理数据的完整工做流。 您能够从各类文件格式和Web地图服务器导入矢量和栅格数据。 该工具箱使您可使用修剪，插值，重采样，坐标转换和其余技术来处理和自定义数据。 能够将数据与来自多个来源的基础地图图层组合在一个地图显示中。 您能够采用shapefile，GeoTIFF和KML等文件格式导出数据。
了解映射工具箱的基础
支持shapefile，KML，GeoTIFF，VMAP0和其余常见数据文件
从Web Map Service（WMS）服务器检索地图数据并在交互式浏览器中查看Web地图
2-D和3-D地图显示，自定义和交互
数据子集，修剪，相交和空间分辨率调整
2-D和3-D坐标系; 地球上的距离，面积和曲线
表示坐标参考系统，投影和非投影坐标，分析变形
设计用于FPGA和ASIC的图像处理，视频和计算机视觉系统
Vision HDL Toolbox™提供了用于在FPGA和ASIC上设计和实现视觉系统的像素流算法。 它提供了一个支持各类接口类型，帧大小和帧速率的设计框架。 工具箱中的图像处理，视频和计算机视觉算法使用适合HDL实现的体系结构。
该工具箱算法旨在在VHDL®和Verilog®（带有HDL Coder™）中生成可读的，可合成的代码。 生成的HDL代码通过FPGA验证，适用于高达8k分辨率的帧大小和高帧率（HFR）视频。
工具箱功能可做为MATLAB®函数，System对象和Simulink®块使用。
了解Vision HDL Toolbox的基础
在基于帧的视频流和像素流之间转换
选择块或系统对象以进行流视频处理
使用HDL Coder生成HDL代码，使用HDL Verifier™进行验证，使用硬件支持包进行原型设计
设置Cloud Center以建立和访问Amazon云中的计算集群以进行并行计算。 您能够从客户端MATLAB®会话访问云群集，就像您本身的现场网络中的任何其余群集同样。 要了解更多信息，请参阅适用于Amazon EC2的MATLAB Parallel Server。
要了解MathWorks®Cloud Center中的新功能和更改，请参阅Cloud Center发行说明。
要经过Web应用程序访问Cloud Center，请访问https://cloudcenter.mathworks.com/login。
帮助您开始使用Cloud Center的主题
建立和管理云集群
从MATLAB访问您的集群，并使用Parallel Computing Toolbox™向其提交工做
使用做业或不启动集群便可传输文件和数据
使用适用于Amazon®Web Services和Microsoft®Azure®的参考架构或适用于NVIDIA®GPU的MATLAB深度学习容器在不一样的云环境中运行MATLAB
在集群和云上执行MATLAB和Simulink计算
使用MATLAB®Parallel Server™，您能够将MATLAB程序和Simulink®仿真扩展到群集和云。您能够在桌面上为程序和模拟制做原型，而后在群集和云上运行它们，而无需从新编码。 MATLAB Parallel Server支持批处理做业，交互式并行计算以及具备大型矩阵的分布式计算。
全部群集端许可均由MATLAB Parallel Server处理。您的桌面许可证配置文件在群集上动态启用，所以您无需为群集提供MATLAB许可证。许可模式包括支持无限扩展的功能。
MATLAB Parallel Server在群集上将您的程序和模拟做为计划的应用程序运行。您可使用MATLAB Parallel Server随附的MATLAB优化调度程序，也可使用本身的调度程序。插件框架容许与流行的集群调度程序提交客户端直接通讯。
了解MATLAB Parallel Server的基础知识
根据调度程序类型设置节点并启动进程以支持并行计算
自定义使用MATLAB Job Scheduler的集群的可选设置
在现有集群中扩展并运行计算密集型代码
解决MATLAB Parallel Server中的意外问题
在多核计算机，GPU和计算机集群上执行并行计算
使用Parallel Computing Toolbox™，您可使用多核处理器，GPU和计算机群集来解决计算和数据密集型问题。高级构造（并行的for循环，特殊的数组类型和并行的数值算法）使您无需CUDA或MPI编程便可并行化MATLAB®应用程序。该工具箱可以让您在MATLAB和其余工具箱中使用启用了并行功能的函数。您能够将工具箱与Simulink®一块儿使用，以并行运行模型的多个模拟。程序和模型能够交互方式和批处理方式运行。
该工具箱可以让您在本地运行的工做程序（MATLAB计算引擎）上执行应用程序，从而充分利用多核桌面的所有处理能力。无需更改代码，就能够在群集或云上运行相同的应用程序（使用MATLAB Parallel Server™）。您还能够将工具箱与MATLAB Parallel Server一块儿使用，以执行太大而没法容纳在一台计算机内存中的矩阵计算。
了解并行计算工具箱的基础
选择并行计算解决方案
经过在并行池中的工做程序上运行parfor来使用并行处理
使用parfeval在后台评估函数
在Spark®和Hadoop®集群上使用分布式阵列，高层阵列，数据存储或mapreduce并行分析大数据集
卸载执行功能以在后台运行
经过在GPU上运行代码来加速代码
发现集群资源，并使用集群配置文件
提升并行代码的性能
链接到数据采集卡，设备和模块
数据采集工具箱™提供了用于配置数据采集硬件，将数据读取到MATLAB®和Simulink®以及将数据写入DAQ模拟和数字输出通道的应用程序和功能。该工具箱支持多种DAQ硬件，包括来自National Instruments™和其余供应商的USB，PCI，PCIExpress®，PXI®和PXI-Express设备。
经过工具箱应用程序，您能够交互式设置数据采集界面并将其配置到您的硬件。而后，您能够生成等效的MATLAB代码以自动执行数据采集。工具箱功能使您能够灵活地控制DAQ设备的模拟输入，模拟输出，计数器/计时器和数字I / O子系统。您能够访问特定于设备的功能并同步从多个设备获取的数据。
您能够在获取数据时对其进行分析，也能够将其保存以进行后处理。您还能够自动化测试，并根据分析结果对测试设置进行迭代更新。
了解数据采集工具箱的基础
设置DataAcquisition接口，查找并链接到指定设备，配置数据
使用支持的供应商的设备采集并生成模拟信号
使用数据采集硬件采集并生成数字数据
使用National Instruments设备获取计数器数据并生成脉冲
使用Windows®声卡获取多声道音频数据并生成信号
使用Digilent®设备生成周期函数波形
同时采集和生成模拟数据，同步采集和生成
创建模型以获取和生成模拟和数字数据
支持第三方硬件
解决“数据采集工具箱”中的意外问题
从行业标准的硬件中获取图像和视频
Image Acquisition Toolbox™提供了将相机链接到MATLAB®和Simulink®的功能和模块。 它包含一个MATLAB应用程序，可以让您交互式地检测和配置硬件属性。 而后，您能够生成等效的MATLAB代码，以在之后的会议中自动进行采集。 该工具箱支持多种采集模式，例如循环处理，硬件触发，后台采集以及在多个设备之间同步采集。
图像采集工具箱支持全部主要标准和硬件供应商，包括USB3 Vision，GigEVision®和GenICam™GenTL。 您能够链接到机器视觉相机和图像采集卡，以及高端科学和工业设备。
了解图像采集工具箱的基础
创建和管理图像采集设备与MATLAB之间的链接
预览图像并调整采集参数，例如亮度，分辨率和关注区域（ROI）
从受支持的硬件（包括GigE Vision硬件和Matrox硬件）中获取图像数据
将实时视频数据带入Simulink模型，生成代码
使用图像采集工具箱适配器套件建立适配器
支持第三方硬件
解决“图像采集工具箱”中的意外问题
控制测试和测量仪器，并与计算机外围设备和工业自动化设备通讯
Instrument Control Toolbox™使您能够将MATLAB®直接链接到仪器，例如示波器，函数发生器，信号分析仪，电源和分析仪器。该工具箱经过仪器驱动程序（例如IVI和VXIplug＆play）或经过基于文本的SCPI命令经过经常使用的通讯协议（例如GPIB，VISA，TCP / IP和UDP）链接到您的仪器。您也能够在不编写代码的状况下从测试设备控制和获取数据。
使用仪器控制工具箱，您能够在MATLAB中生成数据以发送到仪器或将数据读取到MATLAB中进行分析和可视化。您能够基于LXI，PXI和AXIe标准自动执行测试，验证硬件设计并构建测试系统。
该工具箱提供了对TCP / IP，UDP，I2C，SPI和Bluetooth®串行协议的内置支持，可与MATLAB的其余计算机和印刷电路板（PCB）进行远程通讯。它还包括用于MODBUS®协议的功能和应用程序，从而能够与工业自动化设备（例如可编程逻辑控制器（PLC）和可编程自动化控制器（PAC））进行通讯。
了解仪器控制工具箱的基础
链接，配置和与仪器通讯的基本步骤
低级协议，例如蓝牙，TCP / IP，UDP，I2C，SPI，MODBUS，串行端口，GPIB和VISA
带有IVI，VXIplug＆play或通用驱动程序的直观的面向语言的命令
在Simulink®模型中发送和接收数据
支持第三方硬件
解决仪器控制工具箱中的意外问题
从OPC服务器和数据历史记录器读取和写入数据
OPC Toolbox™可直接从MATLAB®和Simulink®访问实时和历史OPC数据。 您能够从诸如分布式控制系统，监控和数据采集系统以及可编程逻辑控制器之类的设备读取，写入和记录OPC数据。
使用OPC Toolbox，您能够处理来自实时服务器和数据历史学家的数据，这些数据符合OPC数据访问（DA）标准，OPC历史数据访问（HDA）标准和OPC统一体系结构（UA）标准。 该工具箱使您可使用各类安全模式，算法和身份验证方法安全地链接到OPC UA服务器。
该产品包含Simulink模块，可以让您对在线监督控制进行建模并执行硬件在环控制器测试。
了解OPC工具箱的基础
链接到OPC服务器并浏览其名称空间
访问OPC DA服务器上的数据
访问OPC HDA服务器上的数据
访问OPC UA服务器上的数据
解决OPC工具箱中的意外问题
带有MATLAB Analytics的物联网平台
ThingSpeak是一种物联网分析平台服务，可以让您聚合，可视化和分析云中的实时数据流。 您能够从设备将数据发送到ThingSpeak™，建立实时数据的即时可视化图像，并使用Twitter®和Twilio®等Web服务发送警报。 借助ThingSpeak内的MATLAB®分析，您能够编写和执行MATLAB代码以执行预处理，可视化和分析。 ThingSpeak使工程师和科学家无需设置服务器或开发Web软件便可原型化和构建IoT系统。
