Преобразование между представлениями непрерывного времени и дискретного времени полезно, например, если вы оценили дискретное время линейная модель и требуете модели непрерывного времени вместо этого для вашего приложения.
Можно использовать c2d
и d2c
преобразовать любую линейную идентифицированную модель между представлениями непрерывного времени и дискретного времени. d2d
полезно, 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 аппроксимируйте преобразование шумовой модели только когда шаг расчета T
мал по сравнению с пропускной способностью шума.
Следующая таблица обобщает команды для преобразования между представлениями модели непрерывного времени и дискретного времени.
Команда | Описание | Пример использования |
---|---|---|
c2d |
Преобразует модели непрерывного времени в модели дискретного времени. Вы не можете использовать |
Преобразовать модель mod_d = c2d(mod_c,T) где |
d2c |
Преобразует параметрические модели дискретного времени в модели непрерывного времени. Вы не можете использовать |
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 симулировать или предсказать выход с интервалом требуемого времени. |
Передискретизировать модель mod_d2 = d2d(mod_d1,Ts) |
Следующие команды сравнивают оцененную модель m
и его дубликат непрерывного времени 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)
Произведенный сигнал характеризуется только его значениями в моменты выборки. Однако, когда вы применяете вход непрерывного времени к системе непрерывного времени, выходные значения в моменты выборки зависят от входных параметров в моменты выборки и на входных параметрах между этими точками. Таким образом, InterSample
свойство данных 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 (задержка первого порядка, foh
). Формулы преобразования для c2d
и d2c
затронуты междемонстрационным поведением входа.
По умолчанию, c2d
и d2c
используйте 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
измените 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.
d2d
передискретизация шумовой модели влияет на симуляции с шумом с помощью sim
. Если вы передискретизируете модель к более быстрому уровню выборки, симулируя эту модель результаты на более высоком уровне шума. Этот более высокий уровень шума следует из базовой модели непрерывного времени подвергаться непрерывному времени белые шумовые воздействия, которые имеют бесконечное, мгновенное отклонение. В этом случае базовая модель непрерывного времени является уникальным представлением для моделей дискретного времени. Чтобы обеспечить 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
.