merge

m = merge(m1,m2,....,mN) 合并估计模型。模型 m1,m2,...,mN 必须具有相同的结构，只是参数值和协方差矩阵有所不同。则 m 是合并模型，其中参数向量是 mk 参数的统计加权平均值（使用协方差矩阵确定权重）。

[m,tv] = merge(m1,m2) 返回测试变量 tv。当两个模型合并时，

[m, tv] = merge(m1,m2)

如果 m1 和 m2 的参数具有相同的均值，则 tv 是具有 n 自由度的 χ² 分布。这里 n 是参数向量的长度。因此，tv 的较大值表明合并模型可能会有问题。

对于 idfrd 模型，merge 是各个模型中两个响应的统计平均值，使用逆方差加权。您只能合并两个具有相同频率和非零协方差的响应的 idfrd 模型。

合并模型是合并数据集和估计合并数据模型的替代方法。

load iddata1 z1;
load iddata2 z2;
m1 = arx(z1,[2 3 4]);
m2 = arx(z2,[2 3 4]);
ma = merge(m1,m2);

和

mb = arx(merge(z1,z2),[2 3 4]);

导致模型 ma 和 mb 是相关的并且应该很接近。不同之处在于，合并数据集假设两个试验中的信噪比大致相同。合并模型会使一个模型变得更加不确定，例如，由于该试验中的更多干扰。如果条件大致相同，我们建议您合并数据而不是模型，因为这样效率更高并且通常涉及更好的条件计算。