MATLAB — AI辅助使用指南¶

本章导读：按「简介与场景 → 安装配置 → AI 辅助技巧 → 示例与排错 → 进阶资源」组织，可按需跳读。

1. 简介与适用场景¶

MATLAB 是矩阵实验室（Matrix Laboratory）的缩写，是科研领域最广泛使用的数值计算和编程环境。在课题组中，MATLAB 主要用于：

数据处理：光谱数据、图像数据、信号数据的分析与处理
数值计算：矩阵运算、微分方程求解、最优化
信号处理：FFT、滤波、频谱分析
绘图与可视化：publication 级别的科学绘图
仿真：配合 Simulink 进行系统仿真
自动化：批量处理实验数据、自动化测试流程

2. 安装与配置¶

获取方式¶

大多数高校都有 MATLAB 校园授权（Site License），通过学校网络即可免费使用：

访问 mathworks.com
用学校邮箱注册 MathWorks 账号
在学校网络环境下（或连接校园VPN）激活许可证
下载并安装 MATLAB

安装要点¶

选择性安装工具箱：默认安装所有工具箱会占用大量空间。建议先安装基础包，后续按需添加：
信号处理：Signal Processing Toolbox
图像处理：Image Processing Toolbox
统计分析：Statistics and Machine Learning Toolbox
曲线拟合：Curve Fitting Toolbox
优化：Optimization Toolbox
路径设置：将常用脚本文件夹添加到 MATLAB 路径：Set Path → Add with Subfolders
编辑器配置：开启自动补全、代码折叠、实时编辑器

3. AI辅助使用核心技巧¶

对话式AI（Claude/ChatGPT/DeepSeek）¶

生成代码¶

最直接的用法——描述你的需求，让 AI 生成 MATLAB 代码：

明确输入输出：告诉 AI 数据的维度、格式、想要的结果
指定工具箱：如果需要特定工具箱函数，明确说明
要求注释：让 AI 在代码中添加注释，方便理解和修改

解读报错¶

将 MATLAB 的错误信息完整复制给 AI：

包含完整的错误堆栈（stack trace）
说明你想要实现什么
AI 通常能快速定位问题并给出修复方案

优化代码¶

已有可运行但效率低下的代码，让 AI 帮你优化：

向量化替代循环
预分配内存
使用更高效的内置函数

编程辅助AI（Cursor/Copilot）¶

Cursor：在 .m 文件中编写代码时，Cursor 可以实时补全和提供建议
Copilot：在 VS Code 中编辑 .m 文件时提供代码补全
注意：两者对 MATLAB 的支持不如 Python 完善，但基本补全功能可用

4. 常见任务与提示词示例¶

场景1：信号处理 — FFT频谱分析¶

提示词：

我有一组时域信号数据存储在 CSV 文件中，第一列是时间(秒)，第二列是幅值。采样率是 10kHz。请帮我写一个 MATLAB 脚本，完成以下任务： 1. 读取 CSV 数据 2. 去除直流分量 3. 做FFT变换，计算幅度谱 4. 画出频谱图，x轴为频率(Hz)，y轴为幅值，只显示0-2000Hz范围 5. 标注峰值频率要求：使用汉宁窗，输出300dpi的PNG图片

预期输出：完整的 .m 脚本，包含数据读取、预处理、FFT、绘图

% FFT频谱分析脚本
data = readmatrix('signal_data.csv');
t = data(:, 1);
signal = data(:, 2);

% 参数
fs = 10000;  % 采样率 10kHz
N = length(signal);

% 去除直流分量
signal = signal - mean(signal);

% 汉宁窗
window = hanning(N);
signal_windowed = signal .* window;

% FFT
Y = fft(signal_windowed);
P2 = abs(Y / N);          % 双边谱
P1 = P2(1:N/2+1);         % 单边谱
P1(2:end-1) = 2*P1(2:end-1);
f = fs*(0:(N/2))/N;

% 绘图
figure('Position', [100 100 800 500]);
plot(f, P1, 'LineWidth', 1.5);
xlim([0 2000]);
xlabel('Frequency (Hz)');
ylabel('Amplitude');
title('FFT Spectrum');

% 标注峰值
[~, idx] = max(P1);
text(f(idx), P1(idx), sprintf('  Peak: %.1f Hz', f(idx)), ...
    'FontSize', 11, 'Color', 'r');

print('fft_spectrum', '-dpng', '-r300');

场景2：Publication级别绘图¶

提示词：

请帮我写一个 MATLAB 绘图脚本，要求符合论文发表标准： - 有3组数据需要画在同一个图中（3条线），数据分别存在 data1.csv, data2.csv, data3.csv - 每个CSV第一列是x（波长nm），第二列是y（透过率%） - 使用不同颜色和线型区分（实线、虚线、点划线） - 图例放在图内右上角 - 字体统一 Helvetica 12pt - 坐标轴加粗，线宽1.5pt - 输出为 EPS 格式，适合 LaTeX 论文使用 - 图片尺寸 8cm x 6cm（双栏论文的半栏宽度）

