您可以通过预先分配输出来节省大量的运行时间(您的输入越大，就越重要)

xcorrresults2 = zeros(rw,2*cl-1);
for i = 1:rw
    xcorrresults2(i,:) = xcorr(tests(i,:));
end

在内部，xcorr将所有内容作为列数组处理，如果给它一行，则执行一些额外的操作。(令人惊讶的是)把它放在专栏前面又为我节省了35%

xcorrresults3 = zeros(rw,2*cl-1);
for i = 1:rw
    xcorrresults3(i,:) = xcorr(tests(i,:).').';
end

如果需要，可以使用profile向下钻取xcorr函数。例如，对于我来说，大约20%的运行时用于该函数的内部循环来确定转换长度-如果您的数据是固定大小，则可以一次性确定，如果您创建了类似的自定义函数，则可以将其用作输入。

我怀疑运行时间长是因为在单独的调用中对我的所有样本序列执行xcorr的调用开销。
我尝试了上面的克丽丝建议。
首先，我转置了我的数组，这样信号实现就在有很多行的列中。然后用零填充，这样FFT就是线性的。
然后对此进行快速傅立叶变换。在倍频程中，矩阵的快速傅立叶变换对列起作用。
然后对FFT结果的乘积与其共轭进行IFFT
测试=[零(RW，64)测试]；%填充
T=FFT(测试‘)；
P=fftShift(abs(ifft(T.*conj(T)‘；
对每个样本使用Xcorr，通常需要检查30000个序列，时间为19秒。
使用IFFT(FFT(X).*CONJ(FFT(X))通常在0.35秒左右完成。
现在更像是这样了..

这一计算已经很繁重，但幸运的是，xcorr的MATLAB算法足够高效，它在内部使用fft。在4核计算机上使用并行化仍然可以获得近4倍的加速比。只需使用parfor而不是for，并使用转置数组以最佳内存顺序逐列工作。

clc, clear
tests = ones(300000, 64)';
[m, n] = size(tests);
xcorrresults = zeros(2*m-1, n);
parfor i = 1:n
    xcorrresults(:,i) = xcorr(tests(:,i));
end