了解ThingSpeak的基础
关于ThingSpeak频道，用户和许可证的信息
使用REST和MQTT API使用软件或设备更新频道
使用REST和MQTT API经过软件或设备读取频道
在MATLAB中过滤，转换和响应数据
在MATLAB中转换和可视化数据
使用ThingSpeak应用触发操做或转换和可视化数据
ThingSpeak示例显示了附加工具箱中可用的高级工具的使用
使用REST和MQTT API更新ThingSpeak通道并绘制存储在通道中的数字数据的图表
使用 CAN、J1939 和 XCP 协议与车载网络通讯
Vehicle Network Toolbox™ 提供 MATLAB® 函数和 Simulink® 模块以发送、接收、编码和解码 CAN、CAN FD、J1939 和 XCP 报文。经过该工具箱，您可使用行业标准 CAN 数据库文件识别和解析特定信号，而后使用 CAN Bus Monitor App 可视化解码后的信号。使用 A2L 描述文件，您能够经过 CAN 或以太网上的 XCP 链接到 ECU。您能够访问存储在 MDF 文件中的报文和测量数据。
该工具箱可简化与车载网络的通讯，使您可以监控、筛选和分析实时 CAN 总线数据，或记录和录制报文以便之后分析和重播。您能够模拟虚拟 CAN 总线上的报文流或链接到实时网络或 ECU。Vehicle Network Toolbox 支持 Vector、Kvaser、PEAK-System 和 National Instruments® 提供的 CAN 接口设备。
Vehicle Network Toolbox 基础知识学习
使用 CAN 或 CAN FD 协议的车载网络通讯
使用 XCP 协议的车载网络通讯
使用 J1939 协议的车载网络通讯
访问测量数据格式 (MDF)、ASAM 标定数据格式 (CDF) 和二进制记录格式 (BLF) 文件
对第三方硬件的支持
与关系数据库和非关系数据库交换数据
Database Toolbox™提供了用于与关系数据库和非关系数据库交换数据的功能和一个应用程序。 它经过自动在数据库和MATLAB®数据类型之间转换来实现这种交换。
数据库工具箱支持任何符合ODBC或JDBC的关系数据库。 它还为Apache™Cassandra®，MongoDB®和Neo4j®提供NoSQL支持。 提供了MySQL®和PostgreSQL的本机接口。
使用数据库浏览器应用程序，您无需编写代码便可浏览关系数据，而后生成MATLAB代码以自动化或操做数据库工做流程。 对于大型数据工做流，您能够拆分SQL查询并并行访问数据（使用Parallel Computing Toolbox™和MATLAB Parallel Server™）。
了解数据库工具箱的基础
经过配置驱动程序并使用SQL，探索Microsoft®Access™，Microsoft SQLServer®和Oracle®等数据库中的数据
使用适用于ApacheCassandra®数据库的数据库工具箱界面浏览宽列数据库中的数据
使用MongoDB的数据库工具箱界面浏览和管理MongoDB中的文档集合
使用与Neo4j的MATLAB接口或针对Neo4j Bolt协议的数据库工具箱接口，在Neo4j数据库中浏览，管理，存储和分析图形数据
建立和部署独立的数据库应用程序以与他人共享MATLAB代码
解决数据库工具箱中的意外问题
从数据服务提供商访问财务数据
Datafeed Toolbox™提供对领先金融数据提供商的当前，日内，历史和实时市场数据的访问。经过将这些数据馈送集成到MATLAB®中，您能够执行分析，开发模型并建立反映当前财务和市场行为的可视化。该工具箱还提供了将MATLAB数据导出到某些数据服务提供商的功能。
您能够从MATLAB创建链接以检索历史数据或订阅来自数据服务提供商的实时流。经过单个函数调用，工具箱可以让您自定义查询，以在指定时间段内访问多个证券中的全部或选定字段。您还能够检索指定时间间隔的日内变更数据并将其存储为时间序列数据。
支持的数据提供者包括Bloomberg®，FactSet®，FRED®，HaverAnalytics®，IQFEED®，KxSystems®，Inc.，Quantl®，SIX Financial Information和Refinitiv™。
了解数据Feed工具箱的基础
彭博社提供的当前市场，实时，盘中报价，历史和安全查询数据
来自FactSet的历史和实时数据
Refinitiv的实时，当前市场，日内波动和历史数据
来自其余金融数据服务提供商的数据
使用统计方法对金融和经济系统进行建模和分析
Econometrics Toolbox™提供用于分析和建模时间序列数据的功能。 它为模型选择提供了普遍的可视化和诊断功能，包括自相关性和异方差性，单位根和平稳性，协整，因果关系和结构变化的测试。 您可使用各类建模框架来估计，模拟和预测经济系统。 这些框架包括回归，ARIMA，状态空间，GARCH，多元VAR和VEC以及转换模型。 该工具箱还提供了贝叶斯工具，用于开发重新数据中学习的时变模型。
了解计量经济学工具箱的基础
格式化，绘制和转换时间序列数据
规格测试和模型评估
贝叶斯线性回归模型和非球面扰动的回归模型
自回归（AR），移动平均（MA），ARMA，ARIMA，ARIMAX和季节性模型
GARCH，指数GARCH（EGARCH）和GJR模型
协整分析，向量自回归（VAR），向量偏差校订（VEC）和贝叶斯VAR模型
离散时间马尔可夫链，马尔可夫切换自回归和状态空间模型
设计，订价和对冲复杂的金融工具
Financial Instruments Toolbox™提供用于订价，建模，对冲和分析现金流量，固定收益证券和衍生工具（包括股票，利率，信贷和能源工具）的功能。 对于利率工具，您能够计算各类工具类型的价格，收益率，利差和敏感度值，包括可转换债券，抵押支持证券，国库券，债券，掉期，上限，下限和浮动利率票据。 对于衍生工具，您可使用二项式树，三项式树，Shifted SABR，Heston，蒙特卡洛模拟和其余模型来计算价格，隐含波动率和希腊文。 您还能够链接到Numerix®CrossAsset集成层，用于固定收益证券，OTC衍生品，结构性产品和可变年金产品的评估和风险管理。
了解金融工具箱的基础
从市场数据中引导收益曲线，为收益曲线模型估算参数，从历史数据中模拟收益曲线
利率工具的价格，敏感度和期限结构
股票期权的价格和敏感性
能源期权的价格和敏感性
信用违约掉期订价和违约几率曲线，交易对手信用风险敞口
抵押贷款经过现金流量，CMO工具订价
使用Numerix CROSSASSET的Numerix工具和风险模型
使用简化的工做流为利率，权益，商品，外汇或信用衍生工具订价
分析财务数据并开发财务模型
Financial Toolbox™提供用于财务数据的数学建模和统计分析的功能。 您能够考虑营业额，交易成本，半连续约束以及最小或最大资产数量来分析，回测和优化投资组合。 该工具箱使您能够估算风险，对信用记分卡建模，分析收益曲线，订价固定收益工具和欧洲期权以及衡量投资绩效。
随机微分方程（SDE）工具使您能够建模和模拟各类随机过程。 时间序列分析功能使您能够对丢失的数据执行转换或回归，并在不一样的交易日历和日计数约定之间进行转换。
了解财务工具箱的基础
日期和货币的金融市场数据
时间表，日期转换和合并，图表技术指标
现金流量和绩效指标，回归分析，财务数据图表
建立投资组合，评估资产构成，执行均值方差，CVaR或均值绝对误差投资组合优化，回测投资策略
信用风险，信用评级的过渡几率，信用质量阈值，信用记分卡
收益率曲线，固定收益证券的估值，股票衍生品的订价
参数模型，例如几何布朗运动（GBM）和Heston波动率
开发风险模型并进行风险模拟
Risk Management Toolbox™提供了用于信用和市场风险的数学建模和仿真的功能。 您能够对违约几率建模，建立信用记分卡，执行信用投资组合分析以及回测模型以评估潜在的财务损失。 该工具箱可以让您评估公司和消费者的信用风险以及市场风险。 它包括一个用于对信用计分卡的变量进行自动和手动分箱的应用程序。 它还包括用于分析信贷资产组合风险的仿真工具和用于评估风险价值（VaR）和预期缺口（ES）的回测工具。
了解风险管理工具箱的基础
消费信贷产品违约形成的损失风险
因企业信贷产品违约和企业信用评级迁移而形成损失的风险
市场价格变更形成损失的风险
死亡和未付索赔形成损失的风险
根据寿命分析估算损失准备金
从Microsoft Excel使用MATLAB
Spreadsheet Link™将Excel®电子表格软件与MATLAB®工做区链接起来，使您可以从Excel电子表格访问MATLAB环境。 使用Spreadsheet Link软件，您能够利用熟悉的Excel界面在MATLAB和Excel之间交换数据，同时访问MATLAB的计算速度和可视化功能。
了解电子表格连接的基础
启动和关闭选项
更改偏好
在不离开Microsoft®Excel环境的状况下导出，删除或修改MATLAB工做区中的数据
将数据从MATLAB工做区导入到Microsoft Excel环境
使用Microsoft Excel中的数据执行MATLAB函数并在电子表格中显示结果
解决电子表格连接中的意外问题
获取价格，分析交易成本，并将订单发送到交易系统
Trading Toolbox™提供了用于分析交易成本，访问交易和报价价格数据，定义订单类型以及将订单发送到金融交易市场的功能。该工具箱可以让您将流数据和基于事件的数据集成到MATLAB®中，从而使您可以开发金融交易策略和算法，以实时分析和响应市场。您能够构建可在多种资产类别，工具类型和交易市场上使用的算法或自动交易策略，同时与行业标准或专有交易执行平台集成。
使用交易工具箱，您能够在下订单以前分析和估算交易成本，以及交易后的属性成本。您能够分析与市场影响，时机，流动性和价格升值相关的交易成本，并使用成本曲线使单个资产或资产组合的交易成本降至最低。
交易工具箱可以让您访问可交易工具数据的实时流，包括报价，交易量，交易，市场深度和工具元数据。您能够定义订单类型并指定订单发送和填写过程。
了解交易工具箱的基础
进行交易成本，敏感性和交易后执行分析
经过Bloomberg®EMSX建立和维护订单，路线和策略
经过CQG®访问市场数据并提交订单
使用FIX Flyer™经过FIX消息访问市场数据，提交订单和请求信息
使用IB Trader WorkstationSM经过InteractiveBrokers®访问市场数据，提交订单和请求信息
经过TradingTechnologies®X_TRADER®访问市场数据并提交订单
经过Wind Financial Terminal访问市场数据并管理订单
读取，分析和可视化基因组和蛋白质组数据
Bioinformatics Toolbox™提供了用于下一代测序（NGS），微阵列分析，质谱和基因本体的算法和应用程序。 使用工具箱功能，您能够从标准文件格式（例如SAM，FASTA，CEL和CDF）以及在线数据库（例如NCBI Gene Expression Omnibus和GenBank®）读取基因组和蛋白质组数据。 您可使用序列浏览器，空间热图和聚类图来探索和可视化这些数据。 该工具箱还提供了统计技术，可用于检测峰值，为缺失数据估算值以及选择特征。
您能够组合工具箱功能以支持常见的生物信息学工做流程。 您可使用ChIP-Seq数据来识别转录因子。 分析RNA-Seq数据以鉴定差别表达的基因； 识别微阵列数据中的拷贝数变异和SNP； 并使用质谱数据对蛋白质谱进行分类。
了解生物信息学工具箱的基础
下一代测序（NGS）数据的基因表达，转录因子和甲基化分析，包括RNA-Seq和ChIP-Seq
基因芯片数据的基因表达和遗传变异分析
基因组和蛋白质组学序列，比对和系统发育
可视化和操纵蛋白质和其余生物分子的3-D结构； RNA二级结构预测和可视化
分离技术产生的带有峰的痕迹的数据，包括MS，LC / MS，NMR，色谱法和电泳
建模，模拟和分析生物系统
SimBiology®提供用于建模，模拟和分析动态系统的应用程序和编程工具，重点是定量系统药理学（QSP），基于生理的药代动力学（PBPK）和药代动力学/药代动力学（PK / PD）应用。您可使用SimBiology框图编辑器以交互方式构建模型，也可使用MATLAB®语言以编程方式构建模型。您能够从头开始建立模型，也能够将其导入为SBML格式的文件，也能够基于SimBiology中提供的模型示例进行构建。
SimBiology提供了多种技术来分析复杂度和大小各异的基于ODE的模型。您能够运行模拟以评估目标可行性，预测药物疗效和安全性以及肯定最佳给药方案。您可使用局部和全局敏感性分析来识别关键途径和参数，并经过运行参数扫描来评估生物学变异性。要估计参数，您可使用非线性回归和非线性混合效应技术拟合数据并执行非房室分析（NCA）。
了解SimBiology的基础知识
交互式应用程序可简化动态系统的构建，仿真和分析
导入，构建和导出系统动力学的机制或PKPD表示形式
模拟对生物变异性或不一样剂量条件的响应，扫描参数范围，计算灵敏度
分组或合并数据的最小二乘估计以及整体参数的最大似然估计
为独立应用程序部署SimBiology模型
从MATLAB程序构建独立的可执行文件和Web应用程序
MATLAB®Compiler™使您能够将MATLAB程序共享为独立的应用程序和Web应用程序。 使用MATLAB编译器，您还能够将MATLAB程序打包和部署为MapReduce和Spark™大数据应用程序以及Microsoft®Excel®插件。 最终用户可使用MATLAB Runtime免费运行您的应用程序。
要提供对MATLAB Web应用程序的基于浏览器的访问，可使用MATLAB Compiler随附的开发版MATLAB Web App Server托管它们。 能够将MATLAB程序打包到软件组件中，以便与其余编程语言集成（使用MATLAB Compiler SDK™）。 经过MATLAB Production Server™支持大规模部署到企业系统。
了解MATLAB编译器的基础知识
从MATLAB函数建立独立的应用程序
从MATLAB函数建立Microsoft Excel加载项
针对Hadoop®集群建立并执行打包的MATLAB MapReduce应用程序
针对启用Spark的Hadoop集群建立并执行已编译的MATLAB应用程序
打包MATLAB应用程序以部署到MATLAB Web App Server
使用MATLAB Runtime在未安装MATLAB的计算机上运行打包的MATLAB应用程序
从MATLAB程序构建软件组件
MATLAB®Compiler SDK™扩展了MATLAB Compiler™的功能，使您能够从MATLAB程序构建C / C ++共享库，Microsoft®.NET程序集和Java®类。 这些组件能够与自定义应用程序集成，而后部署到台式机，Web和企业系统中。
MATLAB Compiler SDK包括MATLAB Production Server™的开发版本，用于在将应用程序代码和Excel®加载项部署到Web应用程序和企业系统以前对其进行测试和调试。
使用MATLAB Compiler SDK中的软件组件建立的应用程序能够与不须要MATLAB的用户免费共享。 这些应用程序使用MATLAB Runtime，这是一组共享库，能够执行已编译的MATLAB应用程序或组件。 要从MATLAB生成C和C ++源代码，请使用MATLAB Coder™
了解MATLAB Compiler SDK的基础
打包MATLAB函数以用于以其余语言编码的应用程序中
将打包的MATLAB函数集成到C应用程序中
将打包的MATLAB函数集成到C ++应用程序中
将已编译的MATLAB函数集成到.NET应用程序中
将编译的MATLAB函数集成到Java应用程序中
将已编译的MATLAB函数集成到Python®应用程序中
将COM组件集成到应用程序中
在服务器上运行MATLAB代码，并使用各类客户端进行访问
分发使用编译的MATLAB函数的应用程序
解决MATLAB Compiler SDK中的意外问题
将MATLAB算法集成到Web，数据库和企业应用程序中
使用MATLAB®Production Server™，您能够将自定义分析功能整合到在专用服务器或云中运行的Web，数据库和生产企业应用程序中。 您能够在MATLAB中建立算法，使用MATLAB Compiler SDK™将其打包，而后将其部署到MATLAB Production Server，而无需从新编码或建立自定义基础结构。 而后，用户能够自动访问最新版本的分析。
MATLAB Production Server同时管理多个MATLAB Runtime版本。 所以，能够将在不一样版本的MATLAB中开发的算法集成到您的应用程序中。 该服务器在多处理器和多核计算机上运行，提供低延迟的并发工做请求处理。 您能够将服务器部署在其余计算节点上，以扩展容量并提供冗余。
了解MATLAB Production Server的基础
从MATLAB代码建立档案以部署到服务器
建立和管理一个或多个托管可部署档案的服务器实例
建立客户端程序以访问服务器实例上托管的MATLAB功能
建立可与MATLAB Production Server一块儿使用的Excel®加载项
在Microsoft®Azure®和AWS®上部署MATLAB Production Server
将MATLAB应用程序和Simulink仿真共享为基于浏览器的Web应用程序
MATLAB®Web App Server™使您能够将MATLAB应用程序和Simulink®仿真托管为交互式Web应用程序。 您可使用App Designer建立应用程序，使用MATLAB Compiler™打包应用程序，并使用MATLAB Web App Server托管它们。 您的最终用户可使用浏览器访问和运行Web应用程序，而无需安装其余软件。
MATLAB Web App Server支持与OpenID Connect和LDAP等身份验证标准集成，所以您能够控制对Web应用程序的访问。 您能够托管和共享使用不一样版本的MATLAB和Simulink开发的多个应用。
了解MATLAB Web App Server的基础
设置，配置和管理MATLAB Web App Server
减轻在MATLAB Web App Server上运行Web应用程序的风险
解决MATLAB Web App Server的意外问题
建模和仿真离散事件系统
SimEvents®提供了离散事件仿真引擎和组件库，用于分析事件驱动的系统模型并优化性能特征，例如延迟，吞吐量和数据包丢失。 队列，服务器，交换机和其余预约义的块使您能够对路由，处理延迟以及调度和通讯的优先级建模。
使用SimEvents，您能够研究任务定时和资源使用状况对分布式控制系统，软件和硬件体系结构以及通讯网络的性能的影响。 您还能够对与预测，产能计划和供应链管理有关的决策进行运营研究。
了解SimEvents的基础
生成和销毁实体，使用实体属性，路由和延迟实体，编写事件操做
合并实体，使用资源进行建模，对实体进行分组，建立复合实体和批处理实体
模拟和调试您的SimEvents模型，建立自定义可视化工具以观察实体和事件
计算实体，使用Sequence Viewer块
使用基于时间和基于事件的组件建立模型，选择求解器，保存仿真状态
使用离散事件系统对象建立自定义队列和服务器
示例模型说明了SimEvents软件的特定功能和应用
使用状态机与流程图对决策逻辑进行建模和仿真
Stateflow® 提供了一种图形语言，包括状态转移图、流程图、状态转移表和真值表。您可使用 Stateflow 来讲明 MATLAB® 算法和 Simulink® 模型如何响应输入信号、事件和基于时间的条件。
Stateflow 使您可以设计和开发监控、任务调度、故障管理、通讯协议、用户界面和混合系统。
使用 Stateflow，您能够对组合和时序决策逻辑进行建模，使其可做为 Simulink 模型中的模块进行仿真或做为 MATLAB 中的对象执行。图形动画使您可以在执行逻辑时对其进行分析和调试。编辑时和运行时检查可确保在实现前具备设计一致性和完整性。
Stateflow 基础知识学习
对组合和时序逻辑的状态机进行编程
遵循监督逻辑的通用设计模式
将 Stateflow 图做为 Simulink 模型中的模块进行仿真
将独立的 Stateflow 图做为对象在 MATLAB 中执行
测试、调试、记录数据并生成代码
建模和模拟多域物理系统
Simscape™使您能够在Simulink®环境中快速建立物理系统的模型。使用Simscape，您能够基于直接与框图和其余建模范例集成的物理链接来构建物理组件模型。您能够经过将基本组件组装到示意图中来对诸如电动机，桥式整流器，液压执行器和制冷系统之类的系统进行建模。 Simscape附加产品提供了更复杂的组件和分析功能。
Simscape可帮助您开发控制系统并测试系统级性能。您可使用基于MATLAB®的Simscape语言建立自定义组件模型，该语言支持基于文本的物理建模组件，域和库的创做。您可使用MATLAB变量和表达式对模型进行参数化，并在Simulink中为物理系统设计控制系统。要将模型部署到其余仿真环境，包括硬件在环（HIL）系统，Simscape支持C代码生成。
