spa

Оцените частотную характеристику с разрешением фиксированной частоты с помощью спектрального анализа

Описание

пример

G = spa(data) оценивает частотную характеристику, наряду с неопределенностью и шумовым спектром со времени - или данные частотной области data. Если data временные ряды, spaданные возвращает спектр выходной мощности наряду с неопределенностью. spa вычисляет спектры в 128 равномерно распределенных значениях частоты между 0 (исключенный) и π, с помощью окна Hann.

пример

G = spa(data,winSize,freq) оценивает частотную характеристику на частотах, содержавшихся в freq, использование окна Hann с размером winSize.

G = spa(data,winSize,freq,maxSize) разделяет данные о вводе/выводе в сегменты, каждый сегмент, содержащий меньше, чем maxSize элементы. Используйте этот синтаксис, чтобы улучшать вычислительную производительность.

Примеры

свернуть все

Оцените частотную характеристику для данных о вводе/выводе в iddata объект z3. Используйте зафиксированное разрешение значения по умолчанию 128 равномерно распределенных логарифмических значений частоты между 0 (исключенный) и π.

load iddata3 z3; 
g = spa(z3); 
bode(g)

Figure contains 2 axes objects. Axes object 1 with title From: u1 To: y1 contains an object of type line. This object represents g. Axes object 2 contains an object of type line. This object represents g.

Сгенерируйте вектор с логарифмически распределёнными значениями f.

f = logspace(-2,pi,128);

Оцените частотную характеристику для данных о вводе/выводе z3. Задайте размер окна как [] получить размер окна задержки по умолчанию.

load iddata3 z3;
g = spa(z3,[],f);

Постройте Предвещать ответ и спектр воздействия с доверительным интервалом 3 стандартных отклонений.

h = bodeplot(g);
showConfidence(h,3)

Figure contains 2 axes objects. Axes object 1 with title From: u1 To: y1 contains an object of type line. This object represents g. Axes object 2 contains an object of type line. This object represents g.

figure
h = spectrumplot(g);
showConfidence(h,3)

Figure contains an axes object. The axes object with title From: e@y1 To: y1 contains an object of type line. This object represents g.

Входные параметры

свернуть все

Данные о вводе/выводе в виде iddata возразите или idfrd объект, который может содержать комплексные числа. data может также содержать данные временных рядов только с выходом.

Размер окна Hann, также известный как размер задержки в виде скалярного целого числа. По умолчанию функция устанавливает размер окна на min(length(data)/10,30).

Частоты, на которых можно оценить спектральный ответ в виде вектора-строки в модулях rad/TimeUnit, где TimeUnit относится к TimeUnit свойство data. По умолчанию функция устанавливает freq к вектору из 128 значений в области значений (0, π], равномерно распределенный логарифмически. Для моделей дискретного времени, набор freq в связанной частоте Найквиста.

Максимальный размер сегментов в dataВ виде положительного целого числа. Если вы не используете этот аргумент, функция выполняет оценку с помощью полного набора данных в data вместо того, чтобы сегментировать данные.

Выходные аргументы

свернуть все

Частотная характеристика с неопределенностью и шумовым спектром в виде idfrd объект. Для данных временных рядов, G предполагаемый спектр и стандартное отклонение.

Информация о результатах оценки и используемых опциях хранится в Report свойство модели. Report имеет следующие поля.

Сообщите о полеОписание
Status

Сводные данные состояния модели, которое указывает, была ли модель создана конструкцией или получена оценкой.

Method

Команда оценки используется.

windowSize

Размер окна Hann.

DataUsed

Атрибуты данных используются для оценки. Структура со следующими полями.

Поле Описание
Name

Имя набора данных.

Type

Тип данных.

Length

Количество выборок данных.

Ts

Размер шага. Это эквивалентно data.Ts.

InterSample

Введите междемонстрационное поведение. Одно из следующих значений:

  • 'zoh' — Нулевой порядок содержит, обеспечивает кусочно-постоянный входной сигнал между выборками.

  • 'foh' — Хранение первого порядка обеспечивает кусочно-линейный входной сигнал между выборками.

  • 'bl' — Ограниченное полосой поведение указывает, что входной сигнал непрерывного времени имеет нулевую силу выше частоты Найквиста.

Значение InterSample не оказывает влияния на результаты оценки для моделей дискретного времени.

InputOffset

Возместите удаленный из входных данных временного интервала во время оценки.

OutputOffset

Возместите удаленный из выходных данных временного интервала во время оценки.

