cra

Оцените, что использование импульсной характеристики предварительно побелило - базирующийся корреляционный анализ

свернуть все на странице

Синтаксис

ir=cra(data)
[ir,R,cl] = cra(data,M,na,plot)

Описание

ir=cra(data) оценивает импульсную характеристику для данных временного интервала, data.

[ir,R,cl] = cra(data,M,na,plot) оценочная информация о корреляции/ковариации, R, и 99%-й доверительный уровень для импульсной характеристики, cl.

cra команда сначала вычисляет авторегрессивную модель для входа u как A(q)u(t)=e(t), где e является некоррелированым (белым) шумом, q является оператором сдвига времени, и A (q) является полиномом порядка na. Команда затем фильтрует u и выходные данные y с A (q), чтобы получить предварительно побеленные данные. Команда затем вычисляет и строит функции ковариации предварительно побеленного y и u и функции взаимной корреляции между ними. Положительные значения переменной задержки затем соответствуют влиянию от u до более поздних значений y. Другими словами, значительная корреляция для отрицательных задержек является индикацией относительно обратной связи от y до u в данных. Правильно масштабированная версия этой функции корреляции является также оценкой системной импульсной характеристики. Это также построено наряду с 99% доверительных уровней. Выходной аргумент ir эта оценка импульсной характеристики, так, чтобы ее первая запись соответствовала нулю задержки. (Отрицательные задержки исключены в ir.) В графике масштабируется импульсная характеристика так, чтобы это соответствовало импульсу высоты 1/T и длительность T, где T является шагом расчета данных.

Входные параметры

data

Данные ввода - вывода.

Задайте data как iddata объект, содержащий данные временного интервала только.

data должен содержать данные для одно входа, эксперимента одно выхода. Для многомерного случая примените cra к двум сигналам за один раз или использованию impulse.

M

Количество задержек, для которых ковариация/функции корреляции вычисляются.

M задает количество задержек, для которых ковариация/функции корреляции вычисляются. Это от -M к M, так, чтобы длина R 2M+1. Импульсная характеристика вычисляется из 0 к M.

Значение по умолчанию: 20

na

Порядок модели AR, к которой адаптирован вход.

Для предварительного отбеливания вход адаптирован к модели AR порядка na.

Используйте   na = 0 получить ковариацию и функции корреляции исходных последовательностей данных.

Значение по умолчанию: 10

plot

Постройте управление отображением.

Задайте график как одно из следующих целых чисел:

  • 0 — Никакие графики не отображены.

  • 1 — Графики предполагаемая импульсная характеристика с 99%-й областью доверия.

  • 2 — Графики все функции ковариации.

Значение по умолчанию: 1

Выходные аргументы

ir

Предполагаемая импульсная характеристика.

Первая запись ir соответствует нулю задержки. (Отрицательные задержки исключены в ir.)

R

Информация о ковариации/корреляции.

  • Первый столбец R содержит индексы задержки.

  • Второй столбец содержит функцию ковариации (возможно отфильтрованный) выход.

  • Третий столбец содержит функцию ковариации (возможно предварительно побелил), вход.

  • Четвертый столбец содержит функцию корреляции. Графики могут быть вновь отображены cra(R).

cl

99%-й уровень значения для импульсной характеристики.

Примеры

свернуть все

Открыть скрипт

Сравните импульсную характеристику модели ARX второго порядка с той, полученной корреляционным анализом.

load iddata1
z = z1;
ir = cra(z);
m = arx(z,[2 2 1]);
imp = [1;zeros(20,1)];
irth = sim(m,imp);
subplot(211)
plot([ir irth])
title('Impulse Responses')
subplot(212)
plot([cumsum(ir),cumsum(irth)])
title('Step Responses')

Альтернативы

Часто лучшая альтернатива cra impulseest, которые используют старшую модель FIR, чтобы оценить импульсную характеристику.

Смотрите также

| | |

Представлено до R2006a

Документация System Identification Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте