cra

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

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 применяться `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

Оцените импульсную характеристику модели ARX

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.

Представлено до R2006a

Документация

cra