CBF中for循环变矩阵乘法的思想（arrayfire）--复数矩阵

最新推荐文章于 2021-12-15 10:57:51 发布

ZIV555

最新推荐文章于 2021-12-15 10:57:51 发布

阅读量1.2k

点赞数

分类专栏： cuda&VS&matlab&arrayfire&GPU C/C++ 文章标签： arrayfire c++ CUDA

本文链接：https://blog.csdn.net/ZIV555/article/details/51733558

版权

本文延续前一篇博客，探讨如何使用ArrayFire将for循环转换为矩阵乘法，重点关注复数矩阵的情况。文章通过C++代码展示了原始实现，并对比了CUDA程序的运行时间。在复数运算时，ArrayFire的速度虽然降低，但其稳定性、简洁的代码和与CPU、CUDA相当的效果使其成为值得尝试的选项。

摘要由CSDN通过智能技术生成

接着上一篇博客CBF中for循环变矩阵乘法的思想（arrayfire）的续。

上一篇主要讲了算法思想的改变，但是只是测试了实数，没有测试复数的效果，实际项目中都是复数的运用，所以这次添上复数的代码及测试结果。

这次在添加arrayfire的代码之前，先看看不用这个库的一个C++代码形式：

for(i=0;i<360;i++) //角度搜索 （-90：0.5：89）
	{
		theta=theta+0.5;
		for(j=0;j<NN;j++)    //产生复指数信号exp(-jay*2*pi*[0:N-1]*f0*d/c*sin(theta(i)*pi/180));
		{
			a_s[1][j+1].real=cos(-2*PI*j*f0*d/c*sin(theta*PI/180)); 
			a_s[1][j+1].imag=sin(-2*PI*j*f0*d/c*sin(theta*PI/180));
		}
		//cout<<"as"<<endl;
		//CMatrix_print(a_s,1,3);
		CMatrix_multiply(a_s,1,NN,R1,NN,NN,temp_11);
		CMatrix_transpose(a_s,1,NN,a_sT);
		CMatrix_multiply(temp_11,1,NN,a_sT,NN,1,temp_22);
		//cout<<endl;