matlab-deploy-embedded-code

部署嵌入式代码

配置 MATLAB Coder 与 Embedded Coder，面向嵌入式硬件生成生产级代码，并通过处理器在环（PIL）测试验证正确性。

适用场景

• 为微控制器或嵌入式 Linux 板生成 C/C++ 代码
• 为生成的代码设置 PIL 或 SIL 验证
• 配置代码生成，使其不进行动态内存分配
• 为通过 matlab-deploy-embedded-ai 准备的 AI 模型入口函数配置 Embedded Coder；若要执行完整的 AI 压缩和模型加载工作流，请先触发 matlab-deploy-embedded-ai
• 选择硬件目标板（STM32、Raspberry Pi）

不适用场景

• 生成 MEX 或桌面库——请使用标准 codegen 工作流
• 基于 Simulink 的部署——请直接使用 Simulink Coder / Embedded Coder 工作流
• GPU 代码生成（CUDA）——请使用 GPU Coder

工作流

1. 创建基于 ERT 的配置

cfg = coder.config("lib", "ecoder", true);

"ecoder", true 标志会创建基于 ERT（Embedded Real-Time）的配置，该配置生成不依赖操作系统的生产级代码。

2. 选择目标硬件

使用 coder.hardware：

cfg.Hardware = coder.hardware("STM32F746G-Discovery");

如果没有支持包，请手动配置硬件：

cfg.HardwareImplementation.ProdHWDeviceType = 'ARM Compatible->ARM Cortex-M';
cfg.HardwareImplementation.ProdBitPerFloat = 32;
cfg.HardwareImplementation.ProdBitPerDouble = 64;

支持的开发板及其限制的完整列表，请参阅 references/supported-hardware.md。

3. 为裸机目标配置内存

cfg.EnableDynamicMemoryAllocation = false;
cfg.StackUsageMax = 512;

• EnableDynamicMemoryAllocation = false——为堆不可用或非确定性的目标禁用 malloc/free。所有数组都必须在编译时具有确定的边界。
• StackUsageMax——根据目标 SRAM 设置。编译后，代码生成报告会显示实际用量。

对于使用深度学习推理（invoke、predict）的入口函数：

cfg.DeepLearningConfig = coder.DeepLearningConfig('none');
cfg.LargeConstantGeneration = "KeepInSourceFiles";

• DeepLearningConfig('none')——生成不依赖外部 DL 库（MKL-DNN、cuDNN、TensorRT）的 C 代码。裸机目标必须使用此设置。否则，codegen 可能会尝试链接不可用的库并失败。
• LargeConstantGeneration = "KeepInSourceFiles"——将权重常量保留在源文件中，而不是单独的数据文件中。对于不支持链接外部数据文件的裸机目标，这是必需的。

4. 配置性能（SIMD 和 OpenMP）

嵌入式 ARM 目标的 SIMD 向量化：

cfg.InstructionSetExtensions = 'Neon v7';  % ARM Cortex-A (128-bit, 4x float32)

目标	值	备注
ARM Cortex-A（Raspberry Pi）	'Neon v7'	128 位 SIMD
ARM Cortex-M	不要设置——请改用 CodeReplacementLibrary	使用不同机制

对于非嵌入式目标（Intel x86-64 和完整的 InstructionSetExtensions 梯度）、OptimizeReductions 和 OpenMP，请参阅 matlab-generate-code 技能。有关 MATLAB Coder 与 Simulink Coder 属性命名的双重性，请参阅 references/simulink-config.md。

代码替换库（CRL）——将支持的运算路由到供应商优化的数学库实现。

**在 Cortex-A 上：同时设置 InstructionSetExtensions 和非 SIMD 的 CodeReplacementLibrary。**它们针对不同层面。ISE 会为生成代码中可向量化的循环内联 NEON SIMD intrinsic。非 SIMD CRL 则会将更高层的数学运算——三角函数、滤波、矩阵运算——路由到库实现，无需自行生成这些实现。ARM Cortex-A CMSIS 会映射到 ARM CMSIS-DSP 库（由 ARM 提供、针对 Cortex-A 手动调优的内核）；它本身不会生成 NEON，因此可与显式设置 InstructionSetExtensions = 'Neon v7' 配合使用。只设置 ISE 或 CRL 都会错失部分性能：

cfg.HardwareImplementation.ProdHWDeviceType = 'ARM Compatible->ARM Cortex-A';
cfg.InstructionSetExtensions = 'Neon v7';           % SIMD intrinsics (also shown in §4 above)
cfg.CodeReplacementLibrary   = 'ARM Cortex-A CMSIS'; % non-SIMD CRL — routes math ops to CMSIS-DSP

对于 Cortex-M，请选择与编译器匹配的 CRL（例如，通用情况使用 'ARM Cortex-M'；特定供应商的 CRL 随相应支持包提供）。Cortex-M 不使用 InstructionSetExtensions。

OpenMP——在多核目标（Cortex-A）上启用；在单核目标（Cortex-M——不支持操作系统/线程，启用后会导致编译失败）上禁用：

cfg.EnableOpenMP = true;   % multi-core targets (Cortex-A)
cfg.EnableOpenMP = false;  % single-core targets (Cortex-M)

