一般来说，标准正交码在更高维度上表现不佳，这可能是它们在 Matlab 中不可用的原因。

我建议您改用蒙特卡洛积分，这在这些情况下效果很好。在这里，您随机采样函数的点以评估积分。特别是，您可能希望使用准蒙特卡罗积分，因为收敛速度更快。唯一的区别是函数不是随机采样的，而是准随机采样的。你可以很容易地在 Matlab中生成准随机数。

估计精度的一种简单方法是简单地重复积分两次，然后查看差异。但是，也有在线算法允许您在蒙特卡洛积分中估计方差。

在实践中，当函数表现良好时，通常只使用大量点就足够了，而不必过度担心。

高维积分的一种方法是使用稀疏网格求积法（smolyak、clenshaw-curtis 等）。这个想法是使用一维正交规则的张量积的一小部分，以便在最终的积分规则中考虑某些多元单项式。如果被积函数合理地由低维多项式函数逼近，则稀疏网格正交工作得非常好。在这种情况下，可以为此目的使用各种 matlab 包：

Matlab 的稀疏网格正交包

或者

www.sparse-grids.de

有关稀疏网格的更多（介绍性）信息，您可能需要查看John Burkardt 的一些关于高维集成的演示文稿。