提高M(jìn)atlab仿真程序執(zhí)行性能課件

提高M(jìn)atlab仿真程序執(zhí)行性能提高M(jìn)atlab仿真程序執(zhí)行性能1正文結(jié)構(gòu)背景與意義影響仿真程序性能的因素提高仿真程序性能的建議執(zhí)行速度測(cè)試方法正文結(jié)構(gòu)背景與意義2背景與意義Matlab與其他語言的差異：例如對(duì)于C或者C++來說，只要算法的思想不變、采用的數(shù)據(jù)結(jié)構(gòu)相同，不同人寫出來的語句在效率上一般不會(huì)產(chǎn)生太大的差別。所以，對(duì)于C來說，程序的好壞一般由算法來決定。但是，在Matlab中，同樣的算法、同樣的結(jié)構(gòu)、同樣的流程，如果采用的語句不一樣，在效率上就會(huì)大大不同。所以，了解有關(guān)Matlab執(zhí)行效率的內(nèi)容，對(duì)我們的接下來的仿真實(shí)踐會(huì)有很多幫助。背景與意義Matlab與其他語言的差異：3影響仿真程序性能的因素很多書上都說Matlab是解釋性語言，執(zhí)行效率不如C/C++高。這曾令我對(duì)Matlab的執(zhí)行速度失去信心；然而這句話雖然是正確的，卻非常不全面，導(dǎo)致我們將速度慢的原因歸咎于工具語言本身；實(shí)際上，Matlab通過借助混合編程的方法，其執(zhí)行效率與編譯型語言之間的差別已經(jīng)不是很明顯；大多數(shù)情況下，執(zhí)行效率的低下，是由于我們忽視了一些影響仿真程序性能的因素導(dǎo)致的影響仿真程序性能的因素很多書上都說Matlab是解釋性語言，4影響仿真程序性能的因素For-循環(huán)函數(shù)調(diào)用內(nèi)存分配矩陣索引其它影響仿真程序性能的因素For-循環(huán)5影響仿真程序性能的因素——For循環(huán)傳統(tǒng)觀點(diǎn)認(rèn)為for-loop是影響性能的致命環(huán)節(jié)，讓我們來對(duì)此驗(yàn)證：tictocElapsedtimeis0.000001seconds.ticfori=1:1000000endTocElapsedtimeis0.003144seconds.影響仿真程序性能的因素——For循環(huán)傳統(tǒng)觀點(diǎn)認(rèn)為for-lo6影響仿真程序性能的因素——For循環(huán)從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：tic/toc語句的時(shí)間開銷可以忽略不計(jì)for-loop語句本身的時(shí)間開銷也非常小，關(guān)鍵的影響效率的地方不在于循環(huán)本身，而是在于循環(huán)的內(nèi)部接下來我們就借助for循環(huán)，分析一下其他的各個(gè)影響效率的因素影響仿真程序性能的因素——For循環(huán)從上面的實(shí)驗(yàn)結(jié)果可以得出7影響仿真程序性能的因素——函數(shù)調(diào)用函數(shù)的分類：build-infunctionMEX-function("MATLABexecutable")m-functionanonymousfunctioninlinefunction其它相關(guān)內(nèi)容（不講）：functionhandlefeval影響仿真程序性能的因素——函數(shù)調(diào)用函數(shù)的分類：8影響仿真程序性能的因素——內(nèi)建函數(shù)ticfori=1:1000000cos(0);endtocMeanelapsedtimeis0.032866seconds.影響仿真程序性能的因素——內(nèi)建函數(shù)tic9影響仿真程序性能的因素——m-函數(shù)ticfori=1:1000000func(i);endtocMeanelapsedtimeis0.185556seconds.functionfunc(~)end影響仿真程序性能的因素——m-函數(shù)ticfunctionf10影響仿真程序性能的因素——匿名函數(shù)ticfori=1:1000000funca(i);endtocMeanelapsedtimeis0.561228seconds.funca=@(x)'';影響仿真程序性能的因素——匿名函數(shù)ticfunca=@(x)11影響仿真程序性能的因素——內(nèi)聯(lián)函數(shù)ticfori=1:1000000funci(i);endtocMeanelapsedtimeis19.5606seconds.funci=inline('','x');影響仿真程序性能的因素——內(nèi)聯(lián)函數(shù)ticfunci=inli12影響仿真程序性能的因素——函數(shù)調(diào)用影響仿真程序性能的因素——函數(shù)調(diào)用13影響仿真程序性能的因素——函數(shù)調(diào)用從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷最小，約為for-loop本身的10倍m-函數(shù)的調(diào)用時(shí)間開銷約為內(nèi)聯(lián)函數(shù)的6倍，約為for-loop本身的60倍匿名函數(shù)的調(diào)用時(shí)間開銷約為m-函數(shù)的3倍，約為for-loop本身的187倍內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷過大，盡量不要在循環(huán)中使用另外MEX-函數(shù)的調(diào)用時(shí)間開銷，理應(yīng)介于內(nèi)聯(lián)函數(shù)和m-函數(shù)之間影響仿真程序性能的因素——函數(shù)調(diào)用從上面的實(shí)驗(yàn)結(jié)果可以得出以14影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtimeis0.007592seconds.影響仿真程序性能的因素——矩陣索引tic15影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,1)=i;endtocMeanelapsedtimeis0.007954seconds.影響仿真程序性能的因素——矩陣索引tic16影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i:i,1)=i;endtocMeanelapsedtimeis0.663598seconds.影響仿真程序性能的因素——矩陣索引tic17影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,:)=i;endtocMeanelapsedtimeis0.273345seconds.影響仿真程序性能的因素——矩陣索引tic18影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,1:1)=i;endtocMeanelapsedtimeis0.730042seconds.影響仿真程序性能的因素——矩陣索引tic19影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i:i,1:1)=i;endtocMeanelapsedtimeis1.00852seconds.影響仿真程序性能的因素——矩陣索引tic20影響仿真程序性能的因素——矩陣索引影響仿真程序性能的因素——矩陣索引21影響仿真程序性能的因素——內(nèi)存分配ticA=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtimeis0.009025seconds.影響仿真程序性能的因素——內(nèi)存分配tic22影響仿真程序性能的因素——內(nèi)存分配tic%A=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtime>20minutes.影響仿真程序性能的因素——內(nèi)存分配tic23影響仿真程序性能的因素——內(nèi)存分配因此，如果不預(yù)先分配好內(nèi)存，將會(huì)大大增加仿真時(shí)間，拖慢執(zhí)行效率；所幸的是，由于這個(gè)現(xiàn)象的重要性，Matlab的編輯器能夠發(fā)現(xiàn)并提示這個(gè)問題，會(huì)用紅的波浪線標(biāo)記出來影響仿真程序性能的因素——內(nèi)存分配因此，如果不預(yù)先分配好內(nèi)存24影響仿真程序性能的因素——其它關(guān)于Matlab還有很多細(xì)節(jié)及技巧，可以通過在程序中查詢產(chǎn)品幫助，獲得設(shè)計(jì)師的建議，一點(diǎn)一點(diǎn)積累下面列舉一些編程的建議影響仿真程序性能的因素——其它關(guān)于Matlab還有很多細(xì)節(jié)及25提高仿真程序性能的建議向量化函數(shù)化預(yù)分配內(nèi)存隨時(shí)用測(cè)試工具檢測(cè)執(zhí)行效率提高仿真程序性能的建議向量化26提高仿真程序性能的建議——向量化N=0:0.1:1000;fori=0:10000