了解Simscape的基础
模型构建技术和最佳实践，特定领域的建模，物理单元
解算器选择，变量初始化，修整和线性化，数据记录
固定步骤，固定成本的模拟； 硬件在环仿真
代码生成，与附加产品模块共享模型
使用Simscape语言进行自定义组件和领域建模
建模和仿真旋转和平移机械系统
Simscape™Driveline™提供了用于建模和仿真旋转和平移机械系统的组件库。它包括蜗轮，导螺杆和车辆部件（例如发动机，轮胎，变速器和变矩器）的模型。您可使用这些组件对直升机动力传动系统，工业机械，汽车动力总成和其余应用中的机械动力传递进行建模。您可使用Simscape系列产品中的组件将电气，液压，气动和其余物理系统集成到模型中。
Simscape Driveline可帮助您开发控制系统并测试系统级性能。您可使用基于MATLAB®的Simscape语言建立自定义的组件模型，该语言支持基于文本的物理建模组件，域和库的创做。您可使用MATLAB变量和表达式对模型进行参数化，并在Simulink®中为物理系统设计控制系统。要将模型部署到其余仿真环境，包括硬件在环（HIL）系统，Simscape Driveline支持C代码生成。
了解Simscape Driveline的基础知识
示例模型说明了特定的功能和应用
模型构建技术和最佳实践
旋转，平移摩擦和棘爪限制，减慢或中止运动
传动轴与库仑摩擦力耦合
动态传递扭矩和运动
发动机是动力传动系统的动力来源
耦合简单和复杂运动
传动系统负载可变且不平衡
传动系统组件的旋转和平移测量
平移和旋转系统的随机噪声和正弦振动
简单和复杂的轮胎，车身
动力传输，齿轮比
仿真性能，解决仿真问题
实时部署的仿真性能
建模和仿真电子，机电和电力系统
Simscape™Electrical™（之前称为SimPowerSystems™和SimElectronics®）提供了用于对电子，机电和电力系统进行建模和仿真的组件库。它包括半导体，电动机和组件的模型，这些模型适用于机电致动，智能电网和可再生能源系统等应用。您可使用这些组件来评估模拟电路体系结构，开发具备电驱动器的机电系统，并分析电网级别的电能的产生，转换，传输和消耗。
Simscape Electrical可帮助您开发控制系统并测试系统级别的性能。您可使用MATLAB®变量和表达式对模型进行参数设置，并在Simulink®中为电气系统设计控制系统。您可使用Simscape系列产品中的组件将机械，液压，热力和其余物理系统集成到模型中。要将模型部署到其余仿真环境中，包括硬件在环（HIL）系统，Simscape Electrical支持C代码生成。
Simscape Electrical是与蒙特利尔Hydro-Québec合做开发的。
了解Simscape Electrical的基础知识
电子，机电和电力系统应用的设备和系统示例
模型构建技术，最佳实践和参数化方法
电子，机电和电力系统模块，与其余Simscape模块兼容
使用控制器，数学转换和脉宽调制来构建网络控制系统
性能改进，分析工具和技术
Simulink Real-Time™Simscape检查，Simscape HDL Workflow Advisor
使用专用组件和算法对电力系统进行建模
建模和仿真流体系统
Simscape™Fluids™提供用于建模和仿真流体系统的组件库。它包括液压泵，阀门，执行器，管道和热交换器的模型。您可使用这些组件来开发流体动力系统，例如前装载器，动力转向和起落架致动系统。 Simscape Fluids还使您可以开发发动机冷却，变速箱润滑和燃油供应系统。您可使用Simscape系列产品中的组件将机械，电气，热和其余物理系统集成到模型中。
Simscape Fluids可帮助您开发控制系统并测试系统级别的性能。您可使用基于MATLAB®的Simscape语言建立自定义的组件模型，该语言支持基于文本的物理建模组件，域和库的创做。您可使用MATLAB变量和表达式对模型进行参数化，并在Simulink®中为液压系统设计控制系统。为了将模型部署到其余仿真环境，包括硬件在环（HIL）系统，Simscape Fluids支持C代码生成。
了解Simscape Fluids的基础
流体系统的建模技术，约束和最佳实践
用于链接不一样流体域的流体网络的专用组件
在等温液态域中建模流体网络的专用组件
用于在“热液体”领域建模流体网络的专用组件
在两相流体域中建模流体网络的专用组件
用于在气域中建模流体网络的专用组件
在液压领域（等温液体）中建模流体网络的专用组件
建模和仿真多体机械系统
Simscape™Multibody™为3D机械系统（如机器人，车辆悬架，建筑设备和飞机起落架）提供了多体仿真环境。您可使用表明实体，关节，约束，受力元件和传感器的块来对多实体系统建模。 Simscape Multibody制定并解决了整个机械系统的运动方程。您能够将完整的CAD装配体（包括全部质量，惯性，关节，约束和3D几何体）导入到模型中。自动生成的3D动画使您能够可视化系统动态。
Simscape Multibody可帮助您开发控制系统并测试系统级性能。您可使用MATLAB®变量和表达式对模型进行参数化，并在Simulink®中为多体系统设计控制系统。您可使用Simscape系列产品中的组件将液压，电气，气动和其余物理系统集成到模型中。要将模型部署到其余仿真环境，包括硬件在环（HIL）系统，Simscape Multibody支持C代码生成。
了解Simscape Multibody的基础知识
模拟实体，使用关节和约束对其进行组装，指定并感知感兴趣的动态量
运行模拟，可视化模型并进行运动学分析
将多体模型导入Simscape多体环境
准备部署模型
导出CAD组件以在Simscape Multibody软件中使用
Simscape™Multibody™Link是一个CAD插件，用于从SolidWorks®，AutodeskInventor®和PTC®Creo™软件导出CAD装配。 该插件会生成一个XML文件，详细说明您的CAD装配件的结构和属性以及用于可视化各类CAD零件的3-D几何文件。 而后，您能够将文件导入Simscape Multibody软件，该软件分析XML数据并自动生成等效的多体模型。
了解Simscape Multibody Link的基础
以与Simscape Multibody软件兼容的格式导出Autodesk®Inventor®装配体模型
以与Simscape Multibody软件兼容的格式导出PTC Creo装配体模型
以与Simscape Multibody软件兼容的格式导出您的SolidWorks装配体模型
设计，模拟和测试ADAS和自动驾驶系统
Automated Driving Toolbox™提供了用于设计，模拟和测试ADAS和自动驾驶系统的算法和工具。您能够设计和测试视觉和激光雷达感知系统，以及传感器融合，路径规划和车辆控制器。可视化工具包括鸟瞰图，传感器覆盖范围，检测和轨迹范围以及视频，激光雷达和地图显示。该工具箱使您能够导入和使用HERE HD Live Map数据和OpenDRIVE®道路网络。
使用地面真理标签应用程序，您能够自动标记地面真理，以训练和评估感知算法。对于硬件在环（HIL）测试和感知，传感器融合，路径规划和控制逻辑的桌面模拟，您能够生成和模拟驾驶场景。您能够在逼真的3D环境中模拟摄像头，雷达和激光雷达传感器的输出，并在2.5D模拟环境中模拟对象和车道边界的传感器检测。
自动驾驶工具箱提供了常见ADAS和自动驾驶功能（包括FCW，AEB，ACC，LKA和停车代客）的参考应用示例。该工具箱支持C / C ++代码生成以进行快速原型制做和HIL测试，并支持传感器融合，跟踪，路径规划和车辆控制器算法。
了解自动驾驶工具箱的基础
交互式地面真相标记多个信号
在模拟环境中创做场景，生成传感器数据，测试算法
相机传感器配置，视觉，激光雷达处理，跟踪和传感器融合
SLAM，HERE HD Live Map数据分析，地图可视化
车辆成本图，最佳RRT *路径规划，横向和纵向控制器
自适应巡航控制，自动紧急制动，自动停车代客，高速公路车道跟踪
设计，分析和测试激光雷达处理系统
Lidar Toolbox™提供了用于设计，分析和测试激光雷达处理系统的算法，功能和应用程序。您能够执行对象检测和跟踪，语义分割，形状拟合，激光雷达配准和障碍物检测。激光雷达工具箱支持结合了计算机视觉和激光雷达处理功能的工做流程的激光雷达/摄像机交叉校准。
您可使用PointSeg，PointPillar和SqueezeSegV2等深度学习和机器学习算法训练自定义检测和语义细分模型。 Lidar Labeler应用程序支持对激光雷达点云进行手动和半自动标记，以训练深度学习和机器学习模型。该工具箱使您能够流式传输来自Velodyne®激光雷达的数据，并读取Velodyne和IBEO激光雷达传感器记录的数据。
激光雷达工具箱提供的参考示例说明了激光雷达处理在感知和导航工做流程中的使用。大多数工具箱算法都支持C / C ++代码生成，以与现有代码集成，桌面原型制做和部署。
了解激光雷达工具箱的基础
读取，写入和可视化激光雷达数据
下采样，中值滤波，变换，从3-D点云中提取特征并进行对齐
使用深度学习和几何算法在点云数据中分割，检测，标记和跟踪对象
执行校准，估计激光雷达-摄像机变换，并融合每一个传感器的数据
点云注册和地图构建，3-D同时定位和制图以及2-D激光雷达对象检测
支持第三方硬件
设计，模拟和部署用于计划和导航的算法
Navigation Toolbox™提供用于设计运动计划和导航系统的算法和分析工具。 该工具箱包含可自定义的搜索和基于采样的路径规划器。 它还包含用于多传感器姿态估计的传感器模型和算法。 您可使用本身的数据建立2D和3D地图表示，也可使用工具箱中包含的同时定位和地图绘制（SLAM）算法生成地图。 提供了用于自动驾驶和机器人技术应用的参考示例。
您能够生成度量标准以比较路径的最佳性，平滑性和性能基准。 SLAM地图构建器应用程序可以让您交互式地可视化和调试地图生成。 您能够经过将算法直接部署到硬件（使用MATLAB®Coder™或Simulink®Coder）来测试算法。
了解导航工具箱的基础
IMU，GPS和距离传感器的校准和仿真
惯性导航，姿态估计，扫描匹配，蒙特卡洛定位
2-D和3-D占用图，以自我为中心的图，光线投射
2-D和3-D同时定位和映射
路径指标，RRT路径规划者，路径跟随
四元数，旋转矩阵，变换，轨迹生成
设计3D场景以进行自动驾驶模拟