Больше о

свернуть все

Функция частотной характеристики

frequency response function описывает установившийся ответ системы к синусоидальным входным параметрам. Для линейной системы синусоидальный вход определенной частоты приводит к выходу, который является также синусоидой с той же частотой, но с различной амплитудой и фазой. Функция частотной характеристики описывает амплитудное изменение и сдвиг фазы в зависимости от частоты.

Чтобы лучше изучить функцию частотной характеристики, рассмотрите следующее описание линейной динамической системы:

y(t)=G(q)u(t)+v(t)

Здесь, u (t) и y (t) является сигналами ввода и вывода, соответственно. G (q) называется передаточной функцией системы — это получает системные движущие силы, которые берут вход к выходу. Обозначение G (q) u (t) представляет следующую операцию:

G(q)u(t)=k=1g(k)u(tk)

q является оператором сдвига, заданным следующим уравнением:

G(q)=k=1g(k)qk      q1u(t)=u(t1)

G (q) является функцией частотной характеристики, когда это оценено на модульном круге, G (q =e).

Вместе, G (q =e) и выходной спектр шума Φ^v(ω) сочините описание частотного диапазона системы.

Функция частотной характеристики оценила, что использование подхода Blackman-Tukey дано следующим уравнением:

G^N(eiω)=Φ^yu(ω)Φ^u(ω)

В этом случае ^ представляет аппроксимированные количества. Для деривации этого уравнения см. главу по непараметрическому времени - и методы частотного диапазона в [1].

Выведите шумовой спектр

Выходной спектр шума (спектр v (t)) дан следующим уравнением:

Φ^v(ω)=Φ^y(ω)|Φ^yu(ω)|2Φ^u(ω)

Это уравнение для шумового спектра выведено путем предположения что линейное соотношение y(t)=G(q)u(t)+v(t) содержит, что u (t) независим от v (t), и что следующие отношения между спектрами содержат:

Φy(ω)=|G(eiω)|2Φu(ω)+Φv(ω)

Φyu(ω)=G(eiω)Φu(ω)

Здесь, шумовой спектр дан следующим уравнением:

Φv(ω)τ=Rv(τ)eiwτ

Φ^yu(ω) введенный выходом перекрестный спектр и Φ^u(ω) входной спектр.

В качестве альтернативы воздействие v (t) может быть описано как отфильтрованный белый шум:

v(t)=H(q)e(t)

Здесь, e (t) является белым шумом с отклонением λ и спектр шумовой мощности дан следующим уравнением:

Φv(ω)=λ|H(eiω)|2

Алгоритмы

spa применяет метод спектрального анализа Blackman-Tukey путем выполнения этих шагов:

  1. Вычислите ковариации и перекрестную ковариацию от u (t) и y (t):

    R^y(τ)=1Nt=1Ny(t+τ)y(t)R^u(τ)=1Nt=1Nu(t+τ)u(t)R^yu(τ)=1Nt=1Ny(t+τ)u(t)

  2. Вычислите преобразования Фурье ковариаций и перекрестной ковариации:

    Φ^y(ω)=τ=MMR^y(τ)WM(τ)eiωτΦ^u(ω)=τ=MMR^u(τ)WM(τ)eiωτΦ^yu(ω)=τ=MMR^yu(τ)WM(τ)eiωτ

    где WM(τ) окно Hann с шириной (размер задержки) M. Можно задать M, чтобы управлять разрешением частоты оценки, которая приблизительно равна 2π/M времени рад/отсчета.

    По умолчанию эта операция использует 128 равномерно распределенных значений частоты между 0 (исключенный) и π, где w = [1:128]/128*pi/Ts и Ts шаг расчета того набора данных. Размером задержки по умолчанию окна Hann является M = min(length(data)/10,30). Для частот по умолчанию операция использует быстрые преобразования Фурье (FFT), которые более эффективны, чем для пользовательских частот.

    Примечание

    M = γ находится в Таблице 6.1 [1]. Стандартные отклонения находятся на страницах 184 и 188 в [1].

  3. Вычислите функцию частотной характеристики G^N(eiω) и выходной спектр шума Φ^v(ω).

    G^N(eiω)=Φ^yu(ω)Φ^u(ω)

    Φv(ω)τ=Rv(τ)eiwτ

spectrum матрица спектра и для выхода и для входных каналов. Таким образом, если z = [data.OutputData, data.InputData], spectrum содержит как данные о спектре спектр мощности с матричным знаком z.

S=m=MMEz(t+m)z(t)WM(Ts)exp(iωm)

Здесь, ' комплексное сопряженное транспонирование.

Ссылки

[1] Ljung, Lennart. System Identification: Теория для Пользователя. 2-й редактор информация о Prentice Hall и Системный Научный Ряд. Верхний Сэддл-Ривер, NJ: PTR Prentice Hall, 1999.

Представлено до R2006a