y(i)=cos(N(i))；end向量化：N=0:0.1:1000;y=cos(N);提高仿真程序性能的建議——向量化N=0:0.1:1000;27提高仿真程序性能的建議——向量化Y=arrayfun(function,X);向量化函數(shù):accumarrayarrayfunbsxfuncellfunspfunstructfun提高仿真程序性能的建議——向量化Y=arrayfun(fun28提高仿真程序性能的建議——函數(shù)化盡量使用內(nèi)建函數(shù)，內(nèi)建函數(shù)的速度是最快的m-函數(shù)的執(zhí)行效率也很高M(jìn)EX-函數(shù)的執(zhí)行效率僅次于內(nèi)建函數(shù)，將耗時(shí)的代碼寫成MEX-函數(shù),將大大提高運(yùn)行速度匿名函數(shù)，內(nèi)聯(lián)函數(shù)，以及一些面向?qū)ο蠓椒ǎM量不要在執(zhí)行次數(shù)多的循環(huán)體內(nèi)使用提高仿真程序性能的建議——函數(shù)化盡量使用內(nèi)建函數(shù)，內(nèi)建函數(shù)的29提高仿真程序性能的建議——預(yù)分配內(nèi)存A=zeros(1000,1);A=int8(zeros(100,1));A=zeros(1000,1,'int8');常用的預(yù)分配內(nèi)存函數(shù)：zerosoneseye提高仿真程序性能的建議——預(yù)分配內(nèi)存A=zeros(1030執(zhí)行速度測(cè)試方法tic/toc語句profile函數(shù)profiler工具執(zhí)行速度測(cè)試方法tic/toc語句31執(zhí)行速度測(cè)試方法——tic/toc語句tic/toc語句，前面已經(jīng)介紹了實(shí)例。tic/toc不一定要成對(duì)出現(xiàn)，一個(gè)tic后面可以有多個(gè)toc，但需要需要重新計(jì)時(shí)的時(shí)候，要再次執(zhí)行tictoc的結(jié)果可以用變量接收下來，如 T=toc T(k)=toc;執(zhí)行速度測(cè)試方法——tic/toc語句tic/toc語句，前32執(zhí)行速度測(cè)試方法——profile函數(shù)proscript-namepropropro對(duì)于單個(gè)m文件，你只需要簡(jiǎn)單的在Matlab命令行窗口（CommandWindow）輸入pro，然后是m文件名，比如文件名為calculation.m的文件，直接輸入calculation，執(zhí)行完畢以后，輸入pro，就可以觀察每條語句的耗時(shí)。結(jié)束后別忘了pro。還可以使用pro清除之前執(zhí)行的結(jié)果。

執(zhí)行速度測(cè)試方法——profile函數(shù)pro33執(zhí)行速度測(cè)試方法——profile函數(shù)運(yùn)行到斷點(diǎn)pro單步執(zhí)行propropro對(duì)于在一大堆語句中單獨(dú)調(diào)用的m文件，如果你僅僅需要用matlab觀察這個(gè)函數(shù)的耗時(shí)，那么用斷點(diǎn)運(yùn)行到你需要查看的函數(shù)之前，然后按照上面仿真單個(gè)文件的方法，在命令行窗口執(zhí)行pro，然后調(diào)用函數(shù),接下來用pro查看報(bào)告，最后輸入pro結(jié)束。

執(zhí)行速度測(cè)試方法——profile函數(shù)運(yùn)行到斷點(diǎn)34執(zhí)行速度測(cè)試方法——profiler工具執(zhí)行速度測(cè)試方法——profiler工具35執(zhí)行速度測(cè)試方法——profiler工具執(zhí)行速度測(cè)試方法——profiler工具36執(zhí)行速度測(cè)試方法——profiler工具執(zhí)行速度測(cè)試方法——profiler工具37執(zhí)行速度測(cè)試方法——profiler工具執(zhí)行速度測(cè)試方法——profiler工具38執(zhí)行速度測(cè)試方法——profiler工具執(zhí)行速度測(cè)試方法——profiler工具39附：減少內(nèi)存使用的建議為變量定義合適的數(shù)據(jù)類型x=zeros(1,1000,’uint8’);當(dāng)使用大的矩陣變量時(shí)，預(yù)先指定維數(shù)并分配好內(nèi)存，避免每次臨時(shí)擴(kuò)充維數(shù)重用變量，避免生成大的中間變量，并刪除不再需要的臨時(shí)變量當(dāng)程序需要生成大量數(shù)據(jù)時(shí)，可以考慮定期將變量寫到磁盤，然后清除這些變量。

當(dāng)需要這些變量時(shí)，再重新從磁盤加載當(dāng)矩陣中數(shù)據(jù)極少時(shí)，將全矩陣轉(zhuǎn)換為稀疏矩陣clear,save,load,whos,pack附：減少內(nèi)存使用的建議為變量定義合適的數(shù)據(jù)類型x=zeros40附：for-loop中的循環(huán)變量fori=1:1000iendfori=1:0.1:1000iend附：for-loop中的循環(huán)變量fori=1:100041附：for-loop中的循環(huán)變量fori=[2711];iendi=2i=7i=11附：for-loop中的循環(huán)變量fori=[2711]42附：for-loop中的循環(huán)變量N=[2711];fori=Niendi=2i=7i=11附：for-loop中的循環(huán)變量N=[2711];i=43附：for-loop中的循環(huán)變量N=[2711;1513];fori=Niendi=21i=75i=1113附：for-loop中的循環(huán)變量N=[2711;1544提高M(jìn)atlab仿真程序執(zhí)行性能提高M(jìn)atlab仿真程序執(zhí)行性能45正文結(jié)構(gòu)背景與意義影響仿真程序性能的因素提高仿真程序性能的建議執(zhí)行速度測(cè)試方法正文結(jié)構(gòu)背景與意義46背景與意義Matlab與其他語言的差異：例如對(duì)于C或者C++來說，只要算法的思想不變、采用的數(shù)據(jù)結(jié)構(gòu)相同，不同人寫出來的語句在效率上一般不會(huì)產(chǎn)生太大的差別。所以，對(duì)于C來說，程序的好壞一般由算法來決定。但是，在Matlab中，同樣的算法、同樣的結(jié)構(gòu)、同樣的流程，如果采用的語句不一樣，在效率上就會(huì)大大不同。所以，了解有關(guān)Matlab執(zhí)行效率的內(nèi)容，對(duì)我們的接下來的仿真實(shí)踐會(huì)有很多幫助。背景與意義Matlab與其他語言的差異：47影響仿真程序性能的因素很多書上都說Matlab是解釋性語言，執(zhí)行效率不如C/C++高。這曾令我對(duì)Matlab的執(zhí)行速度失去信心；然而這句話雖然是正確的，卻非常不全面，導(dǎo)致我們將速度慢的原因歸咎于工具語言本身；實(shí)際上，Matlab通過借助混合編程的方法，其執(zhí)行效率與編譯型語言之間的差別已經(jīng)不是很明顯；大多數(shù)情況下，執(zhí)行效率的低下，是由于我們忽視了一些影響仿真程序性能的因素導(dǎo)致的影響仿真程序性能的因素很多書上都說Matlab是解釋性語言，48影響仿真程序性能的因素For-循環(huán)函數(shù)調(diào)用內(nèi)存分配矩陣索引其它影響仿真程序性能的因素For-循環(huán)49影響仿真程序性能的因素——For循環(huán)傳統(tǒng)觀點(diǎn)認(rèn)為for-loop是影響性能的致命環(huán)節(jié)，讓我們來對(duì)此驗(yàn)證：tictocElapsedtimeis0.000001seconds.ticfori=1:1000000endTocElapsedtimeis0.003144seconds.影響仿真程序性能的因素——For循環(huán)傳統(tǒng)觀點(diǎn)認(rèn)為for-lo50影響仿真程序性能的因素——For循環(huán)從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：tic/toc語句的時(shí)間開銷可以忽略不計(jì)for-loop語句本身的時(shí)間開銷也非常小，關(guān)鍵的影響效率的地方不在于循環(huán)本身，而是在于循環(huán)的內(nèi)部接下來我們就借助for循環(huán)，分析一下其他的各個(gè)影響效率的因素影響仿真程序性能的因素——For循環(huán)從上面的實(shí)驗(yàn)結(jié)果可以得出51影響仿真程序性能的因素——函數(shù)調(diào)用函數(shù)的分類：build-infunctionMEX-function("MATLABexecutable")m-functionanonymousfunctioninlinefunction其它相關(guān)內(nèi)容（不講）：functionhandlefeval影響仿真程序性能的因素——函數(shù)調(diào)用函數(shù)的分類：52影響仿真程序性能的因素——內(nèi)建函數(shù)ticfori=1:1000000cos(0);endtocMeanelapsedtimeis0.032866seconds.