matlablabview混合編程

『壹』 labview可以聯合matlab開發么

可以，labview可以使用matlab語句，並顯示生成的圖像。

『貳』 在LabVIEW中調用MATLAB來進行圖像處理應該如何實現

這個問題我曾經在項目中做過，印象中是一個難點，不太容易實現。
首先，LV調用MTLAB有兩種方式，第一，直接調用MATLAB，在後台進行計算；第二，使用matlab
script，按照幫助中的修改數據類型，這種方式實際並沒有啟動MATLAB，這樣會快一些，也簡單一些。
兩種方式各有利弊，如果你的工程很大，那麼第二種方式顯然不太合適，我當初用的也是第一種方式。
你可以看看網路文庫中的這3篇文檔，當時我是按這幾篇的內容來實現調用的，希望幫助到你。
LabVIEW中MATLAB的調用
LabVIEW與Matlab的混合編程
在LabView中使用MATLAB腳本節點

『叄』 如何使用labview和matlab產生正弦信號

matlab和labview分別可以實現這樣的功能，matlab用函數實現，labview直接調用模擬信號VI設置成正弦信號實現。

matlab和labview的互聯是通過控制項的調用實現的，一般是在labview里調用matlab腳本，因為labview更容易做出強大的界面，matlab擁有強大的數據處理工具包。而且labview掉matlab腳本很簡單，直接在labview中調用matlab腳本VI就可以直接編寫matlab腳本了。反過來可以實現，但是很麻煩，而且沒必要。

『肆』 labview和matlab是如何結合的

1 基本原理

ActiveX自動化是基於組件對象模型COM（Component Object Model）的技術，允許應用程序或組件控制另一
個應用程序或組件的運行，它包括自動化伺服器和自動化控制器。MATLAB支持ActiveX自動化技術。通過使用
MATLAB自動化伺服器功能，可以在其它應用程序中執行MATLAB命令，並與MATLAB的工作空間進行數據交換。因此
可以藉助這一特性，把LabVIEW與MATLAB結合，充分利用MATLAB提供的大量高效可靠的演算法和LabVIEW的圖形化編
程能力，混合開發出功能強大的應用軟體。

2 應用舉例

在混合編程中，通常用LabVIEW設計用戶圖形界面，負責數據採集和網路通信；MATLAB在後台提供大型演算法供
LabVIEW調用。

2.1 方法一：使用MATLAB Script節點

為了簡化調用過程，LabVIEW提供了MATLAB Script節點。LabVIEW使用ActiveX技術執行該節點，啟動一個
MATLAB進程。這樣用戶就可以很方便地在自己的LabVIEW應用程序中使用MATLAB，包括執行MATLAB命令、使用功能
豐富的各種工具箱，如神經網路工具箱（Neural Network Toolbox）、優化工具箱（Optimization Toolbox）。
值得注意的是：LabVIEWgn MATLAB之間的數據通信僅支持Real、RealVector、RealMatrix、Complex、
VectorComplex、Matrix六種格式的數據，且必須根據具體情況進行選擇。

當開發涉及工業控制的應用程序時，常常由於控制參數的非線性變化，而無法建立合適的模型。由於此類問
題，神經網路提供了一條有效的解決途徑。

在LabVIEW開發環境下新建一個三層BP神經網路的VI程序，程序框圖見圖1。網路結構部分主要設置隱層
（Hidelay）神經元的個數、傳遞函數（Transfer Function）以及網路訓練演算法（Algorithm）。經過樣本數據
（Training Data）訓練過的網路，即可進行模擬測試了。MATLAB腳本程序可以在MATLAB環境下調試，再使用
MATLAB Script節點導入MATLAB腳本；也可以直接在MATLAB Script節點中編寫。位於
Function>>Mathematics>>Formula模板中的MATLAB Script節點可以導入MATLAB腳本。圖1中的腳本程序使用CASE
語句進行傳遞函數和訓練演算法的選擇。MATLAB Script節點中神經網路的輸入層和隱層之間的權值矩陣inweight應
指定為RealMatrix，在LabVIEW中對應的數據類型是二維實數據組Net.I-Weight。各變數數據類型見表1。

表1 MATLAB Script節點輸入、輸出變數的數據類型

變數名 LabVIEW數據類型 MATLAB數據類型
size of algorithm Double floating point numeric Real
t outweight hideb outb result 1D array double floating numeric Real Vector
p data inweight Multidimensional array double floating point numeric Real Matrix

在此程序中，得到的BP網路各層的權值矩 陣、閾值向量和傳遞函數三類參非常有用的，它們決定了神經網路
的結構與特性。因此當神經網路訓練好後，可以直接使用這些參數處理新的數據，得到預測值，而不必重新調用
MATLAB。這樣程序的運行效率會更高。另一方面，將調試好的神經網路VI創建成一個子VI，作為模塊保存，當需
要更新網路時，可以隨時調用。

雖然通過MATLAB Script節點進行通信比較易於實現，但以這種方式調用MATLAB時，在任務欄中將出現一個
MATLAB圖標，單擊該圖形會打開MATLAB窗口，在其中可以任意輸入。通常，這會干擾前台程序的運行，甚至造成
程序的崩潰。另一方面，當MATLAB Script節點中的腳本執行完後，MATLAB也不能自動關閉。