预期输出：完整绘图脚本

% Publication-quality plotting
figure('Units', 'centimeters', 'Position', [2 2 8 6]);

% 读取数据
d1 = readmatrix('data1.csv');
d2 = readmatrix('data2.csv');
d3 = readmatrix('data3.csv');

% 绘图
h1 = plot(d1(:,1), d1(:,2), 'k-', 'LineWidth', 1.5); hold on;
h2 = plot(d2(:,1), d2(:,2), 'r--', 'LineWidth', 1.5);
h3 = plot(d3(:,1), d3(:,2), 'b-.', 'LineWidth', 1.5);

% 格式设置
set(gca, 'FontSize', 12, 'FontName', 'Helvetica', ...
    'LineWidth', 1.2, 'Box', 'on');
xlabel('Wavelength (nm)');
ylabel('Transmittance (%)');

% 图例
legend([h1 h2 h3], {'Sample A', 'Sample B', 'Sample C'}, ...
    'Location', 'northeast', 'FontSize', 10);

% 输出
print('transmittance', '-depsc', '-r300');

场景3：自定义模型曲线拟合¶

提示词：

我需要用 MATLAB 对实验数据进行非线性曲线拟合。我的物理模型是一个洛伦兹峰： y = A * (gamma/2)^2 / ((x - x0)^2 + (gamma/2)^2) + B 其中 A 是振幅，x0 是中心频率，gamma 是半高全宽(FWHM)，B 是基线偏移。

实验数据在 fit_data.csv 中，第一列是 x，第二列是 y。请帮我： 1. 写拟合代码，用 lsqcurvefit 或 fit 函数 2. 设置合理的初始猜测值（x0大约在1550附近） 3. 画出原始数据和拟合曲线的对比图 4. 输出拟合参数和95%置信区间 5. 计算R-squared

预期输出：完整拟合脚本

% Lorentzian curve fitting
data = readmatrix('fit_data.csv');
xdata = data(:, 1);
ydata = data(:, 2);

% Lorentzian 模型
lorentz = @(p, x) p(1) * (p(3)/2)^2 ./ ((x - p(2)).^2 + (p(3)/2)^2) + p(4);

% 初始猜测 [A, x0, gamma, B]
p0 = [1, 1550, 10, 0];

% 拟合
[p_fit, resnorm, residual, exitflag, output, lambda, jacobian] = ...
    lsqcurvefit(lorentz, p0, xdata, ydata);

% 置信区间
ci = nlparci(p_fit, residual, jacobian);

% R-squared
SS_res = sum(residual.^2);
SS_tot = sum((ydata - mean(ydata)).^2);
R2 = 1 - SS_res / SS_tot;

% 输出结果
fprintf('A     = %.4f  [%.4f, %.4f]\n', p_fit(1), ci(1,1), ci(1,2));
fprintf('x0    = %.4f  [%.4f, %.4f]\n', p_fit(2), ci(2,1), ci(2,2));
fprintf('gamma = %.4f  [%.4f, %.4f]\n', p_fit(3), ci(3,1), ci(3,2));
fprintf('B     = %.4f  [%.4f, %.4f]\n', p_fit(4), ci(4,1), ci(4,2));
fprintf('R^2   = %.6f\n', R2);

% 绘图
figure;
plot(xdata, ydata, 'ko', 'MarkerSize', 4, 'MarkerFaceColor', 'k'); hold on;
xfine = linspace(min(xdata), max(xdata), 500);
plot(xfine, lorentz(p_fit, xfine), 'r-', 'LineWidth', 1.5);
xlabel('Frequency (THz)'); ylabel('Intensity (a.u.)');
legend('Data', 'Lorentzian Fit', 'Location', 'northwest');

场景4：批量数据处理¶

提示词：

我有一个文件夹 data/，里面有100个 CSV 文件，命名格式为 sample_001.csv 到 sample_100.csv。每个文件结构相同：第一列波长(nm)，第二列透过率(%)。

请帮我写一个脚本： 1. 自动遍历所有CSV文件 2. 对每个文件计算：中心波长、峰值透过率、半高全宽(FWHM) 3. 将所有结果汇总到一个表格并保存为 results.csv 4. 画出100条曲线的叠加图

预期输出：批量处理脚本

% Batch data processing
fileList = dir('data/sample_*.csv');
nFiles = length(fileList);
results = zeros(nFiles, 4);  % [filename, center, peak, FWHM]

figure; hold on;
colors = parula(nFiles);

for i = 1:nFiles
    % 读取数据
    data = readmatrix(fullfile('data', fileList(i).name));
    wavelength = data(:, 1);
    transmittance = data(:, 2);

