Прежде чем можно будет выполнить эту задачу, вы должны иметь:
Ввод/вывод или данные частотной характеристики. Смотрите Время Представления - и Данные Частотного диапазона Используя Объекты iddata. Для поддерживаемых форматов данных смотрите Данные, Поддержанные Корреляционным анализом.
Выполняемый любые необходимые операции предварительной обработки данных. Если вы используете данные временного интервала, можно детрендировать их перед оценкой. Смотрите Способы Подготовка данных для System Identification.
Используйте impulseest
, чтобы вычислить импульсные модели ответа. impulseest
оценивает старший разряд, непричинная модель FIR с помощью корреляционного анализа. Получившиеся модели хранятся как объекты модели idtf
и содержат коэффициенты импульсного ответа в образцовом числителе.
Чтобы оценить модель m
и построить импульс или переходной процесс, используйте следующий синтаксис:
m=impulseest(data,N); impulse(m,Time); step(m,Time);
где data
является синглом - или несколько - объект вывода iddata
или idfrd
. N
является скалярным значением, задающим порядок КИХ-системы, соответствующей области значений времени 0:Ts: (N-1) *Ts, где Ts является шагом расчета данных.
Можно также задать опции оценки, такие как упорядочивание ядра, предварительно беля порядок фильтра и смещения данных, с помощью impulseestOptions
и передать их как вход к impulseest
. Например:
opt = impulseestOptions('RegularizationKernel','TC')); m = impulseest(data,N,opt);
Чтобы просмотреть область уверенности для предполагаемого ответа, используйте impulseplot
и stepplot
, чтобы создать график. Затем используйте showConfidence
.
Например:
h = stepplot(m,Time);
showConfidence(h,3) % 3 std confidence region
cra
является альтернативным методом для вычисления импульсного ответа от данных временного интервала только.
Выполните анализ модели. См. Модели Проверки После Оценки.