影響仿真程序性能的因素——內(nèi)建函數(shù)tic53影響仿真程序性能的因素——m-函數(shù)ticfori=1:1000000func(i);endtocMeanelapsedtimeis0.185556seconds.functionfunc(~)end影響仿真程序性能的因素——m-函數(shù)ticfunctionf54影響仿真程序性能的因素——匿名函數(shù)ticfori=1:1000000funca(i);endtocMeanelapsedtimeis0.561228seconds.funca=@(x)'';影響仿真程序性能的因素——匿名函數(shù)ticfunca=@(x)55影響仿真程序性能的因素——內(nèi)聯(lián)函數(shù)ticfori=1:1000000funci(i);endtocMeanelapsedtimeis19.5606seconds.funci=inline('','x');影響仿真程序性能的因素——內(nèi)聯(lián)函數(shù)ticfunci=inli56影響仿真程序性能的因素——函數(shù)調(diào)用影響仿真程序性能的因素——函數(shù)調(diào)用57影響仿真程序性能的因素——函數(shù)調(diào)用從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷最小，約為for-loop本身的10倍m-函數(shù)的調(diào)用時(shí)間開銷約為內(nèi)聯(lián)函數(shù)的6倍，約為for-loop本身的60倍匿名函數(shù)的調(diào)用時(shí)間開銷約為m-函數(shù)的3倍，約為for-loop本身的187倍內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷過大，盡量不要在循環(huán)中使用另外MEX-函數(shù)的調(diào)用時(shí)間開銷，理應(yīng)介于內(nèi)聯(lián)函數(shù)和m-函數(shù)之間影響仿真程序性能的因素——函數(shù)調(diào)用從上面的實(shí)驗(yàn)結(jié)果可以得出以58影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtimeis0.007592seconds.影響仿真程序性能的因素——矩陣索引tic59影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,1)=i;endtocMeanelapsedtimeis0.007954seconds.影響仿真程序性能的因素——矩陣索引tic60影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i:i,1)=i;endtocMeanelapsedtimeis0.663598seconds.影響仿真程序性能的因素——矩陣索引tic61影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,:)=i;endtocMeanelapsedtimeis0.273345seconds.影響仿真程序性能的因素——矩陣索引tic62影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i,1:1)=i;endtocMeanelapsedtimeis0.730042seconds.影響仿真程序性能的因素——矩陣索引tic63影響仿真程序性能的因素——矩陣索引ticA=zeros(1000000,1);fori=1:1000000A(i:i,1:1)=i;endtocMeanelapsedtimeis1.00852seconds.影響仿真程序性能的因素——矩陣索引tic64影響仿真程序性能的因素——矩陣索引影響仿真程序性能的因素——矩陣索引65影響仿真程序性能的因素——內(nèi)存分配ticA=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtimeis0.009025seconds.影響仿真程序性能的因素——內(nèi)存分配tic66影響仿真程序性能的因素——內(nèi)存分配tic%A=zeros(1000000,1);fori=1:1000000A(i)=i;endtocMeanelapsedtime>20minutes.影響仿真程序性能的因素——內(nèi)存分配tic67影響仿真程序性能的因素——內(nèi)存分配因此，如果不預(yù)先分配好內(nèi)存，將會(huì)大大增加仿真時(shí)間，拖慢執(zhí)行效率；所幸的是，由于這個(gè)現(xiàn)象的重要性，Matlab的編輯器能夠發(fā)現(xiàn)并提示這個(gè)問題，會(huì)用紅的波浪線標(biāo)記出來影響仿真程序性能的因素——內(nèi)存分配因此，如果不預(yù)先分配好內(nèi)存68影響仿真程序性能的因素——其它關(guān)于Matlab還有很多細(xì)節(jié)及技巧，可以通過在程序中查詢產(chǎn)品幫助，獲得設(shè)計(jì)師的建議，一點(diǎn)一點(diǎn)積累下面列舉一些編程的建議影響仿真程序性能的因素——其它關(guān)于Matlab還有很多細(xì)節(jié)及69提高仿真程序性能的建議向量化函數(shù)化預(yù)分配內(nèi)存隨時(shí)用測(cè)試工具檢測(cè)執(zhí)行效率提高仿真程序性能的建議向量化70提高仿真程序性能的建議——向量化N=0:0.1:1000;fori=0:10000

y(i)=cos(N(i))；end向量化：N=0:0.1:1000;y=cos(N);提高仿真程序性能的建議——向量化N=0:0.1:1000;71提高仿真程序性能的建議——向量化Y=arrayfun(function,X);向量化函數(shù):accumarrayarrayfunbsxfuncellfunspfunstructfun提高仿真程序性能的建議——向量化Y=arrayfun(fun72提高仿真程序性能的建議——函數(shù)化盡量使用內(nèi)建函數(shù)，內(nèi)建函數(shù)的速度是最快的m-函數(shù)的執(zhí)行效率也很高M(jìn)EX-函數(shù)的執(zhí)行效率僅次于內(nèi)建函數(shù)，將耗時(shí)的代碼寫成MEX-函數(shù),將大大提高運(yùn)行速度匿名函數(shù)，內(nèi)聯(lián)函數(shù)，以及一些面向?qū)ο蠓椒ǎM量不要在執(zhí)行次數(shù)多的循環(huán)體內(nèi)使用提高仿真程序性能的建議——函數(shù)化盡量使用內(nèi)建函數(shù)，內(nèi)建函數(shù)的73提高仿真程序性能的建議——預(yù)分配內(nèi)存A=zeros(1000,1);A=int8(zeros(100,1));A=zeros(1000,1,'int8');常用的預(yù)分配內(nèi)存函數(shù)：zerosoneseye提高仿真程序性能的建議——預(yù)分配內(nèi)存A=zeros(1074執(zhí)行速度測(cè)試方法tic/toc語句profile函數(shù)profiler工具執(zhí)行速度測(cè)試方法tic/toc語句75執(zhí)行速度測(cè)試方法——tic/toc語句tic/toc語句，前面已經(jīng)介紹了實(shí)例。tic/toc不一定要成對(duì)出現(xiàn)，一個(gè)tic后面可以有多個(gè)toc，但需要需要重新計(jì)時(shí)的時(shí)候，要再次執(zhí)行tictoc的結(jié)果可以用變量接收下來，如 T=toc T(k)=toc;執(zhí)行速度測(cè)試方法——tic/toc語句tic/toc語句，前76執(zhí)行速度測(cè)試方法——profile函數(shù)proscript-namepropropro對(duì)于單個(gè)m文件，你只需要簡(jiǎn)單的在Matlab命令行窗口（CommandWindow）輸入pro，然后是m文件名，比如文件名為calculation.m的文件，直接輸入calculation，執(zhí)行完畢以后，輸入pro，就可以觀察每條語句的耗時(shí)。結(jié)束后別忘了pro。還可以使用pro清除之前執(zhí)行的結(jié)果。

執(zhí)行速度測(cè)試方法——profile函數(shù)pro77執(zhí)行速度測(cè)試方法——