Перед выполнением этой задачи необходимо выполнить следующее:
Входные/выходные данные или данные частотного отклика. См. раздел Представление данных временной и частотной области с использованием объектов iddata. Поддерживаемые форматы данных см. в разделе Данные, поддерживаемые корреляционным анализом.
Выполнение всех необходимых операций предварительной обработки данных. При использовании данных временной области их можно уменьшить перед оценкой. См. Способы подготовки данных для идентификации системы.
Использовать impulseest вычислять модели импульсной характеристики. impulseest оценивает модель КИХ высокого порядка, не вызывающую КИХ, с использованием корреляционного анализа. Полученные модели сохраняются как idtf объекты модели и содержат коэффициенты импульсной характеристики в числителе модели.
Оценка модели m и постройте график импульсной или ступенчатой характеристики, используя следующий синтаксис:
m=impulseest(data,N); impulse(m,Time); step(m,Time);
где data является одним или несколькими выходами iddata или idfrd объект. N - скалярное значение, указывающее порядок системы FIR, соответствующий временному диапазону 0:Ts: (N-1) * Ts, где Ts - время выборки данных.
Можно также указать параметры оценки, такие как регуляризация ядра, порядок фильтра перед отбеливанием и смещения данных, используя impulseestOptions и передать их в качестве входных данных impulseest. Например:
opt = impulseestOptions('RegularizationKernel','TC')); m = impulseest(data,N,opt);
Чтобы просмотреть доверительную область для предполагаемого ответа, используйте impulseplot и stepplot для создания графика. Затем использовать showConfidence.
Например:
h = stepplot(m,Time);
showConfidence(h,3) % 3 std confidence regionПримечание
cra является альтернативным способом вычисления импульсной характеристики только из данных временной области.
Выполните анализ модели. См. раздел Проверка моделей после оценки.