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

Оцените импульсную характеристику модели ARX

Открыть скрипт

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

impulse | impulseest | spa | step

Представлено до R2006a

Документация

cra