本页面提供的是上一版软件的文档。当前版本中已删除对应的英文页面。

系统辨识的数据准备方法

R2025b

在执行本工具箱中的任何任务之前，您的数据必须位于 MATLAB® 工作区中。您可以从外部数据文件导入数据，或在命令行手动创建数据数组。有关导入数据的更多信息，请参阅Representing Data in MATLAB Workspace。

以下任务有助于为从数据中识别建模模型做好数据准备：

您可以通过以下任一方式将数据转换为该工具箱的格式：

您可以通过以下任一方式分析数据：

审查以下任何特征的数据特性，以确定是否需要预处理：

  • 缺失或错误的值（也称为 outliers）。例如，您可能会发现空缺数据（表明数据缺失）、与其余数据不符的值，或无信息的值。

    请参阅Handling Missing Data and Outliers。

  • 信号电平的偏移与漂移（低频干扰）。

    有关减去均值和线性趋势的信息，请参阅Handling Offsets and Trends in Data；有关滤波的信息，请参阅Filtering Data。

  • 高于系统动力学所关注频率区间的高频干扰。

    有关值的抽取和插值信息，请参阅Resampling Data；有关滤波信息，请参阅Filtering Data。

您可以使用数据选择作为清理数据的一种方式，从而排除包含噪声或缺失信息的数据部分。您还可以使用数据选择功能创建独立的数据集，用于估计和验证。

要了解有关选择数据的更多信息，请参阅 Select Subsets of Data。

您可以将多个实验的数据合并为单一数据集。你从包含多个实验的数据集中估计出的模型，描述了代表这些实验的平均系统。

要了解有关创建多实验数据集的更多信息，请参阅 Create Multiexperiment Data Sets in the App 或 Create Multiexperiment Data at the Command Line。