RoadRunner是一个交互式编辑器，可以让您设计3D场景以模拟和测试自动驾驶系统。您能够经过建立特定于区域的道路标志和标记来自定义道路场景。您能够插入标志，信号，护栏和道路损坏，以及树叶，建筑物和其余3D模型。 RoadRunner提供了用于在交叉路口设置和配置交通讯号灯的时间，相位和车辆路径的工具。
RoadRunner支持激光雷达点云，航空影像和GIS数据的可视化。您可使用OpenDRIVE®导入和导出道路网络。使用RoadRunner构建的3D场景能够以FBX®，glTF™，OpenFlight，OpenSceneGraph，OBJ和USD格式导出。导出的场景可用于自动驾驶模拟器和游戏引擎，包括CARLA，VIRES VTD，NVIDIA DRIVESim®，LGSVL，百度Apollo®，Unity®和UnrealEngine®。
使用RoadRunner资产库，您可使用大量逼真的，视觉上一致的3D模型快速填充3D场景。
了解RoadRunner的基础知识
UI组件，布局自定义以及编辑的通常方面
摄像机移动，对象选择以及项目和场景建立
3D模型，纹理，GIS文件和多个RoadRunner场景共享的其余数据
用于建立和修改道路，车道，路口，道具和地形的工具
将RoadRunner场景导出为各类文件格式和目标模拟器
将场景数据（例如OpenDRIVE道路）导入RoadRunner
使用RoadRunner的提示和技巧
使用3D模型库填充RoadRunner场景
从高清地图自动生成3D道路模型
设计，模拟和测试机器人应用程序
Robotics System Toolbox™提供了用于设计，模拟和测试操纵器，移动机器人和类人机器人的工具和算法。对于机械手和类人机器人，该工具箱包含用于碰撞检查，轨迹生成，正向和反向运动学以及使用刚体树表示的动力学的算法。对于移动机器人，它包括用于映射，定位，路径规划，路径跟踪和运动控制的算法。工具箱提供了常见工业机器人应用程序的参考示例。它还包括一个可购买的工业机器人模型库，您能够导入，可视化和模拟。
您能够经过组合提供的运动学模型和动态模型来开发功能性机器人原型。经过直接链接到Gazebo机器人模拟器，该工具箱可以让您共同仿真机器人应用程序。为了在硬件上验证您的设计，您能够链接到机器人平台并生成和部署代码（使用MATLAB®Coder™或Simulink®Coder）。
了解机器人系统工具箱的基础
刚体树模型，逆运动学，动力学，轨迹
映射，路径规划，路径跟踪，状态估计
运动模型和运动模型，凉亭联合仿真
四元数，旋转矩阵，变换，轨迹生成
生成C / C ++代码和MEX函数以加速算法
支持第三方硬件
设计，模拟和部署基于ROS的应用程序
ROS工具箱提供了一个接口，将MATLAB®和Simulink®与机器人操做系统（ROS和ROS 2）链接起来，使您可以建立ROS节点网络。 该工具箱包含MATLAB函数和Simulink块，以导入，分析和播放rosbag文件中记录的ROS数据。 您还能够链接到实时ROS网络以访问ROS消息。
该工具箱可以让您经过桌面仿真以及链接到外部机器人仿真器（例如凉亭）来验证ROS节点。 ROS Toolbox支持C ++代码生成（使用Simulink Coder™），使您可以从Simulink模型自动生成ROS节点并部署到仿真或物理硬件。 对Simulink外部模式的支持使您能够在模型在硬件上运行时查看消息并更改参数。
了解ROS工具箱的基础
设置ROS网络并与之交互
建立，发送和接收消息，主题和网络信息
发送请求，执行任务并得到有关服务和操做的反馈
分析rosbags，转换树和时间序列数据
访问来自专用传感器和输入的消息
建立ROS自定义消息
使用Simulink访问ROS网络和消息
模拟ROS和Gazebo应用程序，链接到TurtleBot®硬件
支持第三方硬件
设计，模拟和测试多传感器跟踪和定位系统
传感器融合和跟踪工具箱™包括用于设计，仿真和测试系统的算法和工具，这些系统和工具融合了来自多个传感器的数据，以保持态势感知和定位。参考示例为监视和自主系统（包括机载，空降，地面，舰载和水下系统）的多对象跟踪和传感器融合开发提供了起点。
您能够融合来自真实世界传感器的数据，包括主动和被动雷达，声纳，激光雷达，EO / IR，IMU和GPS。您还能够从虚拟传感器生成综合数据，以在不一样状况下测试算法。该工具箱包括多对象跟踪器和估计过滤器，用于评估结合了网格级别，检测级别以及对象级别或跟踪级别融合的体系结构。它还提供了指标，包括OSPA和GOSPA，用于根据地面真实状况验证性能。
为了加快仿真速度或快速制做原型，该工具箱支持C代码生成。
了解传感器融合和跟踪工具箱的基础
自主系统跟踪，监视系统跟踪，本地化和硬件链接的示例
四元数，欧拉角，旋转矩阵和转换
基于地面真相的航点和速率的轨迹和场景
IMU，GPS，RADAR，ESM和EO / IR
IMU和GPS传感器融合肯定方向和位置
卡尔曼和粒子滤波器，线性化函数和运动模型
多传感器多对象跟踪器，数据关联和跟踪融合
多对象剧场剧情，检测和对象跟踪以及跟踪指标
设计，模拟和部署无人机应用
无人机工具箱提供了用于设计，仿真，测试和部署无人机（UAV）和无人机应用程序的工具和参考应用程序。您能够设计自主飞行算法，无人机任务和飞行控制器。 Flight Log Analyzer应用程序使您能够交互地分析3D飞行路径，遥测信息和来自常见飞行日志格式的传感器读数。
对于自动飞行算法和飞行控制器的桌面模拟和在环硬件（HIL）测试，您能够生成和模拟无人机场景。您能够在逼真的3D环境或2.5D模拟环境中模拟相机，激光雷达，IMU和GPS传感器输出。
UAV Toolbox提供了常见UAV使用的参考应用示例，例如使用多旋翼无人机的自主无人机包装交付。该工具箱支持C / C ++代码生成，用于快速原型制做，HIL测试以及独立部署到Pixhawk®Autopilot等硬件。
了解无人机工具箱的基础
导入，分析和绘制遥测日志
在模拟环境中创做场景，生成传感器数据，测试算法
制导模型和导航，轨迹和航路点跟踪
转换坐标系，生成轨迹，可视化点云和变换
微型飞机连接通讯协议，方言和消息
支持第三方硬件
在计算机上实时运行Simulink模型
Simulink®Desktop Real-Time™提供了一个实时内核，用于在Windows®或Mac笔记本电脑或台式机上执行Simulink模型。 它包括链接到一系列I / O设备的库块。 您能够建立和调整实时系统，以使用计算机进行快速原型制做或硬件在环仿真。
Simulink Desktop Real-Time经过Simulink支持高达1 kHz采样率的实时性能，而经过Simulink Coder™支持高达20 kHz的实时性能。
了解Simulink Desktop Real-Time的基础知识
预约义和自定义I / O驱动程序块，代码生成参数，实时内核
实时目标； 正常，加速器和外部模式； 采样率; 实时范围参数
可调块参数，可调全局参数，仪表板块，MATLAB®脚本
数据记录到工做区或文件，外部模式范围触发
解决使用Simulink Desktop Real-Time产品时遇到的问题
构建，运行和测试实时应用程序
Simulink®Real-Time™容许您从Simulink模型建立实时应用程序，并在链接到物理系统的Speedgoat目标计算机硬件上运行它们。 它专为实时仿真和测试任务而设计，包括快速控制原型（RCP），DSP和视觉系统原型以及硬件在环（HIL）仿真。
借助Simulink Real-Time，您可使用Speedgoat I / O驱动程序块扩展Simulink模型，并自动构建实时应用程序。 测试能够自动化或在配备了实时内核，多核CPU，I / O和协议接口以及FPGA的Speedgoat目标计算机上交互运行。
Simulink Real-Time和Speedgoat目标计算机硬件旨在共同工做，以建立用于台式机，实验室和现场环境的实时系统。 该软件和硬件解决方案支持最新版本的MATLAB®和Simulink。
了解Simulink Real-Time的基础知识
选择Speedgoat目标计算机和I / O硬件
开发和目标计算机配置，目标计算机启动方法，置信度测试
驱动程序和通讯协议块，用于建立自定义块的技术
实时应用程序的构建和运行，可从开发和目标计算机进行控制
使用Simulink Real-Time和MATLAB语言进行交互式信号和参数检测，信号跟踪和记录以及参数调整
打包为独立可执行文件或与MATLAB一块儿部署的实时应用程序和App Designer应用程序
经过使用执行事件探查器和并发执行来优化执行
解决使用Simulink Real-Time产品时遇到的问题
在FPGA和SoC上原型化并部署深度学习网络
深度学习HDL Toolbox™提供了在FPGA和SoC上原型化和实现深度学习网络的功能和工具。 它提供了预构建的比特流，可在受支持的Xilinx®和Intel®FPGA和SoC器件上运行各类深度学习网络。 经过分析和评估工具，您能够经过探索设计，性能和资源利用率之间的折衷来定制深度学习网络。
深度学习HDL工具箱使您可以自定义深度学习网络的硬件实现，并生成可移植的，可综合的Verilog®和VHDL®代码，以部署在任何FPGA上（使用HDL Coder™和Simulink®）。
了解深度学习HDL工具箱的基础
估算串联网络的性能。 使用MATLAB®从目标设备分析和检索推理结果
配置，构建和生成自定义比特流和处理器IP内核，估算和基准化自定义深度学习处理器性能
手动将生成的深度学习（DL）处理器IP内核集成到系统设计中
校准，验证和部署量化的预训练系列深度学习网络
支持第三方硬件，例如Intel和Xilinx FPGA板
生成针对嵌入式系统优化的 C 和 C++ 代码
Embedded Coder® 为大规模生产中使用的嵌入式处理器生成可读、紧凑且快速的 C 和 C++ 代码。它对 MATLAB® Coder™ 和 Simulink® Coder 进行了高级优化，以精确控制生成的函数、文件和数据。这些优化能够提升代码效率，简化与现有代码、数据类型和标定参数的集成。您能够结合使用第三方开发工具编译可执行文件，以在您的嵌入式系统或快速原型构建板上实现即交即用式部署。
Embedded Coder 对 AUTOSAR、MISRA C® 和 ASAP2 软件标准提供内置支持。它还提供可追溯性报告和代码文档，以及支持 DO17八、IEC 61508 和 ISO 26262 软件开发的自动化软件验证。Embedded Coder 代码是可移植的，而且能够在任何处理器上编译和执行。此外，它还为特定硬件提供具备高级优化和设备驱动程序的支持包。
Embedded Coder 基础知识学习
