滚动按照惯例，MathWorks公司每年都会发布两个新版本的软件，推出新的工具箱，新的功能，对原有的功能进行升级整合今年的R2022a版本主要包括5个新工具箱，3个功能集成，11个主要功能升级
middot蓝牙工具箱:提供基于标准的工具来设计，模拟和验证蓝牙通信系统。
middotHDL工具箱:为FPGA，ASIC和SoC设计数字信号处理应用
middot工业通讯工具箱:通过OPC UA，Modbus，MQTT访问工厂的实时和历史数据。
middotRoadrunner场景:创建并回放自动驾驶模拟场景。
middotWireless testbench:提供可以在SDR硬件上实时运行和测试的参考应用程序。
深度学习和机器学习技术已经证明了解决复杂问题的能力，特别是那些无法通过传统方法有效建模的问题，例如检测图像中的对象或根据测量的电压和电流准确估计电池的充电状态尽管有光明的前景，人工智能模型通常只代表一个完整系统中的一个环节在边缘和嵌入式系统的发展中，需要越来越多的性能和带宽不断提高的传感器这种情况反过来又要求提高系统的计算能力，使开发的软件的功能能够更容易，更快捷地部署
本次大会主会场，英伟达开发者关系经理郝蕾，MathWorks中国应用工程师元航介绍了如何通过英伟达，Jetsontrade和Simulinkreg对AI和基于模型的设计的功能支持，以更好地实现复杂系统开发。
元航的演讲重点是如何从MATLAB代码中自动生成优化的CUDA代码并进行部署。
在大数据与人工智能分会场，三一集团数字双子研究院算法工程师袁学峰介绍了在起重机性能研发实践中，如何结合MATLAB和Simulink开发基于工况识别技术的能量管理策略结合工况识别技术，对起重机的工况进行分析，优化能耗，并通过仿真设计能量回收策略
利用MATLAB实现数据可视化，数据处理和统计分析，构建了起重机工况划分和识别流程基于Simulink建立电机和电池容量恢复模型在团队持续攻关后，算法工程师，仓库工程师，电气工程师，大数据工程师，仿真工程师共同构建了起重机工况识别方法，并基于实际工况数据，应用于起重机起升电机的能量回收，优化能量系统设计从而设计出能耗更低，续航更长，用户粘性更高的起重机电动化产品
在电气化系统仿真，设计与实现分会场，MathWorks中国高级应用工程师苏哲介绍了基于TI C2000双核处理器的电机控制算法的开发与部署这个过程中主要涉及的两个工具箱是电机控制Blocksettrade和SoC Blocksettrade
首先，苏哲介绍了开发模式中的无传感器定向控制仿真，这里主要使用的是电机控制Blocksettrade
然后他用一个例子介绍了基于模型设计的多核微控制器开发的工作流程，主要使用SoC Blocksettrade。
最后，他演示了硬件组和设备驱动程序行为的模拟ndash片内性能评估。
在智能车辆与无人驾驶系统分会场，MathWorks中国高级应用工程师吴京介绍了模型预测控制在自动驾驶中的应用。
MPC有许多优点，其中之一是它能够控制多变量系统由于多通道多输出系统往往具有动态特性的耦合性，对PID等常用的经典控制算法有一定的挑战MPC的另一个优点是可以通过求解优化问题来处理各种约束对于自动驾驶等应用，汽车本身会有一些物理约束，同时也会有一些安全约束
在解决这样的应用问题时，这些约束可以方便地在MPC中设置最后，MPC有预览功能如果控制器获得了即将到来的弯道的信息，它可以提前开始制动，安全地通过弯道，并将车辆保持在车道上我们可以把MPC理解为一种近似最优控制因为它的机理是根据每一步的优化结果来调整对后续系统的控制，所以需要在线求解优化问题伴随着计算机技术的发展，在线求解最优化的计算能力极限越来越不成问题
如图，赛车现在不在参考赛道上为了使汽车遵循参考轨迹，MPC在当前时间k求解优化问题，用于计算控制动作的顺序在预测时间域内最小化成本的情况下，这辆车可以生成这条蓝色预测轨迹
控制器将仅采取第一个控制动作，并丢弃控制序列的其余部分然后，根据采用的第一种控制，汽车将行驶一段距离我们移动预测的时间域，测量汽车的位置并解决优化问题以计算下一个控制动作序列，并重复相同的过程在新的K时刻，控制器只采用第一个控制动作，丢弃其余，然后再次移动预测时域，测量轿厢位置并求解优化问题，从而计算下一个控制动作序列因此，我们可以看到，MPC实际上是一个滚动优化过程，它是一个闭环优化问题的解决方案
MPC有很多种类型如果你想控制一个线性对象，你可以使用一个简单的线性MPC对于具有非线性或时变动态特性的被控对象，可以使用自适应MPC，它允许用户更新预测模型以适应不断变化的工况如果自适应MPC不能提供满意的性能，也可以使用非线性MPC此时可以利用非线性预测模型进行更准确的预测，从而获得更好的性能
然后她给大家带来了一个演示，她在演示中展示了如何设计一个线性MPC和一个自适应MPC控制器，使车辆沿着参考轨迹自动行驶。
在无线通信与芯片技术分会场，中兴通讯股份有限公司电缆研究院an SIPI仿真专家黄健介绍了5G全光承载网高速数据链路mdashmdash从设计到实施。
5G全光承载网中高速数据链路的设计技术复杂且具有挑战性，涉及编码，均衡，信道特征提取与分析，系统链路信号完整性分析等丰富内容，这需要跨部门的团队合作来完成系统设计目标
中兴通讯的算法工程师可以利用MATLAB和Simulink的SerDes工具箱以及相关的信号处理工具箱，有效地设计和验证高速串行收发器的算法，实现SerDes系统的均衡器设计，从Simulink模型快速生成IBIS—AMI模型，提交给硬件设计工程师。
硬件工程师可以将IBIS—AMI模型导入MATLAB的信号完整性工具箱，将测量的信道参数与串扰相加，分析信号完整性，并验证SerDes收发器的性能。
