cra

Оцените импульсную характеристику с помощью предварительно выбитого на основе корреляционного анализа

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 корреляционную/ковариационную информацию, 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 сдвига во времени и A (q) - полином порядка na. Затем команда фильтрует u и выходные данные, y с помощью A (q), чтобы получить предварительно пробитые данные. Затем команда вычисляет и строит график ковариационных функций предварительно пробитых y и u и функции перекрестной корреляции между ними. Положительные значения переменной задержки затем соответствуют влиянию от u до более поздних значений y. Другими словами, значительная корреляция для отрицательных лагов является показателем обратной связи от y до u в данных. Правильно масштабированная версия этой корреляционной функции также является оценкой импульсной характеристики системы. Это также построено вместе с 99% доверительными уровнями. Выходной аргумент ir является ли эта оценка импульсной характеристики, так что ее первый вход соответствует нулю задержки. (Отрицательные лаги исключены в ir.) На графике импульсная характеристика масштабируется так, что она соответствует импульсу высоты 1 /T и T длительности, где T - шаг расчета данных.

Входные параметры

data

Входно-выходные данные.

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

data должны содержать данные для эксперимента с одним входом, одним выходом. Для многомерного случая примените cra к двум сигналам за раз, или использовать impulse.

M

Количество лагов, для которых вычисляются ковариационные/корреляционные функции.

M задает количество лагов, для которых вычисляются функции ковариации/корреляции. Это из -M на M, так что длина R является 2M+1. Импульсная характеристика вычисляется из 0 на M.

По умолчанию: 20

na

Порядок модели AR, к которой установлен вход.

Для предварительного возбуждения вход устанавливается на AR- модели порядка na.

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

По умолчанию: 10

plot

Постройте график управления отображением.

Задайте график как одно из следующих целых чисел:

  • 0 - графики не отображаются.

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

  • 2 - Строит графики всех ковариационных функций.

По умолчанию: 1

Выходные аргументы

ir

Расчетная импульсная характеристика.

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

R

Ковариационная/корреляционная информация.

  • Первый столбец R содержит индексы задержки.

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

  • Третий столбец содержит ковариационную функцию (возможно, предварительно насыщенного) входа.

  • Четвертый столбец содержит функцию корреляции. Графики можно повторно отобразить по cra(R).

cl

99% -ный уровень значимости импульсной характеристики.

Примеры

свернуть все

Сравните импульсную характеристику модели ARX второго порядка с характеристикой, 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 является impulseest, которые используют модель конечную импульсную характеристику высокого порядка для оценки импульсной характеристики.

См. также

| | |

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте