线性模型辨识
识别冲激响应、频率响应和参数化模型,例如线性状态空间模型和传递函数模型
当线性模型足以完全捕获系统动态特性时,可使用线性模型辨识。您可以在系统辨识或命令行中辨识线性模型。System Identification Toolbox™ 可用于创建和估计四种一般类型的线性模型。
参数化模型 - 估计传递函数模型、线性状态空间模型、多项式模型和过程模型等结构体中的参数。
频率响应模型 - 使用频谱分析估计频谱模型。
相关性模型 - 使用相关性分析对冲激响应模型进行非参数化估计。
线性灰盒模型 - 结合从先验知识获得或从物理原理推导出的系统信息,估计任意常微分方程或常差分方程的系数。
线性模型辨识需要频域数据或均匀采样的时域数据。您的数据可以有一个或多个输入和输出通道。有关详细信息,请参阅About Identified Linear Models。您还可以使用 AR 和 ARMA 等参数化模型结构对包含单个输出通道而无输入通道的时间序列数据进行建模。
您可以使用辨识模型在命令行、App 或 Simulink® 中仿真和预测模型输出。
类别
- 线性模型辨识基础知识
识别线性模型、选择合适的模型结构、构建和修改模型对象结构以及使用正则化估计的基本信息
- 过程模型
具有静态增益、时间常数和输入/输出延迟的低阶传递函数模型
- 输入-输出多项式模型
输入-输出多项式模型,包括 ARX、ARMAX、输出-误差和博克斯-詹金斯模型结构
- 状态空间模型
具有自由、标准和结构化参数化的状态空间模型;等效 ARMAX 和输出-误差 (OE) 模型
- 传递函数模型
传递函数模型
- 线性灰盒模型
估计线性微分方程、差分方程和状态空间方程的系数
- 频率响应模型
利用频谱分析获得的频率响应模型
- 相关性模型
利用相关性分析获得的冲激响应模型