Преобразование между представлениями непрерывно-разового и дискретного времени полезно, например, если вы оценили дискретное время линейная модель и требуете непрерывно-разовой модели вместо этого для вашего приложения.
Можно использовать c2d
и d2c
, чтобы преобразовать любую линейную идентифицированную модель между представлениями непрерывно-разового и дискретного времени. d2d
полезен, вы, хотят изменить шаг расчета модели дискретного времени. Все эти операции изменяют шаг расчета, который называется, передискретизируя модель.
Эти команды не преобразовывают оцененную неопределенность модели. Если вы хотите перевести предполагаемую ковариацию параметра во время преобразования, используйте translatecov
.
c2d
и d2d
правильно аппроксимируют преобразование шумовой модели только, когда шаг расчета T
является маленьким по сравнению с пропускной способностью шума.
Следующая таблица обобщает команды для преобразования между представлениями модели непрерывно-разового и дискретного времени.
Команда | Описание | Пример использования |
---|---|---|
c2d |
Преобразовывает непрерывно-разовые модели в модели дискретного времени. Вы не можете использовать |
Чтобы преобразовать непрерывно-разовую модель mod_d = c2d(mod_c,T) где |
d2c |
Преобразовывает параметрические модели дискретного времени в непрерывно-разовые модели. Вы не можете использовать |
Чтобы преобразовать модель mod_c = d2c(mod_d) |
d2d |
Передискретизируйте линейную модель дискретного времени и произведите эквивалентную модель дискретного времени с новым шагом расчета. Можно использовать передискретизируемую модель, чтобы моделировать или предсказать вывод с интервалом требуемого времени. |
Чтобы передискретизировать модель mod_d2 = d2d(mod_d1,Ts) |
Следующие команды сравнивают оцененную модель m
и ее непрерывно-разовый дубликат mc
на Диаграмме Боде:
% Estimate discrete-time ARMAX model % from the data m = armax(data,[2 3 1 2]); % Convert to continuous-time form mc = d2c(m); % Plot bode plot for both models bode(m,mc)
Выбранный сигнал характеризуется только его значениями в моменты выборки. Однако, когда вы применяете непрерывно-разовый вход к непрерывно-разовой системе, выходные значения в моменты выборки зависят от входных параметров в моменты выборки и на входных параметрах между этими точками. Таким образом свойство данных InterSample
описывает, как алгоритмы должны обработать вход между выборками. Например, можно задать поведение между выборками, чтобы быть кусочной константой (нулевой порядок содержат, zoh
) или линейно интерполированный между выборками (первый порядок содержат, foh
). Формулы преобразования для c2d
и d2c
затронуты междемонстрационным поведением входа.
По умолчанию c2d
и d2c
используют междемонстрационное поведение, которое вы присвоили данным об оценке. Чтобы заменить эту установку во время преобразования, добавьте дополнительный аргумент в синтаксисе. Например:
% Set first-order hold intersample behavior mod_d = c2d(mod_c,T,'foh')
c2d
, d2c
и d2d
изменяют шаг расчета и динамической модели и шумовой модели. Передискретизация модели влияет на отклонение своей шумовой модели.
Параметрическая шумовая модель является моделью timeseries со следующим математическим описанием:
Шумовой спектр вычисляется следующим уравнением дискретного времени:
где отклонение белого шума e (t), и представляет спектральную плотность e (t). Передискретизация шумовой модели сохраняет спектральную плотность T. Спектральная плотность T является инвариантным до частоты Найквиста. Для получения дополнительной информации о нормализации спектра, смотрите Нормализацию Спектра.
Передискретизация d2d
шумовой модели влияет на симуляции с шумом с помощью sim
. Если вы передискретизируете модель к более быстрому уровню выборки, моделируя эту модель результаты на более высоком уровне шума. Этот более высокий уровень шума следует из базовой непрерывно-разовой модели, подвергающейся непрерывно-разовым белым шумовым воздействиям, которые имеют бесконечное, мгновенное отклонение. В этом случае базовая непрерывно-разовая модель является уникальным представлением для моделей дискретного времени. Чтобы поддержать тот же уровень шума после интерполяции шумового сигнала, масштабируйте шумовой спектр , где Tnew является новым шагом расчета, и Сказанный исходный шаг расчета. прежде, чем применить sim
.