    % 绘制叠加图
    plot(wavelength, transmittance, 'Color', colors(i,:));

    % 计算指标
    [peak_val, peak_idx] = max(transmittance);
    center_wl = wavelength(peak_idx);

    % FWHM 计算
    half_max = peak_val / 2;
    above_half = transmittance >= half_max;
    fwhm = wavelength(find(above_half, 1, 'last')) - ...
           wavelength(find(above_half, 1, 'first'));

    results(i, :) = [i, center_wl, peak_val, fwhm];
end

xlabel('Wavelength (nm)'); ylabel('Transmittance (%)');
title('All Samples Overlay');

% 保存结果
T = array2table(results, 'VariableNames', ...
    {'SampleID', 'CenterWavelength', 'PeakTransmittance', 'FWHM'});
writetable(T, 'results.csv');

场景5：调试报错¶

提示词：

我运行以下 MATLAB 代码时报错了，请帮我分析和修复：
A = rand(100, 3);
B = rand(50, 3);
C = A * B';
错误信息：
Error using  *
Incorrect dimensions for matrix multiplication.
我想计算 A 中每行和 B 中每行的欧氏距离，得到 100x50 的距离矩阵。

预期输出：AI 会解释维度不匹配的原因，并给出正确的实现方式

% 方法1：循环（直观但较慢）
C = zeros(100, 50);
for i = 1:100
    for j = 1:50
        C(i,j) = norm(A(i,:) - B(j,:));
    end
end

% 方法2：向量化（推荐，更快）
C = pdist2(A, B);  % 需要 Statistics Toolbox

% 方法3：纯向量化（无需工具箱）
C = sqrt(sum(A.^2, 2) + sum(B.^2, 2)' - 2 * A * B');

5. 常见问题与排错¶

AI能帮你快速解决的问题¶

问题	AI协助方式
函数用法不清楚	直接问 AI，比查文档快
矩阵维度不匹配	贴出错误信息和代码，AI 通常秒解
绘图格式调整	描述你想要的效果，AI 生成格式代码
工具箱函数选择	描述任务，AI 推荐最合适的函数
代码运行太慢	贴出代码，AI 帮你向量化优化

需要人工判断的注意事项¶

数值精度：AI 生成的算法可能不够数值稳定，需自行验证
物理合理性：拟合结果的物理意义必须人工判断
工具箱依赖：AI 可能使用了你没有安装的工具箱函数，注意检查
版本差异：AI 可能用较新版本的语法，旧版 MATLAB 可能不支持

常见报错速查¶

报错	常见原因	快速修复
`Index exceeds matrix dimensions`	索引越界	检查矩阵大小，用 `size()` 确认
`Incorrect dimensions for matrix multiplication`	维度不匹配	检查 `size(A)` 和 `size(B)`
`Undefined function or variable`	变量未定义或函数不存在	检查拼写、路径、工具箱
`Not enough input arguments`	函数调用参数不够	查看函数签名 `help funcName`

6. 进阶资源¶

本仓库示例脚本¶

以下文件位于 docs/assets/examples/，构建站点后也可通过站点内链接直接下载；克隆本仓库时路径相同。

matlab_publication_plot.m — publication 级别折线图模板（含尺寸、字体、导出格式）
matlab_fft_spectrum.m — FFT 与频谱分析示例

官方文档¶

MATLAB 官方文档：mathworks.com/help/matlab
MATLAB Academy（免费在线课程）：mathworks.com/learn/tutorials/matlab-onramp

实用技巧¶

用 doc funcName 替代 help funcName，打开更详细的帮助文档
用 Ctrl+I 自动缩进代码
用 tic; ... toc; 计时
用 profile on; ... profile viewer; 性能分析

MATLAB — AI辅助使用指南¶

1. 简介与适用场景¶

2. 安装与配置¶

获取方式¶

安装要点¶

推荐的初始配置¶

3. AI辅助使用核心技巧¶

对话式AI（Claude/ChatGPT/DeepSeek）¶

生成代码¶

解读报错¶

优化代码¶

编程辅助AI（Cursor/Copilot）¶

4. 常见任务与提示词示例¶

场景1：信号处理 — FFT频谱分析¶

场景2：Publication级别绘图¶

场景3：自定义模型曲线拟合¶

场景4：批量数据处理¶

场景5：调试报错¶

5. 常见问题与排错¶

AI能帮你快速解决的问题¶

需要人工判断的注意事项¶

常见报错速查¶

6. 进阶资源¶

本仓库示例脚本¶

官方文档¶

推荐学习路径¶

实用技巧¶