5. 设置 PIL 验证

PIL 会编译生成的代码，将其部署到物理开发板，发送测试向量，并将输出与 MATLAB 进行比较。这能捕获 SIL 无法检测的精度差异、栈溢出和内存问题。

Cortex-M（串行传输）：

cfg.VerificationMode = "PIL";
cfg.Hardware.PILInterface = "Serial";
cfg.Hardware.PILCOMPort = "COM4";  % adjust to your system

Cortex-A / Raspberry Pi（SSH 传输）：

cfg.VerificationMode = "PIL";
cfg.Hardware = coder.hardware("Raspberry Pi");
cfg.Hardware.DeviceAddress = "192.168.1.10";
cfg.Hardware.Username = "<your-pi-username>";
cfg.Hardware.Password = "<your-pi-password>";
cfg.Hardware.BuildDir = "/home/pi/mymodel";  % optional: defaults to /home/pi/MATLAB_ws/<release>

Pi PIL 通过 SSH（而非串行）运行。支持包使用 DeviceAddress、Username 和 Password 建立 SSH 连接。BuildDir 指定编译后的二进制文件在目标设备上的部署位置；如果省略，默认为 /home/pi/MATLAB_ws/<release>/。请勿设置 PILInterface 或 PILCOMPort——它们仅用于通过串行连接的裸机开发板。

6. 生成代码

cfg.TargetLang = "C";
codegen -config cfg -args {inputArgs} myEntryPoint

7. 按 MEX → SIL → PIL 的顺序进行验证

为确保部署可靠，请按以下顺序操作：

1. MEX — 在主机上验证，快速迭代
2. SIL（软件在环）— 在主机上运行生成的代码，并与 MATLAB 进行比较
3. PIL（处理器在环）— 在实际硬件上运行，并与 MATLAB 进行比较

cfgSil = coder.config("lib", "ecoder", true);
cfgSil.VerificationMode = "SIL";
codegen -config cfgSil -args {inputArgs} myEntryPoint

关键属性

属性	值	用途
VerificationMode	"PIL"、"SIL"、"None"	启用环路内验证
Hardware	coder.hardware(boardName)	选择目标开发板
Hardware.PILInterface	"Serial"	PIL 通信类型
Hardware.PILCOMPort	"COM4"、"/dev/ttyACM0"	串行端口
EnableDynamicMemoryAllocation	true（默认）、false	堆内存总开关
DynamicMemoryAllocationThreshold	数值（字节），默认值为 65536	超过此大小的数组使用堆内存
LargeConstantGeneration	"KeepInSourceFiles"、"WriteOnlyDNNConstantsToDataFiles"	大型常量的存放位置
StackUsageMax	数值（字节）	生成代码的栈限制（Simulink：MaxStackSize）
EnableOpenMP	布尔值	OpenMP 多线程（Simulink：MultiThreadedLoops）
CodeReplacementLibrary	"ARM Cortex-A CMSIS"、"GCC ARM Cortex-A"（SIMD）、"ARM Cortex-M"、…	使用供应商优化的运算替换。GCC ARM Cortex-A 是一个 SIMD CRL——不要将其与显式 ISE 搭配使用。MATLAB 会警告不建议这样做；请改用 "ARM Cortex-A CMSIS"
TargetLang	"C"、"C++"	输出语言

Simulink Coder 路径（slbuild）： 上方“Simulink：”列中的属性通过 set_param(modelName, 'PropertyName', value) 直接在模型名称上设置。 完整的 Simulink Coder 属性映射和代码示例，请参阅 references/simulink-config.md。

常见错误

错误	错误原因	正确做法
DynamicMemoryAllocation = "Off"	属性名称和类型错误	EnableDynamicMemoryAllocation = false（布尔值）
在 PIL 前跳过 SIL	硬件上的 PIL 故障更难调试	始终先使用 SIL 验证
未设置 StackUsageMax	默认值可能超过目标 SRAM 容量	根据硬件限制显式设置
使用 cfg = coder.config("lib")，但未指定 "ecoder", true	这会创建通用配置，而非基于 ERT 的配置	面向嵌入式目标时，始终传入 "ecoder", true

约定

• 始终：面向嵌入式目标使用 coder.config("lib", "ecoder", true)
• 始终：为裸机 Cortex-M 目标禁用动态内存
• 始终：遵循 MEX → SIL → PIL 的验证顺序
• 切勿：使用 DynamicMemoryAllocation（属性名称错误——正确名称是 EnableDynamicMemoryAllocation）
• 优先：Cortex-M 目标使用 TargetLang = "C"（代码占用更小）

参考资料

• references/supported-hardware.md — 开发板规格、支持包和 PIL 接口详情
• references/simulink-config.md — Simulink Coder 属性命名、set_param 用法模式和 slbuild 代码示例

另请参阅

• matlab-generate-code — 通用代码生成基础：coder 指令、筛选器、MEX 生成、SIL、配置调优，以及面向非嵌入式目标的 SIMD/OpenMP
• matlab-deploy-ai-model — 完整的 AI 模型代码生成流水线（加载、验证、生成 MEX/lib）

---

版权所有 2026 The MathWorks, Inc.

---