从 Simulink 模型中为嵌入式系统生成 C/C++ 代码
从 MATLAB 代码中为嵌入式系统生成 C/C++ 代码
对第三方硬件的支持
生成定点滤波器的HDL代码
滤波器设计HDL Coder™生成可合成的便携式VHDL®和Verilog®代码，以在FPGA或ASIC上实现用MATLAB®设计的定点滤波器。 它会自动建立VHDL和Verilog测试平台，以模拟，测试和验证生成的代码。
了解滤波器设计HDL编码器的基础知识
HDL代码生成启动，语言选择，HDL代码生成脚本
单速率，多速率，级联，其余高级数字滤波器
资源使用率，时钟速度，芯片面积，延迟
文件名和位置，标识符和注释，端口和重置，HDL语言构造
HDL测试平台生成，以及与第三方EDA工具的协同仿真
编译，仿真和综合脚本生成
定点和浮点算法的建模和优化
Fixed-Point Designer™ 提供用于在嵌入式硬件上优化和实现定点和浮点算法的数据类型和工具。其中包括定点和浮点数据类型以及特定于目标的数值设置。使用 Fixed-Point Designer，您能够执行定点位真的目标感知仿真。而后，在硬件上实现设计以前，您能够测试和调试量化效应，如溢出和精度丢失。
Fixed-Point Designer 提供 App 和工具，用于分析双精度算法并将它们转换为精度下降的浮点或定点。优化工具使您可以选择知足数值精度要求和目标硬件约束的数据类型。为了高效实现，您能够用硬件最优模式（如压缩查找表）来代替计算成本高昂的设计构造。
C 和 HDL 生产代码能够直接从您的定点和浮点优化模型中生成
Fixed-Point Designer 基础知识学习
了解定点和浮点概念
使用 MATLAB® 设计和仿真定点系统
使用 Simulink® 设计和仿真定点系统
将双精度 MATLAB 代码转换为单精度 MATLAB 代码
将 Simulink 中的双精度系统转换为单精度
为NVIDIA GPU生成CUDA代码
GPU Coder™从MATLAB®代码和Simulink®模型生成优化的CUDA®代码。生成的代码包括CUDA内核，用于深度学习，嵌入式视觉和信号处理算法的可并行化部分。为了得到高性能，生成的代码将调用优化的NVIDIA®CUDA库，包括TensorRT，cuDNN，cuFFT，cuSolver和cuBLAS。该代码能够做为源代码，静态库或动态库集成到您的项目中，而且能够针对嵌入在NVIDIA Jetson，NVIDIA DRIVE和其余平台上的台式机，服务器和GPU进行编译。您能够在MATLAB中使用生成的CUDA来加速深度学习网络和算法的其余计算密集型部分。 GPU Coder可以让您将手写CUDA代码合并到算法和生成的代码中。
与EmbeddedCoder®一块儿使用时，GPU Coder可以让您经过软件在环（SIL）和处理器在环（PIL）测试来验证所生成代码的数字行为。
了解GPU Coder的基础知识
用于代码生成的MATLAB语言语法和函数
建立CUDA GPU内核的算法结构和模式
解决代码生成问题，缩短代码执行时间并减小生成代码的内存使用量
生成用于深度学习神经网络的CUDA代码
将生成的代码部署到NVIDIATegra®硬件目标
支持第三方硬件，例如NVIDIA Drive和Jetson平台
生成用于FPGA和ASIC设计的VHDL和Verilog代码
HDL Coder™经过MATLAB®函数，Simulink®模型和Stateflow®图表生成可移植的，可合成的VHDL®和Verilog®代码。 生成的HDL代码可用于FPGA编程或ASIC原型设计。
HDL Coder提供了一个工做流程顾问，可自动执行Xilinx®，Microsemi®和Intel®FPGA的编程。 您能够控制HDL体系结构和实施，突出显示关键路径并生成硬件资源利用率估算值。 HDL Coder可在您的Simulink模型与生成的Verilog和VHDL代码之间提供可追溯性，从而可以对遵循DO-254和其余标准的高完整性应用程序进行代码验证。
可经过IEC认证套件（针对ISO 26262和IEC 61508）得到对行业标准的支持。
了解HDL Coder的基础知识
从MATLAB算法生成HDL代码
从Simulink模型生成HDL代码
在目标硬件平台上部署分区的硬件和软件
支持第三方硬件，例如Intel，Microsemi和Xilinx FPGA板
经过Simulink Check得到DO和IEC认证
使用HDL仿真器和FPGA板测试和验证Verilog和VHDL
HDL Verifier™使您能够测试和验证用于FPGA，ASIC和SoC的Verilog®和VHDL®设计。 您能够将HDL模拟器与协同仿真对照在MATLAB®或Simulink®中运行的测试平台来验证RTL。 这些相同的测试平台可与FPGA和SoC开发板一块儿使用，以验证硬件中的HDL实现。
HDL Verifier提供了用于在Xilinx®和Intel®板上调试和测试FPGA实施的工具。 您可使用MATLAB来写入和读取内存映射的寄存器，以在硬件上测试设计。 您能够将探针插入设计并设置触发条件，以将内部信号上传到MATLAB中以进行可视化和分析。
HDL Verifier生成用于RTL测试台的验证模型，包括通用验证方法（UVM）测试台。 这些模型在支持SystemVerilog直接编程接口（DPI）的模拟器中本地运行。
了解HDL Verifier的基础知识
HDL仿真器与MATLAB和Simulink之间的协同仿真
将FPGA板与MATLAB和Simulink链接以进行硬件设计的验证和调试
生成UVM或SystemVerilog DPI组件
生成测试平台以验证使用HDL Coder™生成的HDL代码
生成SystemC TLM虚拟原型
支持第三方硬件，例如Xilinx，Intel和Microsemi®FPGA板
从 MATLAB 代码生成 C 和 C++ 代码
MATLAB® Coder™ 可从 MATLAB 代码生成适用于各类硬件平台（从桌面计算机系统到嵌入式硬件）的 C 和 C++ 代码。它支持大多数 MATLAB 语言和普遍的工具箱。您能够将生成的代码做为源代码、静态库或动态库集成到您的工程中。生成的代码是可读且可移植的。您能够将它与现有 C 和 C++ 代码及库的关键部分结合使用。您还能够将生成的代码打包为 MEX 函数以在 MATLAB 中使用。
与 Embedded Coder® 结合使用时，MATLAB Coder 可提供代码自定义、特定于目标的优化、代码可追溯性以及软件在环 (SIL) 和处理器在环 (PIL) 验证。
要将 MATLAB 程序部署为独立应用程序，请使用 MATLAB Compiler™。要生成与其余编程语言集成的软件组件，请使用 MATLAB Compiler SDK™。
MATLAB Coder 基础知识学习
用于代码生成的 MATLAB 语言语法和函数；数据定义
C/C++ 和 MEX 代码生成、修复错误、行为验证
使用并运行生成的 C/C++ 代码
缩短代码生成时间，提升执行速度，减小所生成代码的内存使用量
使用生成的 MEX 函数加速代码执行
定点转换、单精度转换（须要 Fixed-Point Designer™）
生成用于深度学习神经网络的 C++ 代码（须要 Deep Learning Toolbox™）
对第三方硬件的支持
设计用于FPGA和ASIC的图像处理，视频和计算机视觉系统
Vision HDL Toolbox™提供了用于在FPGA和ASIC上设计和实现视觉系统的像素流算法。 它提供了一个支持各类接口类型，帧大小和帧速率的设计框架。 工具箱中的图像处理，视频和计算机视觉算法使用适合HDL实现的体系结构。
该工具箱算法旨在在VHDL®和Verilog®（带有HDL Coder™）中生成可读的，可合成的代码。 生成的HDL代码通过FPGA验证，适用于高达8k分辨率的帧大小和高帧率（HFR）视频。
工具箱功能可做为MATLAB®函数，System对象和Simulink®块使用。
了解Vision HDL Toolbox的基础
在基于帧的视频流和像素流之间转换
选择块或系统对象以进行流视频处理
使用HDL Coder生成HDL代码，使用HDL Verifier™进行验证，使用硬件支持包进行原型设计
使用HDL仿真器和FPGA板测试和验证Verilog和VHDL
HDL Verifier™使您能够测试和验证用于FPGA，ASIC和SoC的Verilog®和VHDL®设计。 您能够将HDL模拟器与协同仿真对照在MATLAB®或Simulink®中运行的测试平台来验证RTL。 这些相同的测试平台可与FPGA和SoC开发板一块儿使用，以验证硬件中的HDL实现。
HDL Verifier提供了用于在Xilinx®和Intel®板上调试和测试FPGA实施的工具。 您可使用MATLAB来写入和读取内存映射的寄存器，以在硬件上测试设计。 您能够将探针插入设计并设置触发条件，以将内部信号上传到MATLAB中以进行可视化和分析。
HDL Verifier生成用于RTL测试台的验证模型，包括通用验证方法（UVM）测试台。 这些模型在支持SystemVerilog直接编程接口（DPI）的模拟器中本地运行。
了解HDL Verifier的基础知识
HDL仿真器与MATLAB和Simulink之间的协同仿真
将FPGA板与MATLAB和Simulink链接以进行硬件设计的验证和调试
生成UVM或SystemVerilog DPI组件
生成测试平台以验证使用HDL Coder™生成的HDL代码
生成SystemC TLM虚拟原型
支持第三方硬件，例如Xilinx，Intel和Microsemi®FPGA板
经过静态分析识别软件错误
Polyspace®Bug Finder™能够识别C和C ++嵌入式软件中的运行时错误，并发问题，安全漏洞和其余缺陷。经过使用静态分析（包括语义分析），Polyspace Bug Finder能够分析软件控制，数据流和过程间行为。经过在发现缺陷后当即突出显示它们，可让您在开发过程的早期对错误进行分类和修复。
Polyspace Bug Finder会检查是否符合编码规则标准，例如MISRAC®，MISRA C ++，JSF ++，CERT®C，CERT C ++和自定义命名约定。它生成的报告包括发现的错误，违反代码规则的行为以及包括循环复杂性在内的代码质量指标。 Polyspace Bug Finder能够与Eclipse™IDE一块儿使用，以分析桌面上的代码。
对于自动生成的代码，能够将Polyspace结果追溯到Simulink®模型和dSPACE®TargetLink®块。
了解Polyspace Bug Finder的基础知识
检查代码是否存在Polyspace用户界面，命令行或其余开发环境中的缺陷
修复或证实缺陷，组织结果，结果参考
经过Polyspace Bug Finder的DO和IEC认证
解决Polyspace Bug Finder中的意外问题
查看代码分析结果并监视软件质量指标
Polyspace®Bug Finder™Access™提供Web浏览器界面，用于Polyspace静态代码分析结果和质量指标。 它包括一个用于存储分析结果的中央存储库，可进行基于团队的协做。 Polyspace Bug Finder Server™的结果能够发布到Polyspace Bug Finder Access，以进行分类和解决。 借助Polyspace Bug Finder Access，您能够在缺陷跟踪系统（例如Jira）中建立和分配故障单。
Polyspace Bug Finder访问仪表板显示可用于监视软件质量，项目状态，缺陷数量和代码度量（例如代码行，圈复杂度和递归）的信息。 仪表板可帮助您以图形方式跟踪对编码规则标准（例如MISRA C：2012和AUTOSAR C ++ 14）以及安全标准（例如CERT-C和ISO / IEC TS 17961）的遵照状况。
了解Polyspace Bug Finder访问的基础
在网络浏览器上查看Polyspace Bug Finder的结果，添加评论和建立故障单，上传和打开结果，生成报告
安装软件，管理许可证，配置服务
经过在服务器计算机上运行的静态分析来识别软件缺陷
Polyspace®Bug Finder™Server™是一种静态分析引擎，可识别C和C ++中常见的错误类别，包括运行时错误，并发问题和其余编码缺陷。 Polyspace Bug Finder服务器还检查源代码是否遵照编码规则（MISRA C，MISRA C ++，JSF ++），安全规则（CWE，CERT-C，CERT-C ++，ISO / IEC 17961）和自定义规则。
使用Polyspace Bug Finder服务器，您能够在项目，文件和功能级别上监视代码度量，包括圈复杂度，堆栈使用率和HIS度量。 您能够配置服务器以与各类编译器，目标处理器和RTOS环境一块儿使用，并使用诸如Jenkins之类的工具经过连续集成系统自动执行。 代码分析结果能够发布到Polyspace Bug Finder Access™进行分类和解决。
了解Polyspace Bug Finder服务器的基础
在命令行或在持续集成平台（如Jenkins）中设置Bug Finder的自动运行
使Polyspace Bug Finder服务器得到DO和IEC认证
解决在运行Polyspace Bug Finder服务器时出现的意外问题
证实软件中没有运行时错误
Polyspace®Code Prover™是一种可靠的静态分析工具，可证实C和C ++源代码中没有溢出，被零除，越界数组访问以及其余运行时错误。它不须要程序执行，代码检测或测试用例便可产生结果。 Polyspace Code Prover使用基于形式化方法的语义分析和抽象解释来验证软件的过程，控制和数据流行为。您可使用它来验证手写代码，生成的代码或二者的组合。每一个代码语句均以颜色进行编码，以指示其是否存在运行时错误，是否已失败，没法访问或未经验证。
Polyspace Code Prover显示变量和函数返回值的范围信息，并能够证实哪些变量超出了指定范围限制。代码验证结果可用于跟踪质量指标并检查是否符合软件质量目标。 Polyspace Code Prover能够与Eclipse™IDE一块儿使用，以在您的桌面上验证代码。
了解Polyspace Code Prover的基础知识
在Polyspace用户界面，命令行或其余开发环境中检查代码是否存在运行时错误
调查和修复分析结果中的运行时错误，组织结果，结果参考
经过DO和IEC认证的Polyspace代码验证者资格
解决Polyspace Code Prover中的意外问题
查看代码验证结果并监视软件质量指标
Polyspace®Code Prover™Access™为Polyspace代码验证结果提供了一个Web浏览器界面，可证实源代码中没有严重的运行时错误。 它包括一个用于存储分析结果的中央存储库，可进行基于团队的协做。 Polyspace Code Prover Server™的结果能够发布到Polyspace Code Prover Access中进行分类和解析。 使用Polyspace Code Prover Access，您能够在缺陷跟踪系统（例如Jira）中建立和分配故障单。
Polyspace Code Prover Access仪表板显示可用于监视软件质量的信息。 仪表板可帮助您根据运行时错误以图形方式跟踪整体项目状态，并根据软件质量目标（SQO）阈值衡量进度。
了解Polyspace代码验证访问的基础
在网络浏览器上查看Polyspace Code Prover结果，添加评论和建立故障单，下载和上传结果，生成报告
软件安装，许可证管理，服务配置
证实软件中没有运行时错误
Polyspace®Code Prover™Server™是一种可靠的静态分析引擎，可证实C和C ++代码中不存在溢出，被零除，越界，数组访问以及某些其余运行时错误。 它对全部可能的控制和数据流（包括多线程代码）执行过程间分析，以将每一个操做标识为始终安全，始终有故障，没法访问或易受攻击。 Polyspace Code Prover Server标识没有运行时错误，被证实为失败，没法访问或未经证实的代码段。
Polyspace Code Prover Server能够在服务器级计算机上运行，而且可使用Jenkins等工具集成到构建和连续集成系统中，以进行自动验证。 分析结果能够发布到Polyspace Code Prover Access™进行分类和解决。
了解Polyspace Code Prover Server的基础知识
在命令行或在持续集成平台（如Jenkins）中设置自动运行Code Prover
经过Polyspace Code Prover Server的DO和IEC认证
解决在运行Polyspace Code Prover Server时出现的意外问题
证实源代码中没有运行时错误
Polyspace®Client™for Ada使用不须要程序执行的静态代码分析来提供代码验证，以证实源代码中不存在溢出，零除，越界数组访问以及某些其余运行时错误。 ，代码检测或测试用例。 Polyspace Client for Ada使用基于形式方法的抽象解释技术来验证代码。在编译和测试以前，能够将其用于手写代码，生成的代码或二者的组合。
适用于Ada的Polyspace Server™提供了代码验证，可证实源代码中不存在溢出，零除，越界数组访问以及某些其余运行时错误。为了得到更快的性能，Polyspace Server for Ada容许您安排验证任务在计算机群集上运行。使用Ada的Polyspace客户端将做业提交到服务器。您能够将做业集成到自动生成过程当中，并设置电子邮件通知。您能够经过Web浏览器查看缺陷和回归。而后，您可使用客户端下载并可视化验证结果。
了解Ada的Polyspace产品的基础知识
从Polyspace用户界面，命令行或其余开发环境中检测运行时错误
调查和修复验证结果中的运行时错误，组织结果，结果参考
经过软件开发生命周期监控代码质量
软件安装，激活，许可证配置，客户端/服务器和Web界面配置
解决Ada的Polyspace产品中的意外问题
确认符合行业指导规范和建模标准
Simulink® Check™ 提供行业承认的检查和指标，用于标识开发过程当中违反标准和规范的状况。支持的高完整性软件开发标准包括 DO-17八、ISO 2626二、IEC 6150八、IEC 62304 和 MathWorks 咨询委员会 (MAB) 建模规范。编辑时检查可在您编辑时识别合规性问题。您能够建立自定义检查，以确保符合您本身的标准或规范。
Simulink Check 提供大小和复杂度等指标，您可使用这些指标来评估模型的架构和标准合规性。合并的 Metrics Dashboard 可用于评估设计状态和质量。自动模型重构可用于更换重复的设计元素，下降设计复杂度，并识别可重用的内容。Model Slicer 工具可隔离模型中有问题的行为，并生成简化模型以用于调试。
Simulink Check 基础知识学习
验证模型是否符合安全标准和规范
建立 Model Advisor 检查和配置、使之自动执行并部署给用户测量模型或代码覆
收集模型指标数据并建立自定义模型指标
识别建模克隆件和模式以变换模型
跟踪端口、信号和模块的依存关系，将较大的模型分割成简化的独立模型
使用 Simulink 产品测试模型和代码，检查设计错误，检查是否符合标准，测量覆盖率，并验证系统
针对 DO 和 IEC 认证鉴定 Simulink 检查
测量模型和生成代码中的测试覆盖率
Simulink®Coverage™执行模型和代码覆盖率分析，以测量模型和生成的代码中的测试完整性。它应用行业标准度量标准，例如决策，条件，修改的条件/决策覆盖率（MCDC）和关系边界覆盖率，以评估模型，软件在环（SIL）和处理器内置模型中模拟测试的有效性-环路（PIL）。您可使用缺乏的覆盖率数据来查找测试中的差距，缺乏要求或意外的功能。
Simulink Coverage会生成交互式报告，以显示您的模型，C / C ++ S函数，MATLAB®函数以及由EmbeddedCoder®生成的代码已执行了多少。您能够突出显示块和子系统中的覆盖率结果以可视化测试中的差距。要评估测试的完整性，您能够累积来自多个测试运行的覆盖率数据，以及查看经过单元和系统测试实现的覆盖率。覆盖范围的结果能够追溯到需求和测试。您能够应用过滤器以从覆盖范围中排除阻止并证实报告中缺乏的覆盖范围。
了解Simulink Coverage的基础知识
测量模型和代码覆盖率以指示设计中未经测试的元素
生成覆盖率报告，查看模型中的覆盖率突出显示，过滤覆盖率收集结果
使用脚本或函数自动执行coverage收集
使用Simulink产品测试模型和代码，检查设计错误，对照标准进行检查，衡量覆盖范围并验证系统
使Simulink Coverage得到DO和IEC认证
识别设计错误，证实需求合规并生成测试
Simulink®Design Verifier™使用形式化方法来识别模型中隐藏的设计错误。 它检测模型中致使整数溢出，死逻辑，数组访问冲突和被零除的块。 它能够正式验证设计是否知足功能要求。 对于每一个设计错误或违反要求的状况，它都会生成一个仿真测试用例以进行调试。
Simulink Design Verifier生成用于模型覆盖率和自定义目标的测试用例，以扩展示有的基于需求的测试用例。 这些测试用例驱动您的模型知足条件，决策，修改后的条件/决策（MCDC）和自定义覆盖率目标。 除了覆盖目标以外，您还能够指定自定义测试目标以自动生成基于需求的测试用例。
了解Simulink Design Verifier的基础知识
识别和配置模型组件以进行分析
静态检测运行时错误和无效逻辑，得出设计范围
从模型生成系统的测试用例，扩展和组合测试用例以造成完整的测试套件
根据需求验证设计，指定分析输入约束
处理不兼容问题，优化大型和复杂模型的分析
记录并查看分析结果，生成报告，建立测试工具模型
使用Simulink产品测试模型和代码，检查设计错误，对照标准进行检查，衡量覆盖范围并验证系统
使Simulink设计验证器经过IEC认证
开发，管理和执行基于仿真的测试
Simulink®Test™提供了用于创做，管理和执行系统的，基于仿真的模型，生成的代码以及仿真或物理硬件测试的工具。它包括仿真，基准测试和等效测试模板，可以让您使用软件在环（SIL），处理器在环（PIL）进行功能，单元，回归和背对背测试，以及实时硬件在环（HIL）模式。
使用Simulink Test，您能够建立非侵入式测试工具以隔离被测组件。您可使用基于文本的语言来定义基于需求的评估，并以多种格式（包括Microsoft®Excel®）指定测试输入，预期输出和容差。 Simulink Test包括一个Test Sequence模块，可以让您构建复杂的测试序列和评估，以及一个用于管理和执行测试的测试管理器。观察器块使您能够访问设计中的任何信号，而无需更改模型或模型接口。能够并行或在连续集成系统上组织和执行大量测试。
了解Simulink测试的基础
建立和导入数据，开发测试序列，记录信号，评估仿真和输出
多版本测试，并行和分布式执行，覆盖率，实时测试
报告和存档测试规范和测试结果，打包测试文件，与变动管理系统一块儿使用
自定义测试环境，自动化测试
与CI兼容的测试，自动化，使用MATLAB®Unit Test Framework运行Simulink测试
经过Simulink Test得到DO和IEC认证
与关系数据库和非关系数据库交换数据
Database Toolbox™提供了用于与关系数据库和非关系数据库交换数据的功能和一个应用程序。 它经过自动在数据库和MATLAB®数据类型之间转换来实现这种交换。
数据库工具箱支持任何符合ODBC或JDBC的关系数据库。 它还为Apache™Cassandra®，MongoDB®和Neo4j®提供NoSQL支持。 提供了MySQL®和PostgreSQL的本机接口。
使用Database Explorer应用程序，您无需编写代码就能够浏览关系数据，而后生成MATLAB代码以自动化或操做数据库工做流程。 对于大型数据工做流，您能够拆分SQL查询并并行访问数据（使用Parallel Computing Toolbox™和MATLAB Parallel Server™）。
了解数据库工具箱的基础
经过配置驱动程序并使用SQL，探索Microsoft®Access™，Microsoft SQLServer®和Oracle®等数据库中的数据
使用适用于ApacheCassandra®数据库的数据库工具箱界面浏览宽列数据库中的数据
使用MongoDB的数据库工具箱界面浏览和管理MongoDB中的文档集合
使用与Neo4j的MATLAB接口或针对Neo4j Bolt协议的数据库工具箱接口，在Neo4j数据库中浏览，管理，存储和分析图形数据
建立和部署独立的数据库应用程序以与他人共享MATLAB代码
解决数据库工具箱中的意外问题
从MATLAB应用程序设计并自动生成报告
MATLAB®Report Generator™提供了将报告功能集成到MATLAB应用程序中的功能和API。 您能够开发以PDF，Microsoft®Word，MicrosoftPowerPoint®和HTML生成报告的程序。 MATLAB Report Generator使您可以从MATLAB代码中动态捕获结果和图形，并将这些结果记录在一个报告中，该报告能够与组织中的其余人共享。 您可使用预构建的，可自定义的Word和HTML模板，也能够根据组织的模板和标准来设计报告。
了解MATLAB Report Generator的基础
建立生成报告的MATLAB程序
建立和更新Microsoft PowerPoint演示文稿
报告生成器样本任务和相关代码
使用报表浏览器交互式程序生成器建立报表生成器
可视化虚拟现实环境中的动态系统行为
Simulink®3D Animation™将Simulink模型和MATLAB®算法连接到虚拟现实场景中的3D图形对象。您能够经过在桌面或实时仿真过程当中更改位置，旋转，比例和其余对象属性来为虚拟世界设置动画。您还能够感知虚拟世界中的碰撞和其余事件，并将其反馈到MATLAB和Simulink算法中。来自虚拟摄像机的视频能够流式传输到Simulink进行处理。
Simulink 3D Animation包括用于渲染和与虚拟场景交互的编辑器和查看器。使用3D世界编辑器，您能够导入CAD和URDF文件格式，以及创做从3D对象组装而成的详细场景。可使用立体视觉沉浸式观看3D世界。您能够在MATLAB图形中合并多个3D场景视图，并使用强制反馈操纵杆，太空鼠标或其余硬件设备与虚拟世界进行交互。 Simulink 3D Animation支持X3D，这是一种ISO标准文件格式和运行时体系结构，用于表示3D场景和对象并与之通讯。
了解Simulink 3D动画的基础知识
为Simulink，Simscape™Multibody™和MATLAB编写虚拟现实世界； 导入CAD模型
从CAD（计算机辅助设计）工具（包括CATIA）和机器人视觉表示（URDF文件）导出非VRML模型，以与Simulink 3D Animation一块儿使用
将虚拟现实世界链接到Simulink和Simscape多体动态系统模型
建立MATLAB虚拟世界对象并与之交互，将虚拟世界数据输入Simulink模型
查看和浏览表明动态系统仿真的虚拟现实世界
保存和共享动画； 从新分发独立应用程序
根据Simulink模型和Stateflow图表设计并自动生成报告
Simulink®Report Generator™提供了功能和API，使您可以在报告中包括框图，Stateflow®图表，MATLAB®功能块，真值表，数据字典和其余模型元素。您可使用PDF，Microsoft®Word，MicrosoftPowerPoint®和HTML设计和生成报告。您能够生成标准报告（例如系统设计说明），以及包含设计工件（例如生成的代码，需求可追溯性，文档和测试结果）的自定义报告。还能够包括DO-178，ISO 26262，IEC 61508和相关行业标准的工件。
Simulink报告生成器使您能够建立Web视图，使您能够在没有Simulink许可证的状况下从Web浏览器查看，导航和共享Simulink模型。您能够将模型Web视图嵌入HTML代码生成，需求，覆盖率和其余类型的报告中。
了解Simulink Report Generator的基础
建立和导航模型的交互式Web视图，并建立嵌入式Web视图报告
使用预约义的报告程序生成记录模型的报告
建立程序以生成记录Simulink模型和Stateflow图表的报告
报告生成器样本任务和相关代码
验证Simulink Report Generator以得到DO认证
编写，管理和跟踪对模型，生成的代码和测试用例的需求
Simulink需求使您能够在Simulink中编写，分析和管理需求。您可使用自定义属性建立富文本要求，并将它们连接到设计，代码和测试。能够从外部来源导入需求，当需求更改时，您会收到自动通知。您能够一块儿查看需求和设计，经过拖放创建连接，用需求内容注释图，分析需求可追溯性以及在需求，设计，生成的代码和测试之间导航。
Simulink需求指示什么时候对连接的需求，设计或测试进行更改。它计算需求的实施和验证状态，使您可以评估项目的完整性。
了解Simulink要求的基础
做者需求，从外部文档建立需求，定义需求层次
连接需求和模型元素，指定关系，添加标记，检查模型和代码的可追溯性，检查一致性
基于需求的模型验证，解释和报告测试结果
需求审查和比较，跟踪更改并提供理由，生成报告以供批准和批准
旧版RMI界面支持的需求可追溯性
使用Simulink产品测试模型和代码，检查设计错误，对照标准进行检查，衡量覆盖范围并验证系统
验证DO和IEC认证的Simulink要求
使用状态机与流程图对决策逻辑进行建模和仿真
Stateflow® 提供了一种图形语言，包括状态转移图、流程图、状态转移表和真值表。您可使用 Stateflow 来讲明 MATLAB® 算法和 Simulink® 模型如何响应输入信号、事件和基于时间的条件。
Stateflow 使您可以设计和开发监控、任务调度、故障管理、通讯协议、用户界面和混合系统。
使用 Stateflow，您能够对组合和时序决策逻辑进行建模，使其可做为 Simulink 模型中的模块进行仿真或做为 MATLAB 中的对象执行。图形动画使您可以在执行逻辑时对其进行分析和调试。编辑时和运行时检查可确保在实现前具备设计一致性和完整性。
Stateflow 基础知识学习
对组合和时序逻辑的状态机进行编程
遵循监督逻辑的通用设计模式
将 Stateflow 图做为 Simulink 模型中的模块进行仿真
将独立的 Stateflow 图做为对象在 MATLAB 中执行
测试、调试、记录数据并生成代码
设计和分析系统和软件架构
System Composer™可为基于模型的系统工程和软件设计定义，分析和规范体系结构和组成。 使用System Composer，您能够在优化架构模型的同时分配需求，而后能够在Simulink®中对其进行设计和仿真。
使用System Composer，您能够建立或导入可以使用组件和接口描述系统的体系结构模型。 您还能够从Simulink设计或C / C ++代码的架构元素填充架构模型。 您能够建立模型的自定义实时视图，以研究特定的设计或分析问题。 使用这些体系结构模型，您能够分析需求，经过定型捕获属性，执行贸易研究以及生成规格和ICD。
了解System Composer的基础
使用组件，端口和接口表示系统架构
将体系结构模型元素与功能和非功能需求相关联
使用构造型将自定义属性添加到建筑元素
使用组件，端口和接口查看体系结构模型的各个部分
使用分配创建模型元素之间的关系，验证系统设计要求
将架构模型与Simulink模型中指定的功能相关联
从第三方工具导入模型并经过System Composer更改将其导出