Exponenta Banner
exponenta event banner

cra

Оценка импульсной характеристики с использованием корреляционного анализа на основе предварительного преобразования

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 временной области, data.

[ir,R,cl] = cra(data,M,na,plot) оценивает информацию о корреляции/ковариации, Rи 99% доверительный уровень для импульсной характеристики, cl.

cra команда сначала вычисляет авторегрессивную модель для входа u как A (q) u (t) = e (t), где e - некоррелированный (белый) шум, q - оператор временного сдвига, а A (q) - многочлен порядкаna. Затем команда фильтрует u и выводит данные y с помощью A (q), чтобы получить предварительно выделенные данные. Затем команда вычисляет и строит график ковариационных функций предварительно выделенных y и u и функции взаимной корреляции между ними. Положительные значения переменной запаздывания затем соответствуют влиянию от u до более поздних значений y. Другими словами, значительная корреляция для отрицательных задержек является показателем обратной связи от y до u в данных. Правильно масштабированная версия этой корреляционной функции также является оценкой импульсной характеристики системы. Это также нанесено на график вместе с 99% доверительными уровнями. Выходной аргументir является этой оценкой импульсной характеристики, так что ее первая запись соответствует нулю запаздывания. (Отрицательные задержки исключены в ir.) На графике импульсная характеристика масштабируется так, чтобы она соответствовала импульсу высоты 1/T и длительность T, где T - время выборки данных.

Входные аргументы

data

Данные ввода-вывода.

Определить data как iddata объект, содержащий только данные временной области.

data должен содержать данные для эксперимента с одним входом и одним выходом. Для многомерного варианта примените cra к двум сигналам одновременно или использовать impulse.

M

Количество лагов, для которых вычисляются ковариационные/корреляционные функции.

M определяет количество интервалов, для которых вычисляются ковариационные/корреляционные функции. Это от -M кому M, так что длина R является 2M+1. Импульсная характеристика вычисляется из 0 кому M.

По умолчанию: 20

na

Порядок модели AR, к которой подогнан вход.

Для предварительного отбеливания входной сигнал устанавливается в модель заказа AR. na.

Использовать na = 0 для получения ковариационных и корреляционных функций исходных последовательностей данных.

По умолчанию: 10

plot

Управление отображением графика.

Задайте график как одно из следующих целых чисел:

  • 0 - графики не отображаются.

  • 1 - График расчетной импульсной характеристики с 99% доверительной областью.

  • 2 - строит график всех функций ковариации.

По умолчанию: 1

Выходные аргументы

ir

Расчетная импульсная характеристика.

Первая запись ir соответствует нулевому запаздыванию. (Отрицательные задержки исключены в ir.)

R

Ковариационная/корреляционная информация.

  • Первый столбец R содержит индексы запаздывания.

  • Второй столбец содержит ковариационную функцию выходного сигнала (возможно, отфильтрованного).

  • Третий столбец содержит ковариационную функцию входного сигнала (возможно, предварительно белого).

  • Четвертый столбец содержит корреляционную функцию. Графики могут быть повторно отображены cra(R).

cl

Уровень значимости 99% для импульсной характеристики.

Примеры

свернуть все

Открыть сценарий

Сравните импульсную характеристику модели ARX второго порядка с импульсной характеристикой, полученной с помощью корреляционного анализа.

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 является impulseest, которые используют модель FIR высокого порядка для оценки импульсной характеристики.

См. также

| | |

Представлен до R2006a

Документация по инструментам идентификации системы

Поддержка